Python Collections详解

Python Collections详解

collections模块在内置数据结构(list、tuple、dict、set)的基础上，提供了几个额外的数据结构：ChainMap、Counter、deque、defaultdict、namedtuple和OrderedDict等；

• ChainMap：Python3的新特性，将多个map组成一个新的单元(原来的map结构仍然存在，类似于这些map被存在了一个list中)，这比新建一个map再将其他的map用update加起来快得多，ChainMap可以用来模拟嵌套的情景，而且多用于模板之中；
• Counter：dict的子类，计算可hash对象的简单计算器；
• deque：类似于list的双端队列，可以同时在list的左边增删元素；
• defaultdict：在普通dict支上添加了默认工厂函数，使得键不存在时会自动生成相应类型的值；
• namedtuple：加强版的tuple，最大作用就是给tuple的每个位置的值设置了别名，增加程序可读性；
• OrderedDict：dict是无序的，但有时我们希望字典是有序的，OrderedDict提供了这项服务，OrderedDict中的键值对是按照它们加入时的顺序存储的；

ChainMap

from collections import ChainMap
# 新建ChainMap及其结构
m1 = {"color": "red", "user": "guest"}
m2 = {"name": "cat", "age": 22}
chain_map = ChainMap(m1, m2)
print(chain_map)            # ChainMap({'color': 'red', 'user': 'guest'}, {'name': 'cat', 'age': 22})
print(chain_map.items())    # ItemsView(ChainMap({'color': 'red', 'user': 'guest'}, {'name': 'cat', 'age': 22}))

# 获取ChainMap中的元素
print(chain_map.get("name"))    # cat
print(chain_map.get("age"))     # 22
print(chain_map.get("gender"))  # None

# 新增
m3 = {"date": "1-6", "gender": "female"}
chain_map = chain_map.new_child(m3)
print(chain_map.items())
# ItemsView(ChainMap({'date': '1-6', 'gender': 'female'}, {'color': 'red', 'user': 'guest'}, {'name': 'cat', 'age': 22}))

# parents属性
print(chain_map.parents)                    # ChainMap({'color': 'red', 'user': 'guest'}, {'name': 'cat', 'age': 22})
print(chain_map.parents.parents)            # ChainMap({'name': 'cat', 'age': 22})
print(chain_map.parents.parents.parents)    # ChainMap({})

# maps属性
print(chain_map.maps)       # [{'date': '1-6', 'gender': 'female'}, {'color': 'red', 'user': 'guest'}, {'name': 'cat', 'age': 22}]

• 可以传入都多个参数来初始化ChainMap，如果参数为空，会自动加一个空的map；
• 获取的key如果不存在，则返回None；
• 可以通过new_child()方法来新增map，新的map添加在最前面；
• parents属性返回除去第一个map后的ChainMap实例；

Counter

Counter可以支持方便、快速的计数，例如：

from collections import Counter

counter = Counter()
word_list = ["q", "a", "c", "b", "a", "q"]
for word in word_list:
    counter[word] += 1
print(counter)      # Counter({'q': 2, 'a': 2, 'c': 1, 'b': 1})
print(counter.get("a"))     # 2

对可迭代对象进行计数或者从另一个映射(counter)进行初始化：

>>> from collections import Counter
>>> counter = Counter()     # 创建空的counter
>>> counter
Counter()
>>> counter = Counter("intelligence")   # 从可迭代的字符初始化counter
>>> counter
Counter({'e': 3, 'n': 2, 'i': 2, 'l': 2, 'c': 1, 't': 1, 'g': 1})
>>> counter = Counter({"red": 255, "blu": 235})     # 从map映射初始化counter
>>> counter
Counter({'red': 255, 'blu': 235})
>>> counter = Counter(person=100, cats=22, dogs=33)     # 从kwargs参数初始化counter
>>> counter
Counter({'person': 100, 'dogs': 33, 'cats': 22})
>>> counter = Counter([2, 3, 5, 9, 2, 3, 9, 5, 4])      # 从列表书池化counter
>>> counter
Counter({9: 2, 2: 2, 3: 2, 5: 2, 4: 1})

Counter对象类似于字典，如果某个项缺失，会返回0，而不会出现KeyError异常；

>>> counter = Counter(["eggs", "harm"])
>>> counter
Counter({'eggs': 1, 'harm': 1})
>>> counter["hanm"]     # 没有"hanm"
0
>>> counter["eggs"]     # 有"eggs"
1
>>>

将一个元素的数目设置为0，并不能将它从counter中删除，使用del可以将这个元素删除：

>>> from collections import Counter
>>> counter = Counter({"eggs": 10, "harmer": 12})
>>> counter
Counter({'harmer': 12, 'eggs': 10})
>>> counter["eggs"] = 0
>>> counter
Counter({'harmer': 12, 'eggs': 0})      # "eggs"依然存在
>>> del counter["eggs"]
>>> counter
Counter({'harmer': 12})     # "eggs"不存在

Counter对象支持以下三个字典不支持的方法，elements()，most_common()，substract()；
elements()返回一个迭代器，每个元素重复的次数为它的数目，顺序是任意顺序，如果某个元素的数目少于1，那么elements()将会忽略它；

>>> counter = Counter(e=1, b=2, c=0, d=-2, a=3)
>>> counter
Counter({'a': 3, 'b': 2, 'e': 1, 'c': 0, 'd': -2})
>>> counter.elements()
<itertools.chain object at 0x7f7a6c7e40f0>
>>> list(counter.elements())
['a', 'a', 'a', 'b', 'b', 'e']

most_common()返回一个列表，包含counter中n个最大数目的元素，如果忽略n或者为None，most_common()将会返回counter中的所有元素，元素数目相同的将会以任意顺序排序；

>>> most_counter = Counter("ambulance").most_common(3)
>>> most_counter
[('a', 2), ('l', 1), ('e', 1)]
>>> most_counter = Counter("ambulance").most_common()
>>> most_counter
[('a', 2), ('l', 1), ('e', 1), ('c', 1), ('m', 1), ('u', 1), ('n', 1), ('b', 1)]
>>> most_counter = Counter("ambulance").most_common(None)
>>> most_counter
[('a', 2), ('l', 1), ('e', 1), ('c', 1), ('m', 1), ('u', 1), ('n', 1), ('b', 1)]

subtract()从一个可迭代对象中或者另一个映射(或counter)中所有元素相减，类似于dict.update()；但subtract()是数目，而不是替换它们，输入和输出都有可能为0或为负；

>>> a_counter = Counter(a=3, b=1, c=-2, d=6, e=0, f=-3)
>>> b_counter = Counter(a=-2, b=0, c=2)
>>> a_counter.subtract(b_counter)
>>> a_counter
Counter({'d': 6, 'a': 5, 'b': 1, 'e': 0, 'f': -3, 'c': -4})
>>> b_counter.subtract(a_counter)
>>> b_counter
Counter({'c': 6, 'f': 3, 'e': 0, 'b': -1, 'd': -6, 'a': -7})

update()从一个可迭代对象中或者另外一个映射(或counter)中所有元素相加，类似于dict.update；但update()是数目相加而非替换它们，另外可迭代对象是一个元素序列，而非(key，value)对构成的序列；

>>> a_counter
Counter({'d': 6, 'a': 5, 'b': 1, 'e': 0, 'f': -3, 'c': -4})
>>> d_counter
Counter({'c': 3, 'b': 2, 'a': 1, 'd': -6})
>>> a_counter.update(d_counter)
>>> a_counter
Counter({'a': 6, 'b': 3, 'e': 0, 'd': 0, 'c': -1, 'f': -3})
>>> d_counter.update(a_counter)
>>> d_counter
Counter({'a': 7, 'b': 5, 'c': 2, 'e': 0, 'f': -3, 'd': -6})

Counter对象常见的操作：

>>> c_counter
Counter({'d': 6, 'a': 3, 'c': 0, 'b': -4})
>>> sum(c_counter.values())     # 统计所有的数目
5
>>> list(c_counter)     # 列出所有唯一的元素
['c', 'd', 'b', 'a']
>>> set(c_counter)      # 转换为set
{'c', 'a', 'b', 'd'}
>>> dict(c_counter)     # 转换为常见的dict
{'c': 0, 'a': 3, 'b': -4, 'd': 6}
>>> c_counter.items()       # 转换为(element, counter)对构成的列表
dict_items([('c', 0), ('d', 6), ('b', -4), ('a', 3)])
>>> c_counter.most_common()     # Counter中的所有元素
[('d', 6), ('a', 3), ('c', 0), ('b', -4)]
>>> c_counter.most_common()[:-4:-1]     # 切片输出
[('b', -4), ('c', 0), ('a', 3)]
>>> c_counter += Counter()      # 删除数目为0和负数的元素
>>> c_counter
Counter({'d': 6, 'a': 3})
>>> Counter(dict(c_counter.items()))        # 从(element, counter)对构成的列表转换为Counter
Counter({'d': 6, 'a': 3})
>>> c_counter.clear()       # 清空Counter
>>> c_counter
Counter()

在Counter对象进行数学操作，得多集合(counter中元素数目大于0)加减法操作，是相加或相减对应元素的数目；交集和并集返回对应数目的最小值和最大值；每个操作均接受有符号的数目，但输出并不包含数目为0或为负的元素；

>>> c = Counter(a=3,b=1,c=-2)
>>> d = Counter(a=1,b=2,c=4)
>>> c+d#求和
Counter({'a': 4, 'b': 3, 'c': 2})
>>> c-d#求差
Counter({'a': 2})
>>> c & d#求交集
Counter({'a': 1, 'b': 1})
>>> c | d#求并集
Counter({'c': 4, 'a': 3, 'b': 2})

deque

deque是栈和队列的一种广义实现。deque是"double-end queue"的简称，deque支持线程安全、有效内存也以近似O(1)的性能在deque的两端插入和删除元素，尽管list也支持相似的操作，但它主要在固定长度操作上的优化，从而在pop(0)和insert(0, v)(会改变数据的位置和大小)上有O(n)的时间复杂度。
deque支持如下方法：

• append(element)：将元素添加到deque的右侧；
• appendleft(element)：将元素添加到deque的左侧；
• clear()：将deque中的元素全部删除，最后长度为0；
• count(element)：返回deque中元素等于element的个数；
• extend(iterable)：将可迭代变量iterable中的元素添加到deque的右侧；
• extendleft(iterable)：将可迭代变量iterable中的元素添加到deque的左侧，往左添加序列的顺序与可迭代变量iterable中的元素相反；
• pop()：移除和返回deque中最右边的元素，如果没有元素，将会产生IndexError异常；
• popleft()：移除和返回deque中最左侧的元素，如果没有元素，将会产生IndexError异常；
• remove(value)：移除第一次出现的value，如果没有找到，将会产生ValueError异常；
• reverse()：反转deque中的元素，并返回None；
• rotate(n)：从右侧反转n步，如果n为负数，则从左侧反转。d.rotate(1)等于d.appendleft(d.pop())；
• maxlen：只读的属性，deque的最大长度，如果无解，就返回None；

除了以上的方法之外，deque还支持迭代、序列化、len(d)、reversed(d)、copy.copy(d)、copy.deepcopy(d)，通过in操作符进行成员测试和下标引用，索引的时间复杂度在两端是O(1)，在中间是O(n)，为了快速获取，可以使用list代替；

>>> from collections import deque
>>> deq = deque("police")       # 创建deque
>>> for ele in deq:     # 遍历deque
...     print(ele.upper())
...
P
O
L
I
C
E
>>> deq.append("r")     # deque右侧添加元素
>>> deq.appendleft("s")     # deque左侧添加元素
>>> deq
deque(['s', 'p', 'o', 'l', 'i', 'c', 'e', 'r'])
>>> deq.pop()       # 返回和移除最右侧元素
'r'
>>> deq.popleft()       # 返回和移除最左侧元素
's'
>>> list(deq)       # 以列表形式展示deque的内容
['p', 'o', 'l', 'i', 'c', 'e']
>>> deq[0]      # 获取最左侧的元素
'p'
>>> deq[-1]     # 获取最右侧的元素
'e'
>>> list(reversed(deq))     # 以列表形式展示出倒序的deque的内容
['e', 'c', 'i', 'l', 'o', 'p']
>>> "l" in deq      # 成员判断
True
>>> deq.extend("terrorist")     # 添加多个元素
>>> deq
deque(['p', 'o', 'l', 'i', 'c', 'e', 't', 'e', 'r', 'r', 'o', 'r', 'i', 's', 't'])
>>> deq.rotate(1)       # 往右反转
>>> deq
deque(['t', 'p', 'o', 'l', 'i', 'c', 'e', 't', 'e', 'r', 'r', 'o', 'r', 'i', 's'])
>>> deq.rotate(-1)      # 往左反转
>>> deq
deque(['p', 'o', 'l', 'i', 'c', 'e', 't', 'e', 'r', 'r', 'o', 'r', 'i', 's', 't'])
>>> deque(reversed(deq))        # 以逆序新建一个deque
deque(['t', 's', 'i', 'r', 'o', 'r', 'r', 'e', 't', 'e', 'c', 'i', 'l', 'o', 'p'])
>>> deq.clear()     # 清空deque
>>> deq.pop()       # 不能在空的deque上pop
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: pop from an empty deque
>>> deq.extendleft("terrorist")     # 向左扩展
>>> deq
deque(['t', 's', 'i', 'r', 'o', 'r', 'r', 'e', 't'])

其他的应用：
1、限定长度的deque提供了Unix中tail命令相似的功能：

from collections import deque


def tail(filename, n=10):
    return deque(open(filename, encoding="utf-8"), n)


print(tail("collections.txt", 10))

2、使用deque维护一个列表(右侧添加元素，左侧删除元素)中窗口的平均值：

from collections import deque
import itertools


def moving_average(iterable, n=3):
    it = iter(iterable)
    # 第一次只有两个元素，在右移的过程中，需要先删除最左端的元素，因此先在最左端加入0
    deq = deque(itertools.islice(it, n-1))
    deq.appendleft(0)
    s = sum(deq)
    for ele in it:
        # 删除最左端的元素，再加上新元素
        s += ele - deq.popleft()
        # 右端添加新元素
        deq.append(ele)
        yield s / float(n)


array = [40, 30, 50, 46, 39, 44]
for element in moving_average(array, n=3):
    print(element)

3、rotate()方法提供了一种实现deque切片和删除的方式，例如：del deque[n]依赖于rotate方法的纯Python实现，如下：

from collections import deque


def delete_nth(deq, n):
    # 从左侧开始，将n个元素翻转到右侧
    deq.rotate(-n)
    # 删除第n个元素
    deq.popleft()
    # 从右侧开始，将n个元素翻转到左侧
    deq.rotate(n)


d = deque("terrorist")
delete_nth(d, n=3)
print(d)        # deque(['t', 'e', 'r', 'o', 'r', 'i', 's', 't'])

4、slice依赖于rotate方法的纯Python实现，如下：

from collections import deque


def slice_nth(deq, m, n):
    # 从左侧开始，将前m个元素翻转到右侧
    deq.rotate(-m)
    i = m
    slice_list = []
    # 依次将[m, n]区间的元素出栈
    while i < n:
        item = deq.popleft()
        slice_list.append(item)
        i += 1

    # 再将出栈的元素扩展到deque右侧
    deq.extend(slice_list)
    # 从右侧开始，将后n个元素翻转到左侧
    deq.rotate(n)
    return slice_list


d = deque("abcdefgh")
print(slice_nth(d, 1, 5))       # ['b', 'c', 'd', 'e']

defaultdict

defaultdict是内置数据结构dict的一个子类，基本功能与dict一样，只是重写了一个方法__missing__(key)和增加了一个可写的对象变量default_factory。

>>> dir(dict)
['__class__', '__contains__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']
>>> from collections import defaultdict
>>> dir(defaultdict)
['__class__', '__contains__', '__copy__', '__delattr__', '__delitem__', '__dir__', '__doc__', '__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__', '__gt__', '__hash__', '__init__', '__iter__', '__le__', '__len__', '__lt__', '__missing__', '__ne__', '__new__', '__reduce__', '__reduce_ex__', '__repr__', '__setattr__', '__setitem__', '__sizeof__', '__str__', '__subclasshook__', 'clear', 'copy', 'default_factory', 'fromkeys', 'get', 'items', 'keys', 'pop', 'popitem', 'setdefault', 'update', 'values']

missing(key):

• 1.如果default_factory属性为None，就报出以key作为遍历的KeyError异常；
• 2.如果default_factory不为None，就会向给定的key提供一个默认值，这个值插入到字典中，并返回；
• 3.如果default_factory报出异常，这个异常在传播时不会改变；
• 4.这个方法是当要求的key不存在时，dict类中的__getitem__()方法所调用，无论它返回或者报异常，最终返回或报出给__getitem__()；
• 5.只有__getitem__()才能调用__missing__()，这意味着，如果get()起作用，如普通的字典，将会返回None作为默认值，而不是使用default_factory；

default_factory这个属性用于__missing__()方法，使用构造器中的第一个参数初始化；
使用list作为default_factory，很容易将一个key-value的序列转换为一个关于list的字典：

>>> from collections import defaultdict
>>> s_dict = [("red", 3), ("blue", 1), ("yellow", 2), ("blue", 4), ("yellow", 5)]
>>> d_dict = defaultdict(list)
>>> for key, value in s_dict: d_dict[key].append(value)
...
>>> d_dict.items()
dict_items([('yellow', [2, 5]), ('red', [3]), ('blue', [1, 4])])

当每个key第一次遇到时，还没有准备映射。首先会使用default_factory函数自动创建一个空的list，list.append()操作将value添加至新的list，当key再次遇到时，通过查表，返回对应这个key的list，list.append()会将新的value添加至list，这个技术要比dict.setdefault()要简单快速；

>>> e = {}
>>> for k, v in s_dict: e.setdefault(k, []).append(v)
...
>>> e.items()
dict_items([('yellow', [2, 5]), ('red', [3]), ('blue', [1, 4])])

设置default_factory为int，使得defaultdict可以用于计数：

>>> str = "intelligence"
>>> dict = defaultdict(int)
>>> for k in str: dict[k]+=1
...
>>> dict.items()
dict_items([('i', 2), ('t', 1), ('e', 3), ('g', 1), ('l', 2), ('n', 2), ('c', 1)])

当一个字母第一次遇到时，默认从default_factory中调用int()用于提供一个默认为0的计数，递增操作会增加每个字母的计数。函数int()经常返回0，是常量函数的一种特例，一种更快和更灵活的创建常量函数的方式是使用itertools.repeat()，可以提供任意常量值(不仅仅是0)：

import itertools
from collections import defaultdict


def constant_factory(value):
    return lambda: next(itertools.repeat(value))        # Python3的.next方法已经不存在了所以使用next()方法，如果没有lambda会出错<不信你干掉它试试!!!>


def_dict = defaultdict(constant_factory("<missing>"))
def_dict.update(name="Jack", action="speak")
print("%(name)s %(action)s to %(object)s" % def_dict)       # Jack speak to <missing>

将default_factory设置为set,使得defaultdict可以建立一个关于set的字典：

>>> s = [('red', 1), ('blue', 2), ('red', 3), ('blue', 4), ('red', 1), ('blue',
... 4)]
>>> d = defaultdict(set)
>>> for k, v in s: d[k].add(v)
... 
>>> d.items()
dict_items([('red', {1, 3}), ('blue', {2, 4})])

namedtuple

命名元组，意味着给元组中的每个位置赋予含义，意味着代码可读性更强，namedtuple可以在任何常规元素使用的地方使用，而且它可以通过名称来获取字段信息而不仅仅是通过位置索引。

# 基本用法
>>> from collections import namedtuple
>>> Point = namedtuple("Point", ["x", "y"])
>>> p = Point(11, y=22)     # 实例化一个对象，可以使用位置或关键字
>>> p[0] + p[1]     # 通过索引访问元组中的元素
33
>>> x, y = p        # 分开，类似于常规的元组
>>> x, y
(11, 22)
>>> p.x + p.y       # 通过名称来访问
33
>>> p       # 可读的__repr__，通过name = value风格
Point(x=11, y=22)

namedtuple在给csv或者sqlite3返回的元组附上名称特别有用：

from collections import namedtuple
import csv

EmployeeRecord = namedtuple('EmployeeRecord', 'name, age, title, department, paygrade')

for emp in map(EmployeeRecord._make, csv.reader(open("employees.csv", "rb"))):
    print(emp.name, emp.title)

import sqlite3
conn = sqlite3.connect('/companydata')
cursor = conn.cursor()
cursor.execute('SELECT name, age, title, department, paygrade FROM employees')
for emp in map(EmployeeRecord._make, cursor.fetchall()):
    print(emp.name, emp.title)

除了从tuple继承的方法之外，namedtuple还支持三种法发和一个属性，为了避免名称冲突，这些方法和属性以下划线开始。
somenamedtuple._make()：从已有的序列或者可迭代对象中创建一个新的对象：

>>> t = [99, 88]
>>> Point._make(t)
Point(x=99, y=88)

somenamedtuple._asdict()：返回一个OrderedDict，由名称到对应值建立映射：

>>> p = Point(x=11, y=22)
>>> p
Point(x=11, y=22)
>>> p_dict = p._asdict()
>>> p_dict
OrderedDict([('x', 11), ('y', 22)])

somenamedtuple._replace()：返回一个新的namedtuple对象，用新值替换指定名称中的值：

>>> p2 = p._replace(x=33)
>>> p2
Point(x=33, y=22)

somenamedtuple._fields：以字符串的构成的元组的形式返回namedtuple的名称，在自省或基于一个已存在的namedtuple中创建新的namedtuple时，非常有用：

>>> p._fields
('x', 'y')
>>> Color = namedtuple("Color", "red blue green")
>>> Pixel = namedtuple("Pixel", Point._fields + Color._fields)
>>> Pixel(11, 22, 127, 205,0)
Pixel(x=11, y=22, red=127, blue=205, green=0)

当名称存储在字符串中，可以使用getattr()函数进行检索：

>>> getattr(p, "x")
11

使用**操作符，可以将一个字典转换成namedtuple：

>>> d = {"x": 11, "y": 22}
>>> Point(**d)
Point(x=11, y=22)

由于namedtuple也是Python中的一个类，因此在子类中，它很容易添加或修改一些功能，如下是添加一个可计算名称和固定长度的输出格式；子类中的__slots__是一个空的元组，可以通过避免字典实例的创建来节约内存开销：

from collections import namedtuple


class Point(namedtuple("Point", "x y")):
    __slots__ = ()

    @property
    def hypot(self):
        return (self.x ** 2 + self.y ** 2) ** 0.5

    def __str__(self):
        return 'Point: x=%6.3f  y=%6.3f  hypot=%6.3f' % (self.x, self.y, self.hypot)


for p in Point(3, 4), Point(14, 5/7):
    print(p)

# Point: x= 3.000  y= 4.000  hypot= 5.000
# Point: x=14.000  y= 0.714  hypot=14.018

子类在增加、存储名称时，并不是非常有用；相反，可以容易地通过_fields属性来创建一个新的namedtuple：

>>> Point3D = namedtuple("Point3D",Point._fields + ('z',))
>>> Point3D._fields
('x', 'y', 'z')

默认可以通过_replace()来实现，以便于标准化一个原型实例：

>>> Account = namedtuple('Account','owner balance transaction_count')
>>> default_account = Account('<owner name>',0.0,0)
>>> johns_account = default_account._replace(owner = "John")
>>> johns_account
Account(owner='John', balance=0.0, transaction_count=0)

枚举类型常量可以通过namedtuple来实现，更简单和有效的方式是通过简单的类声明：

Status = namedtuple('Status','open pending closed')._make(range(3))
print Status

class Status:
open, pending, closed = range(3)

print Status.open
print Status.pending
print Status.closed

运行输出结果为：

Status(open=0, pending=1, closed=2)
0
1
2

OrderedDict

• OrderedDict类似于正常的字典，只是它记录了元素插入的顺序，当在有序的字典上迭代时，返回的元素就是它们第一次添加的顺序。
• OrderedDict返回已给dict的子类，支持常规的dict方法，OrderedDict是一个记录元素首次插入顺序的字典，如果一个元素重写已经存在的元素，那么原始的插入位置保持不变，如果删除一个元素再重新插入，那么它就在末尾；
• OrderedDict.popitem(last=True)，popitem方法返回和删除一个(key, value)对，如果last=True，就以LIFO方式执行，否则以FIFO方式执行；
• OrderedDict也支持反向迭代，例如：reversed()；
• OrderedDict对象之间的相等测试，例如：list(od1.items()) == list(od2.items())，是对顺序敏感的；OrderedDict和其他的映射对象(例如：常规的字典)之间的相等测试是顺序不敏感的，这就允许OrderedDict对象可以在使用常规字典的地方替换掉常规字典；
• OrderedDict构造器和update()方法可以接收关键字参数，但是它们丢失了顺序，因为Python的函数调用机制是将一个无须的字典传入关键字变量；

一个有序的字典记住它的成员插入顺序，可以使用排序函数，将其变为排序的字典：

>>> org_dict = {"apple": 1, "tencent": 2, "alibaba": 3, "baidu": 4, "facebook": 5}
>>> from collctions import OrderedDict
>>> OrderedDict(sorted(org_dict.items(), key = lambda t: t[0])) # 根据key排序字典
OrderedDict([('alibaba', 3), ('apple', 1), ('baidu', 4), ('facebook', 5), ('tencent', 2)])
>>> OrderedDict(sorted(org_dict.items(), key = lambda t: t[1])) # 根据value排序字典
OrderedDict([('apple', 1), ('tencent', 2), ('alibaba', 3), ('baidu', 4), ('facebook', 5)])
>>> a = OrderedDict(sorted(org_dict.items(), key = lambda t: len(t[0])))    # 根据key的长度排序字典
>>> a
OrderedDict([('baidu', 4), ('apple', 1), ('tencent', 2), ('alibaba', 3), ('facebook', 5)])
>>> del a["facebook"]
>>> a
OrderedDict([('baidu', 4), ('apple', 1), ('tencent', 2), ('alibaba', 3)])
>>> a["facebook"]=9
>>> a
OrderedDict([('baidu', 4), ('apple', 1), ('tencent', 2), ('alibaba', 3), ('facebook', 9)])

当元素删除时，排好序的字典保持着排序的顺序；但是当新增元素时，就会被添加到末尾，就不能保持已排序；
创建一个有序的字典，可以记住最后插入的key的顺序，如果一个新的元素要重写已存在的元素，那么原始的插入位置就会变成末尾：

from collections import OrderedDict


class LastUpdateOrderedDict(OrderedDict):
    def __setitem__(self, key, value):
        if key in self:
            del self[key]
        OrderedDict.__setitem__(self, key, value)


obje = LastUpdateOrderedDict()
obje["amazon"] = 12
obje["microsoft"] = -3
print("the first output: ", obje)       # LastUpdateOrderedDict([('amazon', 12), ('microsoft', -3)])
obje["amazon"] = -1
print("the second output: ", obje)      # LastUpdateOrderedDict([('microsoft', -3), ('amazon', -1)])

一个有序的字典可以和Counter类一起使用，counter对象就可以记住首次出现的顺序：

from collections import Counter, OrderedDict


class OrderedCounter(Counter, OrderedDict):
    def __repr__(self):
        return "%s(%r)" % (self.__class__.__name__, OrderedDict(self))

    def __reduce__(self):
        return self.__class__, (OrderedDict(self))


# 和OrderedDict一起使用的Counter对象
obj = OrderedCounter()
word_list = ['t', 'e', 'r', 'o', 'r', 'i', 's', 't']
for word in word_list:
    obj[word] += 1
print("the new result is: ", obj)   # OrderedCounter(OrderedDict([('t', 2), ('e', 1), ('r', 2), ('o', 1), ('i', 1), ('s', 1)]))

# 普通的Counter对象
counter = Counter()
for ele in word_list:
    counter[ele] += 1
print("the ordinary result is: ", counter)      # Counter({'t': 2, 'r': 2, 'e': 1, 'o': 1, 'i': 1, 's': 1})