Question

“过早地优化是万恶之源。”

——Donald Knuth，摘自Structured Programming with go to Statements

10.1　数据结构

如果使用正确的数据结构，大多数计算机问题都能以一种优雅而简单的方式解决，而Python就恰恰提供了很多可供选择的数据结构。

通常，有一种诱惑是实现自定义的数据结构，但这必然是徒劳无功、注定失败的想法。因为Python总是能够提供更好的数据结构和代码，要学会使用它们。

例如，每个人都会用字典，但你看到过多少次这样的代码：

def get_fruits(basket, fruit):
　　# A variation is to use "if fruit in basket:"
　　try:
　　　　return basket[fruit]
　　except KeyError:
　　　　return set()

最好是使用dict结构已经提供的get方法。

def get_fruits(basket, fruit):
　　return basket.get(fruit, set())

使用基本的Python数据结构但不熟悉它提供的所有方法并不罕见。这也同样适用于集合的使用。例如：

def has_invalid_fields(fields):
　　for field in fields:
　　　　if field not in ['foo', 'bar']:
　　　　　　return True
　　return False

这可以不用循环实现：

def has_invalid_fields(fields):
　　return bool(set(fields) - set(['foo', 'bar']))

set数据结构包含许多能解决不同问题的方法，否则这些问题需要通过嵌套的for/if块才能实现。

还有许多高级的数据结构可以极大地减少代码维护负担。例如，可以看看下面的代码：

def add_animal_in_family(species, animal, family):
　　if family not in species:
　　　　species[family] = set()
　　species[family].add(animal)

species = {}
add_animal_in_family(species, 'cat', 'felidea')

当然，这段代码是完全有效的，但想想看你会在你的程序中需要多少次上面代码的变种？10次？100次？

Python提供的collections.defaultdict结构可以更优雅地解决这个问题。

import collections

def add_animal_in_family(species, animal, family):
　　species[family].add(animal)

species = collections.defaultdict(set)
add_animal_in_family(species, 'cat', 'felidea')

每次试图从字典中访问一个不存在的元素，defaultdict都会使用作为参数传入的这个函数去构造一个新值而不是抛出KeyError。在这个例子，set函数被用来在每次需要时构造一个新的集合。

此外，collections模块提供了一些新的数据结构用来解决一些特定问题，如OrderedDict或者Counter。

在Python中找到正确的数据结构是非常重要的，因为正确的选择会节省你的时间并减少代码维护量。