Python Collections之defaultdict

Python内置四种基本container：list, dict, set, tuple，collections模块为其补充。defaultdict为collections中一个容器。一言以蔽之，是为有默认值的dict。

dict在python中是非常常见的一种数据类型。

一个官方例子

s为一个list，其中包含了5个tuple

s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]

我们的目标是生成d这样的dict统计颜色对应值列表。

d = [('blue', [2, 4]), ('red', [1]), ('yellow', [1, 3])]

一般来说，我们会这样的想法：新建一个dict，循环s写入到d的值(list)中

d = dict()
for k,v in s:
    d[k].append(v)
print(d)

然后收到以下错误,原因是d中没有为'yellow'的key，引用失败。

Traceback (most recent call last):
    d[k].append(v)
KeyError: 'yellow'

---

这时候defaultdict就能派上用场了。

classcollections.defaultdict([default_factory[,...]])

defaultdict 是内置 dict 类的子类。它重载了一个方法并添加了一个可写的实例变量。其余的功能与 dict 类相同。

本对象包含一个名为 default_factory 的属性，构造时，第一个参数用于为该属性提供初始值，默认为 None。所有其他参数（包括关键字参数）都相当于传递给 dict 的构造函数。

根据定义，defaultdic只是比dict多了一个方法，而这个方法就是missing, 这个方法与default_factory有关。

如果 default_factory 属性为 None，则调用本方法会抛出 KeyError 异常，附带参数 key。
如果 default_factory 不为 None，则它会被（不带参数地）调用来为 key 提供一个默认值，这个值和 key 作为一对键值对被插入到字典中，并作为本方法的返回值返回。

default_factory

本属性由__missing__()方法来调用。如果构造对象时提供了第一个参数，则本属性会被初始化成那个参数，如果未提供第一个参数，则本属性为None。

default_factory可以为很多类型，list、set、str都可以，如果key不存在，返回为默认值。

dict1 = defaultdict(int)
dict2 = defaultdict(set)
dict3 = defaultdict(str)
dict4 = defaultdict(list)

print(dict1[1])
print(dict2[1])
print(dict3[1])
print(dict4[1])

0      int的默认值
set()  set的默认值
       str的默认值
[]     list的默认值

List

使用 list 作为 default_factory，很轻松地将（键-值对组成的）序列转换为（键-列表组成的）字典：

s = [('yellow', 1), ('blue', 2), ('yellow', 3), ('blue', 4), ('red', 1)]
d = defaultdict(list)
for k, v in s:
    d[k].append(v)
print(d)

output:
defaultdict(<class 'list'>, {'yellow': [1, 3], 'blue': [2, 4], 'red': [1]})

Int

设置 default_factory 为 int，使 defaultdict 用于计数（类似其他语言中的 bag 或 multiset）：

str = 'chinese'
d = defaultdict(int)
for k in str:
    d[k] += 1
print(d)

output:
defaultdict(<class 'int'>, {'c': 1, 'h': 1, 'i': 1, 'n': 1, 'e': 2, 's': 1})

当一个字母首次遇到时，它会查询失败，则 default_factory 会调用 int() 来提供一个整数 0 作为默认值。后续的自增操作建立起对每个字母的计数。

Set

设置 default_factory 为 set 使 defaultdict 用于构建 set 集合：

s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]
d = defaultdict(set)
for k, v in s:
    d[k].add(v)
print(d)

output:
defaultdict(<class 'set'>, {'red': {1, 3}, 'blue': {2, 4}})

Lambda

Lambda函数更为灵活的指定默认值，可以为任意值。

strings = 'chinese'
counts = defaultdict(lambda: 0)
for i in strings:
    counts[i] +=1
print(counts)

output:
defaultdict(<function <lambda> at 0x7fe1b1b3d170>, {'c': 1, 'h': 1, 'i': 1, 'n': 1, 'e': 2, 's': 1})

#和int一样的效果

test = defaultdict(lambda : 'hello')
test[1]
test[2] = 'two'
print(test)

output:
defaultdict(<function <lambda> at 0x7fe338b11170>, {1: 'hello', 2: 'two'})

之前的输出都是连带着defaultdict里default_factory都输出了，但是一般没有必要，只需要使用item。

s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue', 4)]
d = defaultdict(set)
for k, v in s:
    d[k].add(v)
print(d)
print(d.items())

output:
defaultdict(<class 'set'>, {'red': {1, 3}, 'blue': {2, 4}})
dict_items([('red', {1, 3}), ('blue', {2, 4})])