استفاده از Collections در پایتون: مبانی

پایتون به عنوان یک زبان برنامه‌نویسی قدرتمند و انعطاف‌پذیر، ابزارهای متعددی را برای مدیریت و سازماندهی داده‌ها در اختیار برنامه‌نویسان قرار می‌دهد. یکی از این ابزارها، ماژول collections است که انواع مختلفی از ساختارهای داده‌ای را ارائه می‌کند که فراتر از انواع داده‌های پایه‌ای مانند لیست‌ها و دیکشنری‌ها هستند. این مقاله به بررسی جامع ماژول collections و نحوه استفاده از آن در پایتون می‌پردازد. این آموزش در دسته بندی ‘مبانی پایتون’ قرار می‌گیرد و برای افراد مبتدی و متوسط مناسب است.

مقدمه‌ای بر ماژول Collections

ماژول collections مجموعه‌ای از کلاس‌های container را ارائه می‌دهد که به عنوان جایگزینی برای انواع داده‌های built-in پایتون عمل می‌کنند. این کلاس‌ها ویژگی‌ها و قابلیت‌های خاصی را ارائه می‌دهند که می‌توانند در موقعیت‌های مختلف بسیار مفید باشند. استفاده از collections می‌تواند کد شما را خواناتر، کارآمدتر و قابل نگهداری‌تر کند.

انواع داده‌ای موجود در ماژول Collections

ماژول collections شامل چندین کلاس مهم است که در ادامه به بررسی آن‌ها می‌پردازیم:

1. namedtuple

namedtuple به شما امکان می‌دهد تا tuple هایی با نام برای هر عنصر ایجاد کنید. این کار باعث می‌شود که کد شما خواناتر و قابل فهم‌تر شود، زیرا به جای استفاده از اندیس‌ها برای دسترسی به عناصر tuple، می‌توانید از نام‌های معنادار استفاده کنید.

from collections import namedtuple

# تعریف یک namedtuple به نام Point با فیلدهای x و y
Point = namedtuple('Point', ['x', 'y'])

# ایجاد یک نمونه از Point
p = Point(11, y=22)

# دسترسی به عناصر با استفاده از نام فیلد
print(p.x)  # خروجی: 11
print(p.y)  # خروجی: 22

# دسترسی به عناصر با استفاده از اندیس (مانند tuple معمولی)
print(p[0]) # خروجی: 11

2. deque

deque (double-ended queue) یک لیست دو سر است که امکان اضافه کردن و حذف کردن عناصر را از هر دو سر لیست (ابتدا و انتها) با کارایی بالا فراهم می‌کند. این ویژگی deque را برای پیاده‌سازی صف‌ها، پشته‌ها و سایر ساختارهای داده‌ای مناسب می‌کند.

from collections import deque

# ایجاد یک deque
d = deque(['a', 'b', 'c'])

# اضافه کردن عنصر به انتهای deque
d.append('d')
print(d) # خروجی: deque(['a', 'b', 'c', 'd'])

# اضافه کردن عنصر به ابتدای deque
d.appendleft('e')
print(d) # خروجی: deque(['e', 'a', 'b', 'c', 'd'])

# حذف عنصر از انتهای deque
d.pop()
print(d) # خروجی: deque(['e', 'a', 'b', 'c'])

# حذف عنصر از ابتدای deque
d.popleft()
print(d) # خروجی: deque(['a', 'b', 'c'])

3. Counter

Counter یک دیکشنری خاص است که برای شمارش تعداد دفعات وقوع هر عنصر در یک iterable (مانند لیست یا رشته) استفاده می‌شود. این کلاس بسیار مفید است برای تحلیل داده‌ها و یافتن فراوانی عناصر.

from collections import Counter

# شمارش تعداد دفعات وقوع حروف در یک رشته
text = "abracadabra"
letter_counts = Counter(text)
print(letter_counts) # خروجی: Counter({'a': 5, 'b': 2, 'r': 2, 'c': 1, 'd': 1})

# یافتن پرکاربردترین عناصر
print(letter_counts.most_common(3)) # خروجی: [('a', 5), ('b', 2), ('r', 2)]

4. OrderedDict

OrderedDict یک دیکشنری است که ترتیب درج عناصر را حفظ می‌کند. در پایتون 3.7 و بالاتر، دیکشنری‌های معمولی نیز ترتیب درج را حفظ می‌کنند، اما OrderedDict همچنان می‌تواند در برخی موارد مفید باشد، به ویژه اگر نیاز به سازگاری با نسخه‌های قدیمی‌تر پایتون دارید.

from collections import OrderedDict

# ایجاد یک OrderedDict
ordered_dict = OrderedDict()
ordered_dict['a'] = 1
ordered_dict['b'] = 2
ordered_dict['c'] = 3

# چاپ OrderedDict (ترتیب درج حفظ می‌شود)
print(ordered_dict) # خروجی: OrderedDict([('a', 1), ('b', 2), ('c', 3)])

5. defaultdict

defaultdict یک دیکشنری است که در صورت دسترسی به یک کلید وجود ندارد، به طور خودکار یک مقدار پیش‌فرض برای آن کلید ایجاد می‌کند. این کار باعث می‌شود که کد شما ساده‌تر و خواناتر شود، زیرا نیازی به بررسی وجود کلید قبل از دسترسی به آن ندارید.

from collections import defaultdict

# ایجاد یک defaultdict با مقدار پیش‌فرض int (0)
word_counts = defaultdict(int)

# شمارش تعداد دفعات وقوع کلمات در یک لیست
words = ['apple', 'banana', 'apple', 'orange', 'banana', 'apple']
for word in words:
    word_counts[word] += 1

# چاپ word_counts
print(word_counts) # خروجی: defaultdict(, {'apple': 3, 'banana': 2, 'orange': 1})

6. ChainMap

ChainMap مجموعه‌ای از دیکشنری‌ها را به صورت یک واحد در نظر می‌گیرد. هنگام جستجو در ChainMap، ابتدا در اولین دیکشنری جستجو می‌شود، سپس در دومین دیکشنری و به همین ترتیب. این کلاس برای مدیریت پیکربندی‌ها و تنظیمات مختلف بسیار مفید است.

from collections import ChainMap

# ایجاد دو دیکشنری
dict1 = {'a': 1, 'b': 2}
dict2 = {'b': 3, 'c': 4}

# ایجاد یک ChainMap
chain = ChainMap(dict1, dict2)

# جستجو در ChainMap
print(chain['a']) # خروجی: 1
print(chain['b']) # خروجی: 2 (مقدار از اولین دیکشنری برگردانده می‌شود)
print(chain['c']) # خروجی: 4

کاربردهای ماژول Collections

ماژول collections در طیف گسترده‌ای از کاربردها مفید است، از جمله:

• تحلیل داده‌ها و شمارش فراوانی عناصر
• پیاده‌سازی صف‌ها و پشته‌ها
• مدیریت پیکربندی‌ها و تنظیمات
• بهبود خوانایی و کارایی کد
• ساخت ساختارهای داده‌ای سفارشی

نتیجه‌گیری

ماژول collections یک ابزار قدرتمند در پایتون است که انواع مختلفی از ساختارهای داده‌ای را ارائه می‌دهد که می‌توانند در موقعیت‌های مختلف بسیار مفید باشند. با استفاده از collections، می‌توانید کد خود را خواناتر، کارآمدتر و قابل نگهداری‌تر کنید. این مقاله به بررسی جامع این ماژول و نحوه استفاده از آن در پایتون پرداخت. امیدواریم این آموزش برای شما مفید بوده باشد و بتوانید از این ابزار قدرتمند در پروژه‌های خود استفاده کنید.