Collections Module
31 Jul 2020 | Python
아래 내용은 파이썬 자료구조와 알고리즘 , 파이썬 공식문서 을 참조하여 작성하였습니다.
collections
collections 은 리스트(list), 튜플(tuple), 딕셔너리(dictionary) 등에 대한 확장 데이터 구조를 제공하는 파이썬 내장 모듈이다. collections 내에는
Counter
Counter (카운터)는 해시 가능한 객체를 카운팅하는 데에 특화된 서브클래스이다. 시퀀스 내에 있는 요소의 개수를 딕셔너리 형태로 반환한다.
from collections import Counter
seq1 = [1, 2, 3, 2, 1, 1, 2, 2, 4, 3]
Counter(seq1)
>>> Counter({1: 3, 2: 4, 3: 2, 4: 1})
Counter 내에도 다양한 메서드가 존재한다. 그 중 하나는 .most_common() 이다. 이 메서드는 자연수 값 N을 인자로 받는다. 이 메서드는 큰 value를 가지는 요소와 그 개수를 상위 N개 만큼 출력한다. 이를 활용하면 어떤 요소가 해당 자료형 내에 많은 지를 알 수 있다. 해당 문자열 혹은 시퀀스에 들어있는 요소의 종류 수와 같거나 그보다 클 경우에는 모든 요소에 대해 출력한다.
from collections import Counter
print(Counter('bibbidibobbidiboo').most_common(3))
print(Counter('bibbidibobbidiboo').most_common(7))
>>> [('b', 7), ('i', 5), ('o', 3)]
[('b', 7), ('i', 5), ('o', 3), ('d', 2)]
.subtract() 는 해당 요소 개수의 차이를 구할 때 사용되는 메서드이다. 아래의 코드를 보며 이해해보자.
from collections import Counter
counter_bibbidi = Counter('bibbidibobbidiboo')
counter_banana = Counter('bananaboat')
print(counter_bibbidi)
print(counter_banana)
counter_bibbidi.subtract(counter_banana)
print(counter_bibbidi)
>>> Counter({'b': 7, 'i': 5, 'o': 3, 'd': 2})
Counter({'a': 4, 'b': 2, 'n': 2, 'o': 1, 't': 1})
Counter({'b': 5, 'i': 5, 'd': 2, 'o': 2, 't': -1, 'n': -2, 'a': -4})
'bibbidibobbidiboo' 에 포함된 요소의 개수를 카운터를 통해 나타내면 Counter({'b': 7, 'i': 5, 'o': 3, 'd': 2}) 이다. 'bananaboat' 에 포함된 요소의 개수를 카운터를 통해 나타내면 Counter({'a': 4, 'b': 2, 'n': 2, 'o': 1, 't': 1}) 이다. .subtract() 메서드는 한 카운터에서 다른 카운터를 빼는 연산을 수행한다. 전자에서 후자를 빼준 후 다시 원래의 카운터를 출력하면 연산이 수행된 이후의 결과가 나오는 것을 볼 수 있다.
deque
deque (데크)는 ‘Double Ended QUEue’ 의 줄임말로서 양쪽 끝에서 모두 큐(Queue)의 역할을 수행할 수 있는 자료구조이다. 일반적인 큐는 LIFO(Last In First Out) 이지만 deque는 말 그대로 양쪽 끝에서 추가와 삭제를 모두 수행할 수 있다. 파이썬이 기본적으로 제공하는 리스트는 리스트의 끝에서만 추가 .append() 와 삭제 .pop() 및 확장 extend() 을 할 수 있다. 하지만 deque에서는 .appendleft() 와 .popleft() , extendleft() 를 통해서 왼쪽에서도 작업을 수행할 수 있다.
from collections import deque
deq = deque(['c', 'd', 'e'])
deq.append('f')
deq.appendleft('b')
print(deq)
deq.pop()
print(deq)
deq.popleft()
print(deq)
>>> deque(['b', 'c', 'd', 'e', 'f'])
deque(['b', 'c', 'd', 'e'])
deque(['c', 'd', 'e'])
위 코드에서 .appendleft() 혹은 .popleft() 를 통해 왼쪽에서도 추가, 삭제 등의 작업을 수행하는 것을 볼 수 있다.
deque에서는 앞/뒤로 추가, 삭제가 자유롭기 때문에 요소를 순환시킬 수 있는 메서드인 .rotate() 도 제공하고 있다.
from collections import deque
deq = deque(['a', 'b', 'c', 'd', 'e'])
deq.rotate(3)
print(deq)
>>> deque(['c', 'd', 'e', 'a', 'b'])
리스트에서 사용되었던 메서드인 .remove() , reverse() , index() , insert() 등은 그대로 사용할 수 있다.
defaultdict
defaultdict 는 일반 딕셔너리와 달리 지정되지 않은 키의 값(value)을 자동으로 할당한다. 자동으로 할당되는 값의 자료형은 defaultdict를 선언하면서 지정해줄 수 있다. 아래의 코드를 보고 defaultdict가 동작하는 방식을 알 수 있다.
from collections import defaultdict
dDict_int = defaultdict(int)
print(dDict_int['key1'])
dDict_int['key2'] = 'value2'
print(dDict_int)
>>> 0
defaultdict(<class 'int'>, {'key1': 0, 'key2': 'value2'})
defaultdict를 선언하면서 기본 자료형을 int 로 설정해주면 값을 지정해주지 않은 키에 대해 기본 값인 0을 알아서 할당하는 것을 볼 수 있다. int 가 아닌 다른 자료형을 사용할 수도 있다. 아래는 기본 자료형을 list 로 했을 때의 코드이다.
from collections import defaultdict
dataset = {(1,'a'), (2,'b'), (3,'c'), (2,'d'), (1,'e'), (3,'f')}
dDict_list = defaultdict(list)
for key, value in dataset:
dDict_list[key].append(value)
print(dDict_list)
>>> defaultdict(<class 'list'>, {3: ['c', 'f'], 2: ['d', 'b'], 1: ['a', 'e']})
미리 각 키 1, 2, 3 에 해당하는 기본 값 [] 이 있으므로 .append() 만을 통해서 값(value)을 변경할 수 있다.
namedtuple
namedtuple 은 일반 튜플과 성능이 비슷하지만 튜플 항목(field)에 대해 이름이 지어져 있어서 인덱스가 아닌 이름으로도 접근할 수 있는 시퀀스 데이터 타입이다.
from collections import namedtuple
Student = namedtuple('Student', 'name score grade')
student1 = Student('Jackson', 91, 'A')
print(student1[1])
print(student1.score)
print(student1.grade)
>>> 91
91
'A'
일반적으로 튜플은 값을 변경할 수 없는 불변 자료형이다. 하지만 namedtuple 의 경우에는 ._replace 메서드를 활용하여 특정한 이름의 값을 변경하여 새로운 변수에 저장하거나 기존 변수에 저장하여 덮어씌울 수 있다.
from collections import namedtuple
Student = namedtuple('Student', 'name score grade')
student1 = Student('Jackson', 91, 'A')
student2 = student1._replace(score=95, grade='A+')
print(student2)
print(student2.grade)
>>> Student(name='Jackson', score=95, grade='A+')
'A+'
OrderedDict
Orderdict (정렬 딕셔너리)는 요소가 입력되는 순서를 기억하는 딕셔너리이다.
from collections import OrderedDict
dataset = {(1,'a'), (2,'b'), (3,'c')}
ODict1 = OrderedDict(dataset)
for key in ODict:
print(key, ODict[key])
>>> 1 'a'
3 'c'
2 'b'
키가 입력된 순서를 기억하여 추후에 값이 바뀌더라도 순서가 바뀌지 않는 것을 아래 코드에서 볼 수 있다.
ODict[1] = 'f'
print(ODict)
>>> OrderedDict([(1, 'f'), (3, 'c'), (2, 'b')])
파이썬 3.7 이후부터는 표준 딕셔너리도 입력된 순서를 보장한다. 그래서 해당 버전 이상의 파이썬을 사용하고 있다면 굳이 OrderedDict를 사용하지 않아도 된다.
dict1 = {1:'a', 2:'b', 3:'c'}
dict1[1] = 'f'
print(dict1)
>>> {1: 'f', 2: 'b', 3: 'c'}
아래 내용은 파이썬 자료구조와 알고리즘 , 파이썬 공식문서 을 참조하여 작성하였습니다.
collections
collections 은 리스트(list), 튜플(tuple), 딕셔너리(dictionary) 등에 대한 확장 데이터 구조를 제공하는 파이썬 내장 모듈이다. collections 내에는
Counter
Counter (카운터)는 해시 가능한 객체를 카운팅하는 데에 특화된 서브클래스이다. 시퀀스 내에 있는 요소의 개수를 딕셔너리 형태로 반환한다.
from collections import Counter
seq1 = [1, 2, 3, 2, 1, 1, 2, 2, 4, 3]
Counter(seq1)
>>> Counter({1: 3, 2: 4, 3: 2, 4: 1})
Counter 내에도 다양한 메서드가 존재한다. 그 중 하나는 .most_common() 이다. 이 메서드는 자연수 값 N을 인자로 받는다. 이 메서드는 큰 value를 가지는 요소와 그 개수를 상위 N개 만큼 출력한다. 이를 활용하면 어떤 요소가 해당 자료형 내에 많은 지를 알 수 있다. 해당 문자열 혹은 시퀀스에 들어있는 요소의 종류 수와 같거나 그보다 클 경우에는 모든 요소에 대해 출력한다.
from collections import Counter
print(Counter('bibbidibobbidiboo').most_common(3))
print(Counter('bibbidibobbidiboo').most_common(7))
>>> [('b', 7), ('i', 5), ('o', 3)]
[('b', 7), ('i', 5), ('o', 3), ('d', 2)]
.subtract() 는 해당 요소 개수의 차이를 구할 때 사용되는 메서드이다. 아래의 코드를 보며 이해해보자.
from collections import Counter
counter_bibbidi = Counter('bibbidibobbidiboo')
counter_banana = Counter('bananaboat')
print(counter_bibbidi)
print(counter_banana)
counter_bibbidi.subtract(counter_banana)
print(counter_bibbidi)
>>> Counter({'b': 7, 'i': 5, 'o': 3, 'd': 2})
Counter({'a': 4, 'b': 2, 'n': 2, 'o': 1, 't': 1})
Counter({'b': 5, 'i': 5, 'd': 2, 'o': 2, 't': -1, 'n': -2, 'a': -4})
'bibbidibobbidiboo' 에 포함된 요소의 개수를 카운터를 통해 나타내면 Counter({'b': 7, 'i': 5, 'o': 3, 'd': 2}) 이다. 'bananaboat' 에 포함된 요소의 개수를 카운터를 통해 나타내면 Counter({'a': 4, 'b': 2, 'n': 2, 'o': 1, 't': 1}) 이다. .subtract() 메서드는 한 카운터에서 다른 카운터를 빼는 연산을 수행한다. 전자에서 후자를 빼준 후 다시 원래의 카운터를 출력하면 연산이 수행된 이후의 결과가 나오는 것을 볼 수 있다.
deque
deque (데크)는 ‘Double Ended QUEue’ 의 줄임말로서 양쪽 끝에서 모두 큐(Queue)의 역할을 수행할 수 있는 자료구조이다. 일반적인 큐는 LIFO(Last In First Out) 이지만 deque는 말 그대로 양쪽 끝에서 추가와 삭제를 모두 수행할 수 있다. 파이썬이 기본적으로 제공하는 리스트는 리스트의 끝에서만 추가 .append() 와 삭제 .pop() 및 확장 extend() 을 할 수 있다. 하지만 deque에서는 .appendleft() 와 .popleft() , extendleft() 를 통해서 왼쪽에서도 작업을 수행할 수 있다.
from collections import deque
deq = deque(['c', 'd', 'e'])
deq.append('f')
deq.appendleft('b')
print(deq)
deq.pop()
print(deq)
deq.popleft()
print(deq)
>>> deque(['b', 'c', 'd', 'e', 'f'])
deque(['b', 'c', 'd', 'e'])
deque(['c', 'd', 'e'])
위 코드에서 .appendleft() 혹은 .popleft() 를 통해 왼쪽에서도 추가, 삭제 등의 작업을 수행하는 것을 볼 수 있다.
deque에서는 앞/뒤로 추가, 삭제가 자유롭기 때문에 요소를 순환시킬 수 있는 메서드인 .rotate() 도 제공하고 있다.
from collections import deque
deq = deque(['a', 'b', 'c', 'd', 'e'])
deq.rotate(3)
print(deq)
>>> deque(['c', 'd', 'e', 'a', 'b'])
리스트에서 사용되었던 메서드인 .remove() , reverse() , index() , insert() 등은 그대로 사용할 수 있다.
defaultdict
defaultdict 는 일반 딕셔너리와 달리 지정되지 않은 키의 값(value)을 자동으로 할당한다. 자동으로 할당되는 값의 자료형은 defaultdict를 선언하면서 지정해줄 수 있다. 아래의 코드를 보고 defaultdict가 동작하는 방식을 알 수 있다.
from collections import defaultdict
dDict_int = defaultdict(int)
print(dDict_int['key1'])
dDict_int['key2'] = 'value2'
print(dDict_int)
>>> 0
defaultdict(<class 'int'>, {'key1': 0, 'key2': 'value2'})
defaultdict를 선언하면서 기본 자료형을 int 로 설정해주면 값을 지정해주지 않은 키에 대해 기본 값인 0을 알아서 할당하는 것을 볼 수 있다. int 가 아닌 다른 자료형을 사용할 수도 있다. 아래는 기본 자료형을 list 로 했을 때의 코드이다.
from collections import defaultdict
dataset = {(1,'a'), (2,'b'), (3,'c'), (2,'d'), (1,'e'), (3,'f')}
dDict_list = defaultdict(list)
for key, value in dataset:
dDict_list[key].append(value)
print(dDict_list)
>>> defaultdict(<class 'list'>, {3: ['c', 'f'], 2: ['d', 'b'], 1: ['a', 'e']})
미리 각 키 1, 2, 3 에 해당하는 기본 값 [] 이 있으므로 .append() 만을 통해서 값(value)을 변경할 수 있다.
namedtuple
namedtuple 은 일반 튜플과 성능이 비슷하지만 튜플 항목(field)에 대해 이름이 지어져 있어서 인덱스가 아닌 이름으로도 접근할 수 있는 시퀀스 데이터 타입이다.
from collections import namedtuple
Student = namedtuple('Student', 'name score grade')
student1 = Student('Jackson', 91, 'A')
print(student1[1])
print(student1.score)
print(student1.grade)
>>> 91
91
'A'
일반적으로 튜플은 값을 변경할 수 없는 불변 자료형이다. 하지만 namedtuple 의 경우에는 ._replace 메서드를 활용하여 특정한 이름의 값을 변경하여 새로운 변수에 저장하거나 기존 변수에 저장하여 덮어씌울 수 있다.
from collections import namedtuple
Student = namedtuple('Student', 'name score grade')
student1 = Student('Jackson', 91, 'A')
student2 = student1._replace(score=95, grade='A+')
print(student2)
print(student2.grade)
>>> Student(name='Jackson', score=95, grade='A+')
'A+'
OrderedDict
Orderdict (정렬 딕셔너리)는 요소가 입력되는 순서를 기억하는 딕셔너리이다.
from collections import OrderedDict
dataset = {(1,'a'), (2,'b'), (3,'c')}
ODict1 = OrderedDict(dataset)
for key in ODict:
print(key, ODict[key])
>>> 1 'a'
3 'c'
2 'b'
키가 입력된 순서를 기억하여 추후에 값이 바뀌더라도 순서가 바뀌지 않는 것을 아래 코드에서 볼 수 있다.
ODict[1] = 'f'
print(ODict)
>>> OrderedDict([(1, 'f'), (3, 'c'), (2, 'b')])
파이썬 3.7 이후부터는 표준 딕셔너리도 입력된 순서를 보장한다. 그래서 해당 버전 이상의 파이썬을 사용하고 있다면 굳이 OrderedDict를 사용하지 않아도 된다.
dict1 = {1:'a', 2:'b', 3:'c'}
dict1[1] = 'f'
print(dict1)
>>> {1: 'f', 2: 'b', 3: 'c'}
Comments