四种高性能数据类型，Python collections助你优化代码、简洁任务

发布时间：2019-11-05 07:05:25 所属栏目：移动来源：机器之心编译

导读：副标题#e# 在这篇文章中，机器学习工程师 George Seif 介绍了 Python collections 模块非常受欢迎的四种数据类型以及它们各自的使用方法。这些数据类型可以对代码进行优化，进而实现更简洁的任务执行。 Python 的最大优势之一就是它有各种各样的模块和软件

namedtuple() 可以返回一个 tuple，该 tuple 中的每个位置都有固定名称，而且 namedtuple 对象也有通用名称。要使用 namedtuple，需要先为其创建一个模板。下面的代码创建了一个名为「Person」的 namedtuple 模板，其属性为「name」、「age」和「job」。

from collections import namedtuple 
 
Person = namedtuple('Person', 'name age job') 
 
Once the template is created, you can use it to create namedtuple objects. Let’s create 2 namedtuple’s for 2 Persons and print out their representation. 
 
Person = namedtuple('Person', 'name age job') 
 
Mike = Person(name='Mike', age=30, job='Data Scientist') 
 
Kate = Person(name="Kate", age=28, job='Project Manager') 
 
print(Mike) 
 
print(Kate)

上述代码很容易理解，我们为 namedtuple 初始化了一个「Person」模板，并初始化了其所有的属性。上述代码最后的打印结果是：

Person(name='Mike', age=30, job='Data Scientist') 
 
Person(name='Kate', age=28, job='Project Manager')

因此，namedtuple 让 tuple 的使用更简单、更可读且更有组织性。

如果要了解更多关于 namedtuple 的功能，可以查看官方文档。

【编辑推荐】

想看女神喜不喜欢你，用AI机器扫扫脸就知道
Github标星10.4K！Chrome好用的插件都在这里了
管理 | 技术Leader：选OKR还是KPI？
我花10个小时，写出了小白也能看懂的阿里数据中台分析
81页计算机视觉学习指南，助你从萌新长成老司机

【责任编辑：张燕妮 TEL：（010）68476606】
点赞 0

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!

4/4

首页