Python被稱作 "battery included" 的程式語言。不是它真的有附電池🔋，而是指Python本身就具備相當多的內建模組來幫助我們更容易的寫程式。
舉個例來說，就像是某車款你買基本型號的車種，本身標配就有倒車雷達、自動偵測煞車等等，相當不錯。你當然可以追加Premium或是外掛的配備，但是我們應該先了解基本配備是不是已經符合我們的需求，是吧？
因此，今天想要來跟大家介紹一個常用的Python內建模組： collections
import collectionscollections主要針對容器型（container）的資料結構（像是list, tuple, dictionary這一類的型態）提供一些輔助的選項，幫助我們解決一些常遇到的問題。
今天我們就來看其中一部分我個人覺得相當好用的功能吧 ～🌞
Counter
請問這一個籃子裡有幾個蘋果，幾根香蕉，幾個芒果？或者說有幾種水果，每個水果各有幾個？
這種單純數數量的作業，不是只有小朋友的作業會出現，其實我們寫程式中也經常會需要做這件事。
譬如說我們有一個List長的像這樣：
fruit_bucket = ["banana", "apple", "apple", "mango", "banana", "apple"]當然你可以自己寫一套方法去數每一水果出現幾次（例如說這裡）。
不過，我們可以利用collections中一個叫做Counter的資料類型，幫我們快速的完成這項任務喔！
不多說，直接就來看Code吧：
像這樣，透過Counter我們可以馬上整理出每個元素的出現次數。很不錯吧？
Counter的物件就像是一般的dictionary，具有像.items，.update等功能。除此之外還具有一些方便的method供我們使用。
譬如說，我可以直接拿到出現次數最多的元素：
利用.most_common(2) ，我們可以拿到兩個出現次數最多元素。如果你只要最多的那一個的話，就用 .most_common(1) ，以此類推。
Counter同時具有類似dictionary的特性，如果你想知道 apple 出現過幾次，只要把apple當作Key：
是不是省了我們不少時間？人生沒有時間讓你一個一個慢慢數啊～😐
其他Counter可以被應用的地方像是，在一篇文章中找出最常出現的字。像我們經常看到的文字雲（Word Cloud）就是一個例子。
defaultdict
當我們使用Python的dictionary時，如果指定的Key不存在的話，就會得到一個Key Error ...🤬
相信大家都有經驗吧？
collections裡面有一個專門解決這個問題的方法！那就是 defaultdict！
defaultdict如其名，它是一個dictionary，但是可以讓你預先設定想要的數值（default）。如果你要的Key不存在的話，defaultdict就會自動幫你做一個Key，並賦予預設的數值。代表你可以跟討厭的Key Error說掰掰囉～
他的目的就是這麼單純 😇。
但是，使用上對初學者可能沒那麼直覺...所以我們就來看看例子吧：
使用defaultdict的時候，需要給它的argument必須是一個function，或稱之為callable，意思是可以被call的物件。（...如果你不給它任何argument，它就只會像一般的dictionary，無法產生預設值並會產生KeyError喔~）
上面的例子我們看到的int其實是一個python內建的function喔。當你call它的時候 （不給任何的argument），你會得到的是數字的0。
再看一個例子吧。list 本身也是一個內建的funciton，如果你單純去call它的話，會得到的是一個空的list：
回到defaultdict，當指定的Key不存在的時候，defaultdict就會去call你給它的function，並將回傳的資料作為預設值。
所以其實我們也像這樣可以給它一個自製的function喔：
這樣應該比較容易理解了吧 😃。
這裡我們來看一個例子。假設我們有一組資料關於每個學生的所屬班級：
class_data = [
("CLASS_A", "Bob"),
("CLASS_B", "John"),
("CLASS_B", "Alex"),
("CLASS_A", "Ken"),
("CLASS_A", "Kevin"),
("CLASS_C", "Mary"),
]我想要將這筆資料轉換成像👇這樣，可以用班級找到該班的學生：
{"CLASS_A": ["Bob", "Ken", "Kevin"], "CLASS_B":... }可以怎麼做呢？...我們就用defaultdict來試試看吧：
是不是超簡潔！
利用defaultdict，我們節省了兩個步驟喔：
1. 確認Key是否存在 （為了防止KeyError）
2. 建立一個空的list給新的Key （為了能做append這個動作）
善用defaultdict會讓我們的Code更加的簡潔，而且因為不用自己去寫這些邏輯（Reinventing the wheel）讓我們盡量避開討厭的蟲蟲危機（bugs）喔～🐞
namedtuple
Python的tuple和list一樣，都是透過index來擷取裡面的元素。
如果你今天有一個tuple長這樣：
row = ("John", 30, "A")假設你已經事先知道第一個element代表名字，第二個代表年紀，第三個代表血型，如果今天你想要拿到血型，你可以用index 的數字 2 來抓到它（index 從0開始）。
row[2]但是說實在話，這樣子用index來表示你要的元素，對於讀code的人來說其實是蠻不友善的。row[2]代表的是什麼，只有寫的人才知道（或是自己都忘記了也有可能）。
因此，理想上來說，如果code本身能夠用具意義的名字來標示這些元素，就能夠讓Code更容易懂。
namedtuple這個功能可以幫你做出，顧名思義，帶有名字的tuple。
使用方法如下：
namedtuple的第一個argument是你給它的一個type的名字，在例子中我們就叫它 "Person"。這個相當於我們做一個叫做Person的class。
第二個argument是你想要它具備的fields。我們可以給他一個list，裡面含有我們要的fields的名字。在例子中我們指定了名字，年齡，跟血型（ ["name", "age", "blood_type"]）。這個相當於class中的attributes。
基本上namedtuple的功能就像是幫你快速的做出一個迷你class😉。利用它生成出來的物件，上述的例子你可以用像p.age來拿到你要的年紀的數據。但是同時它還是保留tuple的特性：可以讓你用index去擷取數據。而且你不可以去改它的內容（immutable)。
承接上面的例子，譬如說，你有一個csv的文件長的像這樣：
John, 30, A
Ken, 28, A
Bob, 35, B
Alex, 40, A你可以利用namedtuple來針對每一個field命名：
如第十行所示，我們可以避免用index（像是row[0]），取而代之用名字（user.name）來代表你要的內容。
上面的User._make可以接受像是list, tuple或是dictionary等資料類型來生成物件。
如果覺得用_make好像不夠正規的話，也可以用像：
user = User(*row)的方式來生成物件喔。
小結
今天一次介紹了三個Python的collections模組的實用工具：
Counter
defaultdict
namedtuple
當然collections這個模組還有其他的資料結構工具，有興趣可參考官方網頁。
雖然有些概念或用法可能剛開始沒那麼直覺，也需要一些練習來理解，但是善用這些小工具可以幫助我們寫出更好讀，好維持的Code喔 👍🏻～
Comments