|
Словарь defaultdict модуля collectionsКурс по стандартной библиотеке: https://stepik.org/a/259466?utm_source=proproprogs На этом занятии мы с вами рассмотрим словарь defaultdict из модуля collections. Как можно догадаться, defaultdict – это некоторая модификация уже существующего словаря dict языка Python. Сам класс defaultdict формируется на основе базового класса dict и поддерживает все стандартные методы и операции обычных словарей. Но зачем потребовалось определять еще один словарь? Дело в том, что если создать любой стандартный словарь, например, с одним ключом: d = {'x': 0} то мы можем извлечь из него значение 0 по ключу ‘x’: d['x'] # 0 Но, указав другой не существующий ключ, получим ошибку: d['y'] # KeyError Это очевидное поведение словарей, но не всегда желательное. В ряде задач, при обращении к несуществующим ключам, было бы лучше назначать некоторое значение по умолчанию. Как раз этот момент автоматизирует словарь defaultdict. Он позволяет автоматически создавать значение ключа при первом обращении к нему, если этот ключ ранее отсутствовал в словаре. Давайте посмотрим, как это происходит. Первым делом нужно создать объект словаря defaultdict. В самом простом варианте это можно сделать следующим образом: df = defaultdict(int) Что здесь означает int? В действительности первым аргументом следует передавать функцию (или любой вызываемый (callback) объект), которая формирует начальное значение несуществующего ключа, при первом обращении к нему. Функция int, как раз может быть вызвана без каких-либо аргументов: int() # 0 В этом случае возвращается 0 и этот 0 устанавливается начальным значением создаваемых ключей в словаре df. Сейчас словарь df пустой: df # defaultdict(<class 'int'>, {})Но, если обратиться к какому-либо ключу, например: df['x'] # 0 то он будет автоматически создан и инициализирован значением 0. Причем инициализация выполняется только в момент создания ключа. Если ключ ‘x’ изменить: df['x'] = 5 а потом снова обратиться к нему: df['x'] # 5 то будет возвращено значение 5, а не ноль. Или же, если сразу создать ключ и записать в него новое значение: df['y'] = 7 # defaultdict(<class 'int'>, {'x': 5, 'y': 7}) то это присвоенное значение в нем и будет храниться. Разумеется, значение у ключа словаря может быть любым, не только числовым, например, строковым: df['y'] = 'abc' # defaultdict(<class 'int'>, {'x': 5, 'y': 'abc'}) То есть, defaultdict имеет абсолютно тот же базовый функционал, что и обычные словари в Python. Но с defaultdict можно сделать больше, прибавить какое-либо числовое значение к начальному значению, например, так: df['count'] += 3 # defaultdict(<class 'int'>, {'x': 5, 'y': 7, 'count': 3}) В этом случае сначала будет создан ключ 'count' со значением 0, а затем к нему прибавляется число 3. Этот последний пример показывает красоту применения словарей defaultdict. С помощью такой логики, например, легко реализовывать алгоритмы подсчета повторяющихся элементов в коллекциях. В программе ниже в словаре df содержатся ключи в виде имен и значений в виде их повторений в списке lst: from collections import defaultdict lst = ['Alex', 'Sergey', 'Fedor', 'Masha', 'Sergey', 'Fedor', 'Sergey'] df = defaultdict(int) for x in lst: df[x] += 1 print(df) После выполнения программы в консоли увидим сформированный словарь: defaultdict(<class 'int'>, {'Alex': 1, 'Sergey': 3, 'Fedor': 2, 'Masha': 1}) Конечно, эту же задачу можно было бы решить множеством самых разных способов. Это лишь пример удобства применения словаря defaultdict по сравнению с обычным словарем dict. Способы создания словаря defaultdictВо всех предыдущих примерах мы с вами использовали простейшую фабричную функцию int для формирования начального значения создаваемых ключей. Конечно, вместо нее можно прописать любую другую, например, list: df = defaultdict(list) Тогда при добавлении нового ключа, он будет инициализироваться пустым списком: df['cities'] # [] Соответственно в этот список можно сразу добавлять новые значения, например: df['coords'].extend((1, 2, 3)) В результате получим словарь со следующим содержимым: defaultdict(<class 'list'>, {'cities': [], 'coords': [1, 2, 3]}) Класс defaultdict позволяет создавать словари с любым начальным набором ключей и значений. Например, так: d = defaultdict(bool, x=1, y=-5.2, descr='coords') Здесь именованные аргументы играют роль пар ключ-значение. В результате получаем следующий словарь: defaultdict(<class 'bool'>, {'x': 1, 'y': -5.2, 'descr': 'coords'}) А при обращении к любому несуществующему ключу: d['fl'] # False будет формироваться значение False – как результат работы функции bool(). Давайте рассмотрим еще один полезный пример использования словаря defaultdict. Предположим, нам дан следующий список посещений людьми разных городов России: cities = [('Alex', 'Moscow'), ('Sergey', 'Tula'), ('Masha', 'Vitebsk'), ('Sergey', 'Moscow'), ('Sergey', 'Tula'), ('Masha', 'Ufa'), ('Alex', 'Vitebsk'), ('Sergey', 'Moscow'), ('Alex', 'Moscow'), ] И ставится задача сгруппировать уникальные города по каждому путешественнику. То есть, нужно сформировать словарь с ключами имен путешественников, а значениями – набором уникальных посещенных городов. Сделать это можно следующим образом: persons = defaultdict(set) for k, v in cities: persons[k].add(v) print(persons) Здесь каждый новый ключ будет ассоциирован с множеством. Затем, в это множество добавляется очередное значение, если оно там отсутствует. Получаем наборы уникальных городов. Результирующий словарь будет иметь вид: defaultdict(<class 'set'>, {'Alex': {'Vitebsk', 'Moscow'}, 'Sergey': {'Tula', 'Moscow'}, 'Masha': {'Vitebsk', 'Ufa'}}) Видите, как удобно, легко и красиво можно решить поставленную задачу с помощью словаря defaultdict! Использование собственных фабричных функцийВо всех предыдущих примерах мы использовали встроенные функции для формирования начальных значений ключей. Однако никто не запрещает указывать свои собственные. Например, можно объявить какую-либо функцию: def df_init(): return 5 И указать ее первым аргументом при создании словаря: df = defaultdict(df_init) x = df['x'] print(df) # defaultdict(<function df_init at 0x00000235878804A0>, {'x': 5}) В результате ключ ‘x’ будет инициализирован значением 5. Конечно, когда функция очень простая, то лучше применять анонимные (лямбда) функции: df = defaultdict(lambda: 5) Результат будет тем же. Поэтому отдельное объявление функций имеет смысл только при реализации более сложной логики, например: def df_init(start=0): def counter(): nonlocal start start += 1 return start return counter Данная функция при своем вызове: f = df_init() возвращает вложенную функцию counter и переменная f ссылается уже на нее. При каждом вызове функции f() возвращаемое значение будет увеличиваться на единицу. Поэтому, создавая словарь defaultdict командой: df = defaultdict(df_init(2)) для каждого нового ключа значение будет постоянно увеличиваться: x = df['x'] y = df['y'] print(df) # defaultdict(<function df_init.<locals>.counter at ...>, {'x': 3, 'y': 4}) Таким образом, благодаря использованию словаря defaultdict упрощается работа с коллекциями данных, позволяя избегать лишних, рутинных проверок существования ключей, делая код лаконичнее и понятнее. Курс по стандартной библиотеке: https://stepik.org/a/259466?utm_source=proproprogs Видео по теме |
