路遙知碼力，日久練成精-只要在程式之路鑽研的夠深，便能夠充分發揮程式碼的力量; 練習的日子夠久，便能夠練成寫出精簡代碼的能力。

首先先來討論一下昨日課後練習的解答，
(還沒看過題目的朋友歡迎點昨日題目傳送門)

昨日課後練習討論

昨天談的是一個排序問題，
要將字串依照指定的規則重排:

1. 數字一定排在最右邊
2. 偶數一定排在奇數的右邊
3. 大寫字母一定排在小寫字母的右邊
4. 在上述規則下，儘量保持原本字串的順序(在就是在原來字串的index愈大者排愈右邊)

其實這不就是有優先次序的排序嗎?
優先次序: 數字(偶數>奇數)>字母(大寫>小寫)>位置
因此我們可以按照這樣的順序，
將要比較的值映射到一個元組，
我想到最精簡的程式如下:

s = input() #測試範例輸入 Sorting1234
L=sorted(s, key= lambda x: (x.isdigit(), x.isdigit() and int(x) % 2 == 0, x.isupper(), s.index(x)))
print("".join(L)) #預期結果: ortingS1324

元組中將字串中的每個字元依序映射出四個值:
「是否為數字」、「若是數字是否為偶數」、「是否為大寫字母」、「在原字串的位置」。
你可能會問說為何不用判斷是否為小寫字母?
因為原題目有說input只有字母和數字，
若不是數字也不是大寫字母，
那一定是小寫字母了，
便不必再特別判斷。
如有問題或其它想法也歡迎留言討論哦。

認識更多的容器

其實這一篇像是Day11-讓我們優雅泡咖啡般地選擇容器吧的延伸，
正所謂工欲善其事，必先利其器，
選擇好的工具往往可以達到更好的效果，
可能是你所需要的程式碼數量減少，
也可能是選擇合適的工具使得程式效能提升了。
本篇要簡介的是python內建模組- collections，
此模組實現了提供特定目標的容器。

首先，其實對初學者來說，
內建的list, set, tuple, dict,已經算非常夠用了，
若你對於一般狀況如何選擇這些容器已經很困惑了，
可以先略過本篇不看。

不過若是你對於list, set, tuple, dict這些基本容器夠了解了，
有時選擇更客製化的容器效果更佳。

欲知collections模組全部有哪些容器，
可以參考官方文檔。

容器介紹一、namedtuple()-可命名屬性的元組

例如我們在昨天Day24的範例24-2中，
我們用元組表示一個人的國、英、數三科的分數，
例如說(9, 6, 11)表示國文9級分，英文6級分，數學11級分，
然而當我們開發大型程式時，
可能看到(9, 6, 11)具體並不記得這是什麼東西，
這時，使用namedtuple()便可以讓我們為每個分量做命名了。
範例如下:

from collections import namedtuple
Score = namedtuple('Score', ['Chinese', 'English', 'math'])
s1 = Score(9, 6, 11)
print(s1)
print(s1.Chinese)

結果為:
Score(Chinese=9, English=6, math=11)
9
可以看到此時我們可以用s1.Chinese這樣的語法取得國文成績了，
當程式規模很大時可增加程式的可讀性。

容器介紹二、deque()- 高效的在列表兩端刪增元素

deque是個類似列表(list)的容器，
它實現了高效率的在容器的左、右兩端新增或刪除元素，
因此適合用來做為資料結構上的stack或queue來使用。
(若你不懂資料結構的話也沒關係，這並非本系列文討論的重點)
以下是deque()提供的幾個方法:

append(x)

添加x到右端

appendleft(x)

添加x到左端

pop(x)

移除並返回deque最右端的元素

popleft(x)

移除並返回deque最右端的元素
究竟deque的效率跟list相比如何呢?
直接以程式碼測試給大家看:

list右插入 v.s. deque右插入

我們同樣在list和deque的右端插入一百萬個元素，
用time模組測量時間，程式如下:

from collections import deque
import time

# 測試list的插入效能
tStart = time.time()#計時開始
myList = []
for i in range(10**6):
    myList.append(i)
tEnd = time.time()#計時結束
print("Total time= %f seconds" % (tEnd - tStart))

# 測試deque的插入效能
tStart = time.time()#計時開始
myDeque = deque()
for i in range(10**6):
    myDeque.append(i)
tEnd = time.time()#計時結束
print("Total time= %f seconds" % (tEnd - tStart))

結果為:
Total time= 0.180000 seconds
Total time= 0.150000 seconds
你會覺得說感覺兩者之間好像也沒差多少嘛，
我們再比較左插入的狀況看看。

list左插入 v.s. deque左插入

這次我們在list和deque的左端插入十萬個元素，
一樣用time模組測量時間，程式如下:

from collections import deque
import time

# 測試list的插入效能
tStart = time.time()#計時開始
myList = []
for i in range(10**5):
    myList.insert(0,i)
tEnd = time.time()#計時結束
print("Total time= %f seconds" % (tEnd - tStart))

# 測試deque的插入效能
tStart = time.time()#計時開始
myDeque = deque()
for i in range(10**5):
    myDeque.appendleft(i)
tEnd = time.time()#計時結束
print("Total time= %f seconds" % (tEnd - tStart))

結果為:
Total time= 2.180000 seconds
Total time= 0.030000 seconds
哇，效率相差將近百倍呢，驚不驚人?
由此可知在適當的時機選擇適合的容器相當重要呢。

那為什麼對於list來說，
在左邊插入元素和在右邊插入元素效率差這麼多呢?
我試著給個直觀的解釋:
把list想成一個排隊的隊伍，
右側是隊伍的尾巴，
如果在右側插入元素的話，
就相當於在隊伍後面多排一個人，
只有加入隊伍的人動，前面的人都不動。

可是若在左側插入元素的話，
則是硬在「插隊」排在隊伍的第一個，
其它所有人都要移動位置往後一格，
因此相當耗時。

容器介紹三、defaultdict()- 有默認值的字典

我們可能會想到說可以用一個字典(dict)來統計列表中每個元素的個數，
譬如想這樣寫:

myList = ['A','B','A','A','B','B','A','C','C','C']
count = {} #{}表示一個空字典
for element in a_list:
    count[element] += 1

用for迴圈遍歷列表的每個元素，
然後把計數加一，
看起來蠻合理的，
但是直接執行程式的話會出現KeyError，
因為字典的鍵值(key)必需要先初始化才能用。
因此，我們每次都要先檢查key值存不存在才行，
正確程式如下:

myList = ['A','B','A','A','B','B','A','C','C','C']
count = {} #{}表示一個空字典
for element in myList:
    if element not in count:
        count[element] = 1
    else:
        count[element] += 1
print(count)

結果為: {'A': 4, 'B': 3, 'C': 3}
但是這樣又有點失去python的簡潔性了。
能不能我們把沒用過的key值都設一個默認值(譬如:0)，
這樣只要每次都把count[element]加一就好，
不用先去判斷key值是否存在。

這時便可以用defaultdict()-可以默認值的字典來幫忙了，
程式修改如下:

from collections import defaultdict
myList = ['A','B','A','A','B','B','A','C','C','C']
count = defaultdict(lambda: 0)
for element in myList:
    count[element] += 1
print(count)

結果為:defaultdict(<function <lambda> at 0x000000000B8E99D8>, {'A': 4, 'B': 3, 'C': 3})
defaultdict裡面可以傳入一個函數回傳默認值。

容器介紹四、Counter()- 計數小幫手

說到計數功能的話，還是使用Counter最直接了。
Counter也可以把它想成是字典的一種，
不過跟defaultdict比起來，
Counter多了一些專為計數而設的功能，
因此若是要統計個數的話Counter比defaultdict好用太多啦，
範例程式如下:

from collections import Counter
myList = ['A','B','A','A','B','B','A','C','C','C']
count = Counter(myList)
print(count)
print(count['A'])
print(count['D']) #對於不存在的值默認為0
print(count.most_common(2)) #找出出現次數最高的兩個元素

結果為:
Counter({'A': 4, 'B': 3, 'C': 3})
4
0
[('A', 4), ('B', 3)]

課後練習

有時候我們會碰到這樣的問題，我們拿到一篇英文的文章，
要統計說每個單字出現了幾次。
比如說底下是我隨意打的幾個英文句字:

article = "How are you? I am fine, thank you. And you you you you you? You are so smart."

像這一類跟「計數」相關的問題，
就很適合用Counter來解決。
不過，首先我們要先想辦法把每個單字取出來(提示: 字串的split函數)，
並忽略大小寫的區別和標點符號。
(關於字串操作技巧，可複習Day6- 超完整python字串函數用法統整。這篇)

底下給你統計文章各單字次數的程式架構:

def trans(article):
    return #寫你要回傳的值

article = "How are you? I am fine, thank you. And you you you you you? You are so smart."
article = trans(article)
print(article)
count = Counter(article.split())
print(count)

其中，我們定義一個轉換函數trans(article)，
效果是把article的字母全部變成小寫，
然後把不是英文字母的字(如標點符號)替換成空白，
函數回傳一個字串。
預期結果:

how are you  i am fine  thank you  and you you you you you  you are so smart 
Counter({'you': 8, 'are': 2, 'how': 1, 'i': 1, 'am': 1, 'fine': 1, 'thank': 1, 'and': 1, 'so': 1, 'smart': 1})

這題難度有點難，不過解答只要寫一行程式即可完成。