python cookbook 1數據結構和算法(3)

11.切片

slice()

record = '....................100.......513.25..........'
cost = int(record[20:32]) * float(record[40:48])
更pythonic方式是對切片命名
SHARES = slice(20,32)
PRICE = slice(40,48)
cost = int(record[SHARES]) * float(record[PRICE])
>>>a = slice(5, 50, 2)
>>>a.start
5
>>>a.stop
50
>>>a.step
2
能夠用indices()將實際大小映射到a.stop
>>>s='HelloWorld'
>>> a.indices(len(s))
(5, 10, 2)

12找出序列中出現頻率最高的元素

 collections.Counter()

>>> words = [
... 'look', 'into', 'my', 'eyes', 'look', 'into', 'my', 'eyes',
... 'the', 'eyes', 'the', 'eyes', 'the', 'eyes', 'not', 'around', 'the',
... 'eyes', "don't", 'look', 'around', 'the', 'eyes', 'look', 'into',
... 'my', 'eyes', "you're", 'under'
... ]
>>> from collections import Counter
>>> word_counts = Counter(words)
>>>word_counts.most_common(3)
[('eyes', 8), ('the', 5), ('look', 4)]
>>> word_counts
Counter({'eyes': 8, 'the': 5, 'look': 4, 'into': 3, 'my': 3, 'around': 2, "you're": 1, "don't": 1, 'under': 1, 'not': 1})
若是須要再添加另外一個序列的統計,能夠用update()
>>> morewords = ['why','are','you','not','looking','in','my','eyes']
>>> word_counts.update(morewords)
>>> _#終端中'_'表明前一個輸出,在此是word_counts
Counter({'eyes': 9, 'the': 5, 'look': 4, 'my': 4, 'into': 3, 'not': 2, 'around': 2, "you're": 1, "don't": 1, 'in': 1, 'you': 1, 'looking': 1, 'are': 1, 'under': 1, 'why': 1})
對Counter()能夠直接進行+-操做
>>> a = Counter(words)
>>> b = Counter(morewords)
>>> a
Counter({'eyes': 8, 'the': 5, 'look': 4, 'into': 3, 'my': 3, 'around': 2, "you're": 1, "don't": 1, 'under': 1, 'not': 1})
>>> b
Counter({'eyes': 1, 'looking': 1, 'are': 1, 'in': 1, 'not': 1, 'you': 1, 'my': 1, 'why': 1})
>>> a+b
Counter({'eyes': 9, 'the': 5, 'look': 4, 'my': 4, 'into': 3, 'not': 2, 'around': 2, "you're": 1, "don't": 1, 'in': 1, 'why': 1, 'looking': 1, 'are': 1, 'under': 1, 'you': 1})
>>> a-b
Counter({'eyes': 7, 'the': 5, 'look': 4, 'into': 3, 'my': 2, 'around': 2, "you're": 1, "don't": 1, 'under': 1})

13對含有公共key的dict排序

operator.itemgetter()

>>> rows = [
... {'fname':'Brian', 'lname': 'Jones', 'uid': 1003},
... {'fname':'David', 'lname': 'Beazley', 'uid': 1002},
... {'fname':'John', 'lname': 'Cleese', 'uid': 1001},
... {'fname':'Big', 'lname': 'Jones', 'uid': 1004}
... ]
>>> from operator import itemgetter
>>> sorted(rows, key=itemgetter('uid'))
[{'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}, {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}]
#itemgetter也支持多個參數
>>> sorted(rows, key=itemgetter('lname','fname'))
[{'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}, {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}]
固然咱們也能夠採用經常使用的方法實現
>>> sorted(rows, key=lambda r: r['fname'])
[{'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}, {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}, {'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}]
>>> sorted(rows, key=lambda r: (r['lname'],r['fname']))
[{'lname': 'Beazley', 'uid': 1002, 'fname': 'David'}, {'lname': 'Cleese', 'uid': 1001, 'fname': 'John'}, {'lname': 'Jones', 'uid': 1004, 'fname': 'Big'}, {'lname': 'Jones', 'uid': 1003, 'fname': 'Brian'}]

可是itemgetter()方法一般運行會更快

14對象的排序

operator.attrgetter

>>> class User(object):
...   def __init__(self,user_id):
...       self.user_id=user_id
...   def __repr__(self):
...       return 'User({})'.format(self.user_id)
... 
>>> users = [User(23), User(3), User(99)]
>>> users
[User(23), User(3), User(99)]
經常使用方式
>>> sorted(users, key=lambda u: u.user_id)
[User(3), User(23), User(99)]
還有另外一種選擇
>>> from operator import attrgetter
>>> sorted(users, key=attrgetter('user_id'))
[User(3), User(23), User(99)]

和itemgetter()類似,attrgetter()方法一般運行會更快

15基於某個域將記錄分組

itertools.groupby()

rows = [
{'address':'5412 CLARK', 'date': '07/01/2012'},
 {'address':'5148 CLARK', 'date': '07/04/2012'},
{'address':'5800 58TH', 'date': '07/02/2012'},
{'address':'2122 CLARK', 'date': '07/03/2012'},
{'address':'5645 RAVENSWOOD', 'date': '07/02/2012'},
{'address':'1060 ADDISON', 'date': '07/02/2012'},
{'address':'4801 BROADWAY', 'date': '07/01/2012'},
{'address':'1039 GRANVILLE', 'date': '07/04/2012'},
 ]
>>>rows.sort(key=itemgetter('date'))
>>> for date, items in groupby(rows, key=itemgetter('date')):
...     print date
...     for i in items:
...         print i
... 
07/01/2012
{'date': '07/01/2012', 'address': '5412 CLARK'}
{'date': '07/01/2012', 'address': '4801 BROADWAY'}
07/02/2012
{'date': '07/02/2012', 'address': '5800 58TH'}
{'date': '07/02/2012', 'address': '5645 RAVENSWOOD'}
{'date': '07/02/2012', 'address': '1060 ADDISON'}
07/03/2012
{'date': '07/03/2012', 'address': '2122 CLARK'}
07/04/2012
{'date': '07/04/2012', 'address': '5148 CLARK'}
{'date': '07/04/2012', 'address': '1039 GRANVILLE'}

因爲groupby()只檢測連續的序列,因此首先應該排序

也能夠採用1.6節的方法defaultdict()

from collections import defaultdict
rows_by_date = defaultdict(list)
for row in rows:
        rows_by_date[row['date']].append(row)