Counter可统计元素频次，支持most_common和加减操作；2. defaultdict自动处理缺失键，适用于构建邻接表和分组数据；3. deque支持O(1)首尾操作，适合队列和滑动窗口；4. namedtuple提供命名字段的不可变元组，增强代码可读性。合理使用可提升算法效率与可维护性。
在Python算法开发中，collections 库提供了多种高效的数据结构，能显著提升代码的可读性和执行效率。它扩展了内置类型如 list、dict 的功能，特别适合处理数据统计、队列操作、计数等常见算法场景。
1. Counter：快速统计元素频次
Counter 是一个字典子类，用于统计可哈希对象的出现次数。在算法题中常用于字符统计、频率分析等。
常用方法：
- Counter(iterable) 直接传入字符串、列表等生成计数结果
- most_common(n) 获取出现次数最多的前 n 个元素
- 支持加减操作，合并或比较两个计数器
示例：
立即学习“Python免费学习笔记（深入）”；
cnt = Counter("hello")
print(cnt) # 输出: Counter({'l': 2, 'h': 1, 'e': 1, 'o': 1})
print(cnt.most_common(1)) # [('l', 2)]
2. defaultdict：避免键不存在的异常
defaultdict 在访问不存在的键时不会报错，而是返回该类型的默认值。比普通字典使用 dict.get() 或 setdefault() 更简洁。
适用场景：
- 构建邻接表（图算法）
- 分组数据（如按长度分类单词）
- 累积值（如统计多个键的数值总和）
示例：
立即学习“Python免费学习笔记（深入）”；
from collections import defaultdictgraph = defaultdict(list)
graph['A'].append('B') # 即使'A'不存在也会自动创建空列表
3. deque：双端队列，高效首尾操作
deque（double-ended queue）支持在两端高效添加和删除元素，时间复杂度为 O(1)，适合实现队列、滑动窗口、BFS 等算法。
常用方法：
- append(x) 和 appendleft(x)
- pop() 和 popleft()
- 可设置最大长度 maxlen 实现滑动窗口
示例（BFS）：
from collections import dequequeue = deque([1, 2])
queue.append(3)
queue.popleft() # 返回 1
4. namedtuple：命名元组，增强可读性
namedtuple 创建带有字段名的元组子类，可以像对象一样通过属性访问值，适合表示简单数据结构（如坐标点、节点信息）。
优点：
- 比字典节省内存
- 保持元组不可变特性
- 代码更清晰易懂
示例：
立即学习“Python免费学习笔记（深入）”；
from collections import namedtuplePoint = namedtuple('Point', ['x', 'y'])
p = Point(1, 2)
print(p.x, p.y) # 输出: 1 2
基本上就这些。合理使用 collections 中的工具能让算法实现更简洁、高效。掌握它们在刷题或工程中都很实用。不复杂但容易忽略。
