python 语言提供了 list，tuple，set，dict四种最常用的数据结构，能够满足绝大多数的需求，但是还有些情形需要更合适的数据结构。python 也提供了这些，放在了 collections 这个库。这篇文章主要介绍 collections 库提供的数据结构，它们的使用场景和简单的例子。
Counter
counter 是一种特殊的字典，主要方便用来计数，key 是要计数的 item，value 保存的是个数。
from collections import Counter
>>> c = Counter('hello,world')
Counter({'l': 3, 'o': 2, 'e': 1, 'd': 1, 'h': 1, ',': 1, 'r': 1, 'w': 1})
初始化可以传入三种类型的参数：字典，其他 iterable 的数据类型，还有命名的参数对。
| __init__(self, iterable=None, **kwds)
| Create a new, empty Counter object. And if given, count elements
| from an input iterable. Or, initialize the count from another mapping
| of elements to their counts.
|
| >>> c = Counter() # a new, empty counter
| >>> c = Counter('gallahad') # a new counter from an iterable
| >>> c = Counter({'a': 4, 'b': 2}) # a new counter from a mapping
| >>> c = Counter(a=4, b=2) # a new counter from keyword args
默认请求下，访问不存在的 item，会返回 0。Counter 可以用来统计某些数据的出现次数，比如一个很长的数字串 numbers = "67642192097348921647512014651027586741512651" 中每个数字的频率：
>>> c = Counter(numbers) # c 存储了每个数字的频率
>>> c.most_common() # 所有数字按照频率排序。如果 most_common 接受了 int 参数 n，将返回频率前n 的数据，否则会返回所有的数据
[('1', 8),
('2', 6),
('6', 6),
('5', 5),
('4', 5),
('7', 5),
('0', 3),
('9', 3),
('8', 2),
('3', 1)]
此外，你还可以对两个 Counter 对象进行 +, -，min， max 等操作。
deque
deque 是 double-ended queue的缩写，类似于 list，不过提供了在两端插入和删除的操作。
appendleft在列表左侧插入popleft弹出列表左侧的值extendleft在左侧扩展
例如：
queue = deque()
# append values to wait for processing
queue.appendleft("first")
queue.appendleft("second")
queue.appendleft("third")
# pop values when ready
process(queue.pop()) # would process "first"
# add values while processing
queue.appendleft("fourth")
# what does the queue look like now?
queue # deque(['fourth', 'third', 'second'])
defaultdict
defaultdict 主要用来需要对 value 做初始化的情形。对于字典来说，key 必须是 hashable，immutable，unique 的数据，而 value 可以是任意的数据类型。如果 value 是 list，dict 等数据类型，在使用之前必须初始化为空，有些情况需要把 value 初始化为特殊值，比如 0 或者 ‘’。
from collections import defaultdict
person_by_age = defaultdict(list)
for person in persons:
d[person.age].append(person.name)
defaultdict 和 dict 的使用方法一样，只有在初始化的时候必须传入一个 callable 的对象 x，当访问某个还不存在的 key 时，会把 value 自动设置成 x()。比如上例中，当第一次访问某个年龄的人 d[person.age] 就会变成 list()， 也就是 []。
当然也可以使用自己定义的 callable 对象，比如：
d = defaultdict(lambda: 0)
d["hello"] += 1 # 1
d["a"] # 0
defaultdict 要比 dict.set_default 效率更高，使用起来也更直观和方便。
namedtuple
namedtuple 就是命名的 tuple，比较像 C 语言中 struct。一般情况下的 tuple 是 (item1, item2, item3,...)，所有的 item 都只能按照 index 访问，没有明确的称呼，而 namedtuple 就是事先把这些 item 命名，以后可以方便访问。
from collections import namedtuple
# 初始化需要两个参数，第一个是 name，第二个参数是所有 item 名字的列表。
coordinate = namedtuple('Coordinate', ['x', 'y'])
c = coordinate(10, 20)
# or
c = coordinate(x=10, y=20)
c.x == c[0]
c.y == c[1]
x, y = c
namedtuple 还提供了 _make 从 iterable 对象中创建新的实例：
coordinate._make([10,20])
OrderedDict
如同这个数据结构的名称所说的那样，它记录了每个键值对添加的顺序。
d = OrderedDict()
d['a'] = 1
d['b'] = 10
d['c'] = 8
for letter in d:
print letter
# a
# b
# c
如果初始化的时候同时传入多个参数，它们的顺序是随机的，不会按照位置顺序存储。
>>> d = OrderedDict(a=1, b=2, c=3)
OrderedDict([('a', 1), ('c', 3), ('b', 2)])
除了和正常的 dict 相同的方法之外，OrderedDict 还提供了和顺序相关的操作:
+ `popitem()`: 返回最后一个插入的键值对，如果 `popitem(last=False)` 将返回第一个插入的键值对
+ `reversed`：返回一个逆序的 OrderedDict
