Python3 CookBook | 数据结构和算法（二）

文章首发于知乎专栏，欢迎关注。
https://zhuanlan.zhihu.com/py...

以下测试代码全部基于 Python3

1、查找最大或最小的 N 个元素

工作中有时会遇到这样的需求，取出数据中前面 10% 的值，或者最后 10% 的值。

我们可以先对这个列表进行排序，然后再进行切片操作，很轻松的解决这个问题。但是，有没有更好的方法呢？

heapq 模块有两个函数 nlargest() 和 nsmallest() 可以完美解决这个问题。

In [50]: import heapq

In [51]: n = [1, 8, 2, 23, 7, -4, 18, 23, 42, 37, 2, 23, 45, 76]

In [52]: heapq.nlargest(3, n)
Out[52]: [76, 45, 42]

In [53]: heapq.nsmallest(3, n)
Out[53]: [-4, 1, 2]

如果是取排在前面的 10% 应该怎么做？

heapq.nlargest(round(len(n)/10), n)

而且，使用这两个函数还会有更好的性能，因为在底层实现里面，会先把数据进行堆排序后放入一个列表中，然后再进行后续操作。大家如果对堆数据结构感兴趣的话，可以继续进行深入研究，由于我了解的并不深，也没办法再展开了。

但是也并不是什么时候都是这两个函数效果更好，比如只取一个最大值或者最小值，那还是 min() 或 max() 效果更好；如果要查找的元素个数已经跟集合元素个数接近时，那还是用 sorted(items)[:N] 更好，具体情况具体分析吧。

2、序列中出现次数最多的元素

以前碰到这类问题时，我都会手动创建一个字典，然后以列表中元素作为 key，进而统计出 key 出现的次数，再进行比较得到出现次数最多的元素。

殊不知 collections 中就有专门为这类问题设计的类 Counter，瞬间感觉自己蠢爆了，话不多说，直接上代码。

In [54]: from collections import Counter

In [55]: w = ['a', 'b', 'c', 'd', 'a', 'a', 'b']

In [56]: w_count = Counter(w)

In [57]: w_count
Out[57]: Counter({'a': 3, 'b': 2, 'c': 1, 'd': 1})

In [58]: w_count['a']
Out[58]: 3

In [59]: top = w_count.most_common(2)

In [60]: top
Out[60]: [('a', 3), ('b', 2)]

可以看到，Counter 返回的就是一个字典，想知道哪个元素出现几次，直接取，是不是很方便？

而且还有 most_common 函数，简直不要太棒。

3、过滤序列元素

有一个列表，如下：

In [61]: a = [1, 2, 3, 4, 5, -3]

要求过滤所有负数。需要新建一个列表？直接一行代码搞定。

In [64]: [n for n in a if n > 0]
Out[64]: [1, 2, 3, 4, 5]

如果要把负数替换成 0 呢？

In [67]: [n if n > 0 else 0 for n in a]
Out[67]: [1, 2, 3, 4, 5, 0]

但是有时候过滤条件可能比较复杂，这时就需要借助于 filter() 函数了。

values = ['1', '2', '-3', '-', '4', 'N/A', '5']
def is_int(val):
  try:
    x = int(val)
      return True
  except ValueError:
    return False

ivals = list(filter(is_int, values))
print(ivals)
# Outputs ['1', '2', '-3', '4', '5']

4、通过某个关键字将记录分组

有下面这个字典：

rows = [
  {'address': '5412 N CLARK', 'date': '07/01/2012'},
  {'address': '5148 N CLARK', 'date': '07/04/2012'},
  {'address': '5800 E 58TH', 'date': '07/02/2012'},
  {'address': '2122 N CLARK', 'date': '07/03/2012'},
  {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'},
  {'address': '1060 W ADDISON', 'date': '07/02/2012'},
  {'address': '4801 N BROADWAY', 'date': '07/01/2012'},
  {'address': '1039 W GRANVILLE', 'date': '07/04/2012'},
]

那么怎么对这个字典按照 date 进行分组呢？借助于 itertools.groupby() 函数可以解决这个问题，代码如下：

# Sort by the desired field first
rows.sort(key=itemgetter('date'))
# Iterate in groups
for date, items in groupby(rows, key=itemgetter('date')):
  print(date)
  for i in items:
    print(' ', i)

输出结果如下：

07/01/2012
  {'address': '5412 N CLARK', 'date': '07/01/2012'}
  {'address': '4801 N BROADWAY', 'date': '07/01/2012'}
07/02/2012
  {'address': '5800 E 58TH', 'date': '07/02/2012'}
  {'address': '5645 N RAVENSWOOD', 'date': '07/02/2012'}
  {'address': '1060 W ADDISON', 'date': '07/02/2012'}
07/03/2012
  {'address': '2122 N CLARK', 'date': '07/03/2012'}
07/04/2012
  {'address': '5148 N CLARK', 'date': '07/04/2012'}
  {'address': '1039 W GRANVILLE', 'date': '07/04/2012'}

需要注意的是，groupby() 函数仅仅检查连续相同的元素，所以在分组之前，一定要先对数据，按照分组字段进行排序。如果没有排序，便得不到想要的结果。

5、映射名称到序列元素

我常常有这样的苦恼，就是有一个列表，然后通过下标来取值，取值时很认真的数所需要元素在第几个，很怕取错值。取到值后开始下面的运算。

一段时间之后，再看这段代码，感觉很陌生，已经忘了带下标的值是什么了，还需要重新看一下这个列表的由来，才找到回忆。

如果能有一个名称映射到元素上就好了，直接通过名称就可以知道元素的含义。collections.namedtuple() 函数就可以解决这个问题。

In [76]: from collections import namedtuple

In [77]: subscriber = namedtuple('Subscriber', ['addr', 'joined'])

In [78]: sub = subscriber('[e-mail]', '2012-10-19')

In [79]: sub
Out[79]: Subscriber(addr='[e-mail]', joined='2012-10-19')

In [80]: sub.addr
Out[80]: '[e-mail]'

In [81]: sub.joined
Out[81]: '2012-10-19'

这样就可以通过名称来取值了，代码可读性也更高。

需要注意的是，这种命名元祖的方式不能直接修改其中的值，直接修改会报错

In [82]: a = namedtuple('SSS', ['name', 'shares', 'price'])

In [83]: _a = a('yongxinz', 1, 2)

In [84]: _a.shares = 4
-----------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-84-f62a5288a29a> in <module>()
> 1 _a.shares = 4

AttributeError: can't set attribute

想要修改的话可以使用 _replace() 函数。

In [85]: _a._replace(shares=4)
Out[85]: SSS(name='yongxinz', shares=4, price=2)

但是还有一个疑问，如果这个列表元素比较多的话，那就需要定义很多的名称，也比较麻烦，还有更好的方式吗？

未完待续。。。

欢迎留言，或添加我个人微信 zhangyx6a 交流，不是微商。