collections completo
El módulo collections existe porque seis patrones se repetían en todos los programas de Python: contar, agrupar con valor por defecto, usar una cola por los dos extremos, combinar ámbitos, mantener orden explícito y heredar de un diccionario. Cada uno tiene su clase, y cada una evita un dict mal escrito.
En una línea
Sección titulada «En una línea»Si estás a punto de escribir d[k] = d.get(k, ...), ya existe una clase que lo hace mejor.
Counter: contar sin bucle
Sección titulada «Counter: contar sin bucle»| Forma | Tiempo |
|---|---|
Counter(letras) |
42.1 ms |
for x: d[x] = d.get(x, 0) + 1 |
66.2 ms |
c.most_common(3) |
2.10 µs |
python mediciones/02-08-10-heap-registros-collections.py
Counter está escrito en C y recorre el iterable una vez, sin despachar Python por elemento. La diferencia del 57 % no es lo importante: lo importante es que most_common ordena por frecuencia sin que escribas el sorted(..., key=..., reverse=True) y sus empates.
from collections import Counter
c = Counter("abracadabra")c.most_common(2) # [('a', 5), ('b', 2)]c["z"] # 0 — no lanza KeyErrorc.update("aaa") # sumac - Counter("aa") # resta, descartando negativosLa resta de Counter descarta los recuentos que quedan en cero o negativos, lo que sirve para comparar bolsas de elementos (faltan = necesarios - disponibles).
defaultdict: el valor por defecto en el acceso
Sección titulada «defaultdict: el valor por defecto en el acceso»Ya medido en el capítulo 05: defaultdict(list) es un 26 % más rápido que setdefault y un 43 % más que get+set, porque la fábrica se llama sólo cuando la clave falta.
from collections import defaultdict
grupos = defaultdict(list)for fila in filas: grupos[fila.categoria].append(fila)Cuidado con un detalle: leer una clave inexistente la crea. grupos["nuevo"] devuelve [] y deja la clave dentro. Si sólo quieres consultar, in o get.
deque: cola por los dos extremos
Sección titulada «deque: cola por los dos extremos»El capítulo 01 lo midió: popleft cuesta 0,03 µs frente a 11,6 µs de list.pop(0). Además acepta un tamaño máximo que descarta por el extremo opuesto:
from collections import deque
ultimos = deque(maxlen=3)for x in range(5): ultimos.append(x) # deque([2, 3, 4])Ese maxlen es la forma más limpia de mantener una ventana deslizante o un historial acotado, sin comprobar longitudes a mano.
ChainMap: varios diccionarios como uno
Sección titulada «ChainMap: varios diccionarios como uno»from collections import ChainMap
config = ChainMap(argumentos, variables_entorno, por_defecto)config["puerto"] # busca en orden y devuelve el primero que existaEs el patrón de configuración por capas: argumentos de línea de comandos, luego entorno, luego valores por defecto. Las escrituras van siempre al primer mapa, que es lo que quieres para «sobrescribir en tiempo de ejecución».
OrderedDict: casi siempre sobra
Sección titulada «OrderedDict: casi siempre sobra»Desde Python 3.7 el dict normal conserva el orden de inserción, así que OrderedDict es redundante para casi todo. Sigue teniendo dos operaciones propias: move_to_end(k) y popitem(last=False). Si las necesitas, úsalo; si no, es un dict.
UserDict: heredar de un diccionario, bien
Sección titulada «UserDict: heredar de un diccionario, bien»Heredar de dict es una trampa conocida: los métodos en C no llaman a los que sobrescribes. UserDict envuelve un dict interno y sí pasa por tus métodos:
from collections import UserDict
class Config(UserDict): def __setitem__(self, clave, valor): print(f"cambiando {clave}") super().__setitem__(clave, valor)La regla: si vas a sobrescribir el comportamiento de un mapeo, hereda de UserDict o de collections.abc.MutableMapping, nunca de dict.
La trampa
Sección titulada «La trampa»Cuándo NO usar collections
Sección titulada «Cuándo NO usar collections»Counterpara contar dos o tres elementos. Undictnormal es más simple y el rendimiento da igual.dequecomo pila. Una lista conappend/popes más rápida para LIFO;dequeexiste para FIFO y para ambos extremos.ChainMappara dos diccionarios fijos.{**a, **b}es una línea y no crea una vista dinámica que confunde al leer.OrderedDict«porque es más ordenado». No lo es: desde 3.7 es el mismo orden, con más memoria.
Ejercicio
Sección titulada «Ejercicio»Un programa lee configuración de tres fuentes: un archivo JSON, variables de entorno y argumentos de línea de comandos, en ese orden de prioridad (los argumentos mandan). Escribe el código con ChainMap y explica qué pasa si el programa modifica un valor en tiempo de ejecución.
Solución
import osfrom collections import ChainMap
def cargar(argumentos: dict) -> ChainMap: archivo = leer_json("config.json") entorno = {k: v for k, v in os.environ.items() if k.startswith("APP_")} return ChainMap(argumentos, entorno, archivo)El orden importa: el primer mapa gana. config["puerto"] mira argumentos, luego entorno, luego archivo.
Si el programa hace config["puerto"] = 9000, el valor se escribe en el mapa de argumentos, aunque el original estuviera en el archivo. Eso es lo correcto: el cambio es una decisión de ejecución, no una modificación de la configuración persistida. El archivo queda intacto y el cambio se pierde al terminar.
Si lo que quieres es persistir, no uses ChainMap para escribir: calcula el valor efectivo, modifícalo en el diccionario de archivo y guárdalo explícitamente.
Referencias
Sección titulada «Referencias»- Ramalho, L. Fluent Python, 2ª ed. Capítulos 3 y 5.
- Lott, S. F. Modern Python Cookbook, 3ª ed. Capítulos 4 y 5.
- Mediciones:
mediciones/02-08-10-heap-registros-collections.py.
Capítulos relacionados
Sección titulada «Capítulos relacionados»- 05 ·
dictpor dentro: la base deCounter,defaultdictyChainMap. - 06 ·
sety tablas hash:Countercomo multiconjunto. - 11 · Elección por coste: el cierre de la parte, con todas las tablas juntas.