Welche nützlichen Typen bietet das `collections`-Modul?

Question

Accepted Answer

Das **`collections`**-Modul bietet spezialisierte Container-Typen, die die eingebauten list/dict/tuple mit praktischen und oft effizienteren Alternativen für häufige Muster erweitern. Wenn man sie kennt, kann man sauberen und schnelleren Code schreiben.

## defaultdict — Dicts mit automatischen Standardwerten

```python
from collections import defaultdict

# ❌ without it — must check/initialize keys manually
groups = {}
for item in items:
    if item.category not in groups:
        groups[item.category] = []
    groups[item.category].append(item)

# ✅ defaultdict auto-creates the default for missing keys
groups = defaultdict(list)        # missing key → a new empty list
for item in items:
    groups[item.category].append(item)   # no existence check needed
```

`defaultdict(list)` (oder `int`, `set`, etc.) liefert einen Standardwert für jeden fehlenden Schlüssel — und eliminiert das lästige Überprüfungs- und Initialisierungsmuster. Ideal zum Gruppieren und Zählen.

## Counter — Vorkommen zählen

```python
from collections import Counter

c = Counter("mississippi")         # Counter({'i': 4, 's': 4, 'p': 2, 'm': 1})
c.most_common(2)                    # [('i', 4), ('s', 4)] — top 2
c["x"]                              # 0 — missing keys return 0, no error

Counter(["a", "b", "a", "c", "a"])  # count list items → {'a': 3, 'b': 1, 'c': 1}
```

`Counter` macht das Zählen von Häufigkeiten trivial — Wörter, Stimmen, Vorkommen zählen — mit praktischen Methoden wie `most_common`.

## deque — schnelle Operationen an BEIDEN Enden

```python
from collections import deque

q = deque([1, 2, 3])
q.append(4)          # add to the right
q.appendleft(0)      # add to the LEFT — O(1) (a list's insert(0) is O(n)!)
q.popleft()          # remove from the left — O(1)
q = deque(maxlen=3)  # bounded — auto-drops old items (sliding window)
```

`deque` ist eine Double-Ended Queue mit O(1)-Operationen an beiden Enden — ideal für Warteschlangen, Stacks und gleitende Fenster (eine gewöhnliche Liste hat O(n) für Operationen am Anfang).

## namedtuple — leichte, benannte Records

```python
from collections import namedtuple

Point = namedtuple("Point", ["x", "y"])
p = Point(3, 4)
p.x, p.y          # 3, 4 — access by NAME (clearer than p[0], p[1])
p                 # Point(x=3, y=4) — readable
```

`namedtuple` gibt Tupeln benannte Felder — lesbarer als Indexzugriff, unveränderlich, speichereffizient. (Moderner Code verwendet oft stattdessen `@dataclass` für veränderbare Records.)

## OrderedDict / ChainMap (heute weniger gebräuchlich)

```text
OrderedDict → ordered dict (less needed since regular dicts keep order in 3.7+)
ChainMap    → search multiple dicts as one (e.g. layered config/defaults)
```

## Warum es wichtig ist

Das `collections`-Modul bietet das richtige Werkzeug für häufige Muster und führt zu sauberem und oft effizienteren Code. `defaultdict` und `Counter` vereinfachen Gruppierungen und Zählung dramatisch (ersetzen verbose manuelle Logik); `deque` ermöglicht O(1)-Double-Ended-Operationen, wo eine Liste langsam wäre; `namedtuple` macht lesbare, leichte Records möglich.

Zu diesen Typen zu greifen, anstatt die gleichen Muster mit einfachen dicts/lists selbst zu implementieren, ist ein Zeichen für idiomatischen und performanten Python-Code — sie werden in echtem Code häufig für Datenverarbeitung, Algorithmen und saubere APIs verwendet.