9.2 さまざまなコンテナデータ型を扱う — collections

Pythonには、標準で list（リスト）、dict（辞書）、tuple（タプル）、set（集合）といった強力なコンテナ（データを入れる箱）が備わっています。

しかし、特定の用途においては「もっと簡単に数え上げたい」「キーが存在しない時のエラーを防ぎたい」「両端から高速にデータを出し入れしたい」といった要求が出てきます。そんな時に大活躍するのが、標準ライブラリの collections モジュールです。

本記事では、「9.2 さまざまなコンテナデータ型を扱う」として、実務で頻出する4つの強力なデータ型を解説します。

1. 要素の出現回数をカウントする：Counter

リストや文字列の中に、どの要素が何回出現したかを数えたい場合、自分で for ループと辞書を使って書くのは面倒です。Counter を使えば、一瞬で集計が完了します。

from collections import Counter

# リストの要素をカウント
fruits = ['apple', 'banana', 'apple', 'cherry', 'banana', 'apple']
counts = Counter(fruits)

print(counts)
# 出力: Counter({'apple': 3, 'banana': 2, 'cherry': 1})

# 出現回数が多い順に取得する（上位2つ）
print(counts.most_common(2))
# 出力: [('apple', 3), ('banana', 2)]

Counter は辞書（dict）のサブクラスなので、counts['apple'] のようにキーを指定してアクセスすることも可能です。存在しない要素を指定しても KeyError にならず 0 を返してくれます。

2. 初期値を持つ辞書：defaultdict

通常の辞書で、まだ存在しないキーに対して値を追加・更新しようとすると KeyError が発生します。これを防ぐために if key in d: といった条件分岐を書くのはコードが長くなる原因です。

defaultdict は、存在しないキーにアクセスした際、あらかじめ指定した「初期値を生成する関数（ファクトリ関数）」を呼び出して自動的に初期値を作ってくれます。

リストを初期値にする例（データのグループ化に便利）

from collections import defaultdict

# 存在しないキーが呼ばれたら、自動的に空のリスト [] を返す
grouped_data = defaultdict(list)

words = ['apple', 'bat', 'bar', 'atom', 'book']

# 頭文字ごとに単語をグループ化する
for word in words:
    initial = word[0]
    grouped_data[initial].append(word) # 初期化チェック不要！

print(dict(grouped_data))
# 出力: {'a': ['apple', 'atom'], 'b': ['bat', 'bar', 'book']}

数値の集計なら defaultdict(int) を指定すれば、初期値が 0 の辞書になります。

3. 両端から高速に出し入れできるキュー：deque（デック）

Pythonの標準リスト（list）は、末尾への追加（append）や末尾からの取り出し（pop）は高速ですが、先頭への追加や先頭からの取り出し（pop(0)）は非常に遅いという弱点があります（要素を一つずつ後ろにずらす処理が発生するため）。

deque（Double-Ended Queue）は、両端からの追加・取り出しがどちらも超高速（O(1)）で行えるデータ構造です。

from collections import deque

# dequeの作成
queue = deque(['A', 'B', 'C'])

# 右端（末尾）に追加 / 取り出し
queue.append('D')
print(queue.pop()) # 'D' を取り出す

# 左端（先頭）に追加 / 取り出し
queue.appendleft('Z')
print(queue) # deque(['Z', 'A', 'B', 'C'])
print(queue.popleft()) # 'Z' を取り出す

大量のデータを先頭から順に処理していく（FIFO: First In First Out）プログラムを書く場合は、必ず list ではなく deque を使用しましょう。

4. 名前付きフィールドを持つタプル：namedtuple

タプルは (x, y) のように複数の値をまとめるのに便利ですが、値を取り出す時に pt[0] のようにインデックス（数字）を使うため、後から見た時に「0番目が何を表しているか」が分かりにくいという欠点があります。

namedtuple を使うと、オブジェクトのプロパティのように「名前」で値にアクセスできるタプルを作成できます。クラスを定義するよりもずっと手軽です。

from collections import namedtuple

# 'Point' という名前の型で、'x' と 'y' というフィールドを持つ namedtuple を作成
Point = namedtuple('Point', ['x', 'y'])

# インスタンス化
p = Point(10, 20)

# インデックスでも、名前でもアクセス可能
print(p[0])  # 10
print(p.x)   # 10 (こちらの方が圧倒的に読みやすい)
print(p.y)   # 20

タプル同様にイミュータブル（変更不可）であるため、辞書のキーとして使うことも可能です。