6.7.2 使用collections.defaultdict()设置默认值

在Python编程中，处理数据集合时经常需要为字典（dictionary）的键（key）设置默认值，以便在访问不存在的键时能够返回一个预设的值，而不是引发KeyError异常。Python标准库中的collections模块提供了一个非常有用的类——defaultdict，它正是为了这个目的而设计的。defaultdict是字典的一个子类，它接受一个工厂函数作为第一个参数，用于为字典中不存在的键提供默认值。

6.7.2.1 defaultdict的基本用法

首先，我们需要从collections模块中导入defaultdict类。然后，在创建defaultdict实例时，指定一个工厂函数作为参数，这个函数不接受任何参数并返回一个值，这个值将作为字典中不存在键的默认值。

from collections import defaultdict
# 使用int作为工厂函数，为不存在的键提供默认值0
dd = defaultdict(int)
# 访问不存在的键，将自动返回0
print(dd['a'])  # 输出: 0
# 也可以正常添加键值对
dd['b'] = 1
print(dd['b'])  # 输出: 1
# 再次访问不存在的键，仍然返回0
print(dd['c'])  # 输出: 0

在这个例子中，defaultdict(int)创建了一个字典，其中所有不存在的键都将默认返回整数0。

6.7.2.2 使用不同类型的工厂函数

defaultdict的灵活性在于它可以接受任何不接受参数并返回值的函数作为工厂函数。这意味着你可以根据需要为字典的默认值设置各种类型。

列表作为默认值

from collections import defaultdict
# 使用list作为工厂函数，为不存在的键提供空列表
dd_list = defaultdict(list)
# 访问不存在的键，将自动返回[]
print(dd_list['x'])  # 输出: []
# 向列表中添加元素
dd_list['x'].append(1)
print(dd_list['x'])  # 输出: [1]

集合作为默认值

from collections import defaultdict
# 使用set作为工厂函数，为不存在的键提供空集合
dd_set = defaultdict(set)
# 访问不存在的键，将自动返回set()
print(dd_set['y'])  # 输出: set()
# 向集合中添加元素
dd_set['y'].add('a')
print(dd_set['y'])  # 输出: {'a'}

自定义对象作为默认值

from collections import defaultdict
class MyClass:
    def __init__(self, value=0):
        self.value = value
# 使用MyClass作为工厂函数（注意：这里需要lambda来绕过默认参数问题）
dd_obj = defaultdict(lambda: MyClass())
# 访问不存在的键，将自动返回MyClass的实例
print(dd_obj['z'].value)  # 输出: 0
# 修改对象的属性
dd_obj['z'].value = 10
print(dd_obj['z'].value)  # 输出: 10

注意，在上面的MyClass例子中，由于defaultdict的工厂函数不接受参数，而MyClass的构造函数有一个默认参数，我们使用了lambda表达式来绕过这个问题，直接返回一个MyClass的实例（使用默认参数）。

6.7.2.3 defaultdict在数据处理中的应用

defaultdict在数据处理中非常有用，特别是在处理具有嵌套结构的数据时。例如，在处理文本数据并统计每个单词在每个句子中出现的次数时，可以使用defaultdict来简化代码。

from collections import defaultdict
text = "This is a test. This test is only a test."
words = text.lower().split()
# 使用defaultdict(dict)来统计每个单词在每个句子中的出现次数
# 假设句子以句号分隔
sentences = text.split('.')
word_counts = defaultdict(dict)
sentence_index = 0
for word in words:
    if word.strip() == '':  # 跳过空字符串（如句子间的空格）
        sentence_index += 1
        continue
    word_counts[sentence_index][word] = word_counts[sentence_index].get(word, 0) + 1
# 打印结果
for sentence_id, counts in word_counts.items():
    print(f"Sentence {sentence_id+1}: {counts}")

注意：上面的代码示例为了简化说明，没有直接处理标点符号分割句子的复杂性（如缩写、句子末尾的标点符号多样性等）。在实际应用中，可能需要使用更复杂的逻辑来准确分割句子。

6.7.2.4 注意事项

• 性能考虑：虽然defaultdict提供了便利，但在性能敏感的应用中，应谨慎使用。特别是当工厂函数创建的对象较为复杂或重量级时，频繁地创建这些对象可能会对性能产生影响。
• 与dict.get()方法的比较：dict.get(key, default)方法也可以用来获取字典中键的值，如果键不存在则返回默认值。然而，defaultdict在处理需要频繁添加新键的场景时更为高效和方便。
• 工厂函数的选择：选择适当的工厂函数对于defaultdict的使用至关重要。错误的工厂函数可能导致意外的行为或性能问题。

总之，collections.defaultdict是Python中一个非常有用的工具，它通过提供默认值来简化字典操作，使得在处理复杂数据结构时更加灵活和高效。通过合理利用defaultdict，你可以编写出更加简洁、易读且高效的代码。