جلسهی 40: جعبهابزار کتابخانهی استاندارد The Standard Library Toolbox
به جای اختراع دوبارهی چرخ از collections، itertools و functools استفاده میکنیم؛ ابزارهایی که کد حرفهای پایتون را کوتاه و سریع میکنند.
در این جلسه یاد میگیری
- با
Counter،defaultdict،namedtupleوdequeداده را شمارش، گروهبندی و ساختارمند کنم. - با
chain،groupby،combinations،permutationsوaccumulateالگوهای تکرار رایج را بدون حلقهی دستی بنویسم. - با
partial،lru_cacheوreduceتوابع را تخصصی، کش و تجمیع کنم.
درس
Counter یک دیکشنری شمارنده است: هر iterable را میگیرد و تعداد هر عنصر را نگه میدارد. متد most_common(n) پرتکرارها را مرتب برمیگرداند (در تساوی، ترتیب اولین دیدن حفظ میشود).
from collections import Counter
words = "to be or not to be".split()
print(Counter(words).most_common(2)) # [('to', 2), ('be', 2)]defaultdict برای کلید ناموجود خودکار مقدار پیشفرض میسازد، پس گروهبندی دیگر if key not in d نمیخواهد. namedtuple تاپلی با نام فیلد است: سبک، تغییرناپذیر و خوانا.
from collections import defaultdict, namedtuple
groups = defaultdict(list)
for word in ["apple", "avocado", "banana"]:
groups[word[0]].append(word)
Point = namedtuple("Point", ["x", "y"])
p = Point(3, 4)
print(p.x + p.y, p) # 7 Point(x=3, y=4)deque صف دوطرفه با append و popleft از مرتبهی O(1) است و با maxlen فقط آخرین n عنصر را نگه میدارد؛ برای پنجرهی لغزان (sliding window) و تاریخچه عالی است.
from collections import deque
recent = deque(maxlen=3)
for n in [1, 2, 3, 4]:
recent.append(n)
print(list(recent)) # [2, 3, 4]itertools ابزارهای تکرار تنبل دارد: chain چند iterable را پشت هم میگذارد، accumulate جمع تجمعی میدهد و combinations و permutations ترکیبها و جایگشتها را تولید میکنند.
from itertools import chain, accumulate, combinations
print(list(chain([1, 2], [3]))) # [1, 2, 3]
print(list(accumulate([5, 10, 20]))) # [5, 15, 35]
print(list(combinations("abc", 2))) # [('a','b'), ('a','c'), ('b','c')]groupby عناصر پشتسرهم با کلید یکسان را گروه میکند؛ پس اول باید داده را با همان کلید sort کنید. این بزرگترین دام این تابع است.
from itertools import groupby
rows = sorted(["bob:dev", "amy:ops", "eve:dev"], key=lambda r: r.split(":")[1])
for team, members in groupby(rows, key=lambda r: r.split(":")[1]):
print(team, len(list(members)))functools.partial تابع جدیدی با چند آرگومان ثابت میسازد، lru_cache نتیجهی فراخوانیها را کش میکند (cache_info آمار میدهد) و reduce یک دنباله را با یک تابع دوتایی به یک مقدار تبدیل میکند.
from functools import partial, lru_cache, reduce
square = partial(pow, exp=2)
print(square(9)) # 81
print(reduce(lambda a, b: a * b, [2, 3, 4])) # 24
@lru_cache(maxsize=None)
def fib(n):
return n if n < 2 else fib(n - 1) + fib(n - 2)مثالهای این جلسه
- مثال رشته در پایتون: words = "to be or not to be".split()
- مثال حلقه for در پایتون: for word in ["apple", "avocado", "banana"]:
- مثال حلقه for در پایتون: for n in [1, 2, 3, 4]:
- مثال print در پایتون: print(list(chain([1, 2], [3]))) # …
- مثال حلقه for در پایتون: for team, members in groupby(rows, key=lamb…
- مثال تابع در پایتون: def fib(n): — جعبهابزار کتابخانهی استاندارد
چالشها
- Most Common Word (آسان)
- Named Point (آسان)
- Running Totals (آسان)
- Group by First Letter (متوسط)
- Pair Programming Rotation (متوسط)
- Headcount per Team (متوسط)
- Partial Functions (متوسط)
- Cached Staircase (سخت)
- Fold with reduce (سخت)
- Moving Average Window (سخت)
- Merge Task Queues (متوسط)
- Unique Arrangements (سخت)