Jakie przydatne typy udostępnia moduł collections?

Question

IT Interview Practice · Accepted Answer

Moduł **`collections`** udostępnia wyspecjalizowane typy kontenerów, które rozszerzają wbudowane list/dict/tuple o wygodne, często bardziej wydajne alternatywy dla popularnych wzorców. Ich znajomość pozwala pisać czystszy i szybszy kod.

## defaultdict — słowniki z automatycznymi wartościami domyślnymi

```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)` (lub `int`, `set`, itp.) dostarcza wartość domyślną dla każdego brakującego klucza — eliminując żmudny wzorzec sprawdzania i inicjalizacji. Doskonały do grupowania i liczenia.

## Counter — liczenie występowań

```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` czyni zliczanie częstotliwości banalne — liczenie słów, głosów, występowań — z przydatnymi metodami takimi jak `most_common`.

## deque — szybkie operacje dodawania/usuwania z OBU końców

```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` to dwustronnie otwarty stos z O(1) operacjami dodawania/usuwania na obu końcach — idealny dla kolejek, stosów i przesuwanych okienek (zwykła lista to O(n) dla operacji na przodzie).

## namedtuple — lekkie rekordy z nazwanymi polami

```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` nadaje krotkom nazwane pola — bardziej czytelne niż dostęp przez indeks, niemutowalne, oszczędne pamięciowo. (Nowoczesny kod często zamiast tego stosuje `@dataclass` dla zmiennych rekordów.)

## OrderedDict / ChainMap (mniej popularne teraz)

```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)
```

## Dlaczego to ważne

Moduł `collections` dostarcza odpowiednie narzędzie dla popularnych wzorców, co prowadzi do czystszego i często bardziej wydajnego kodu. `defaultdict` i `Counter` dramatycznie upraszczają grupowanie i liczenie (zastępując gadatliwą logikę ręczną); `deque` daje O(1) operacje na obu końcach tam, gdzie lista byłaby wolna; `namedtuple` czyni czytelne, lekkie rekordy.

Sięganie po te narzędzia zamiast samodzielnego wdrażania tych samych wzorców zwykłymi dict/list jest cechą idiomatycznego, wydajnego Pythona — są szeroko stosowane w prawdziwym kodzie do przetwarzania danych, algorytmów i czystych API.

defaultdict — słowniki z automatycznymi wartościami domyślnymi

Counter — liczenie występowań

deque — szybkie operacje dodawania/usuwania z OBU końców

namedtuple — lekkie rekordy z nazwanymi polami

OrderedDict / ChainMap (mniej popularne teraz)

Dlaczego to ważne

Powiązane pytania