Python在一些内置的数据类型，比如str, int, list, tuple, dict等，之后又提供了比较高级的额外的数据类型， 共有以下几种：Counter，deque，defaultdict，namedtuple，OrderedDict
那么接下来一个个的攻克它们。
namedtuple的函数原型如下：
def namedtuple(typename, field_names, verbose=False, rename=False):
"""Returns a new subclass of tuple with named fields.
作用就是通过将可迭代对象设置字段名，可使用名称来访问元素的数据对象。
比较重要参数释义：
- typename: 自定义名，字符串类型
- field_names： 字段名，list类型
如下例子：
>>> Point = namedtuple('Point', ['x', 'y'])
>>> Point.__doc__ # 新类的文档字符串
'Point(x, y)'
>>> p = Point(11, y=22) # 通过位置参数或关键字参数实例化
>>> p[0] + p[1] # 像普通元组一样使用索引
33
>>> x, y = p # 像普通元组一样解包
(11, 22)
>>> p.x + p.y # 通过字段名访问
33
>>> d = p._asdict() # 转换为字典
>>> d['x']
11
>>> Point(**d) # 从字典转换过来
Point(x=11, y=22)
>>> p._replace(x=100) # _replace() is like str.replace() but targets named fields
Point(x=100, y=22)
再举一个🌰：
from collections import namedtuple
tuples = [
('Bman', 22, 'Python'),
('Jack', 24, 'C'),
]
p = namedtuple("Code", ['name', 'age', 'language'])
print p # <class '__main__.Code'>
print p._fields # ('name', 'age', 'language')
print p.__doc__ # Code(name, age, language)
for i in tuples:
_i = p._make(i)
print i, _i, _i.name, _i.age, _i.language
# ('Bman', 22, 'Python') Code(name='Bman', age=22, language='Python') Bman 22 Python
# ('Jack', 24, 'C') Code(name='Jack', age=24, language='C') Jack 24 C
deque其实是 double-ended queue 的缩写，翻译过来就是双端队列，它最大的好处就是实现了从队列 头部快速增加和取出对象: .popleft(), .appendleft() 。该类的原型如下：
deque([iterable[, maxlen]]) --> deque object
该类有以下方法：
append: 添加元素到右侧的双端队列appendleft: 添加元素到左侧的双端队列clear: 移除所有元素count: D.count(value) -> integer, 返回出现的值数extend: 通过可迭代元素扩展右侧的双端队列extendleft: 与上相反pop:删除并返回最右边的元素popleft:与上相反remove:D.remove(value). 移除第一次出现的值reverse:取反rotate: rotate是回转的意思，旋转双端队列n步向右（默认值n=1）。如果n是负的，向左旋转时
虽然原生的list也可以从头部添加和取出对象等方法：
lis.insert(0, v)
lis.pop(0)
但是与list不同的是list对象的这两种用法的时间复杂度是 O(n) ，也就是说随着元素数量的增加耗时呈线性上升。而使用deque对象则是 O(1) 的复杂度，所以当你的代码有这样的需求的时候， 一定要记得使用deque。
我们可以创建一个空的deque对象：
d = deque()
# deque([])
然后进行操作：
d.append(1)
d.append('2')
print d, len(d) # deque([1, '2']) 2
print d[0] # 1
d.appendleft('a')
print d # deque(['a', 1, '2'])
print d.count('a') # 1
d.extend(['a', 'b', 'c'])
print d # deque(['a', 1, '2', 'a', 'b', 'c'])
d.extendleft(['m', 'n'])
print d # deque(['n', 'm', 'a', 1, '2', 'a', 'b', 'c'])
print d.pop() # c
print d.popleft() # n
print d # deque(['m', 'a', 1, '2', 'a', 'b'])
d.remove('a')
print d # deque(['m', 1, '2', 'a', 'b'])
d = deque('abcde')
print d
for i in range(len(d)):
d.rotate()
print i, d
# 输出：
deque(['a', 'b', 'c', 'd', 'e'])
0 deque(['e', 'a', 'b', 'c', 'd'])
1 deque(['d', 'e', 'a', 'b', 'c'])
2 deque(['c', 'd', 'e', 'a', 'b'])
3 deque(['b', 'c', 'd', 'e', 'a'])
4 deque(['a', 'b', 'c', 'd', 'e'])
下面例子实现一个跑马灯效果：
import sys
import time
from collections import deque
loading = deque('>--------------------')
while True:
print '\r%s' % ''.join(loading), # 注意："\r"表示回车（将光标移至本行开头）这里不能省略后面的逗号
loading.rotate() # 默认1
sys.stdout.flush()
time.sleep(0.08)
注意：
- CR+LF (
\r\n); - LF (
\n); - CR (
\r).
实现计数功能
>>> c = Counter('abcdeabcdabcaba') # count elements from a string
>>> c.most_common(3) # 出现最多的三个元素
[('a', 5), ('b', 4), ('c', 3)]
>>> sorted(c) # 列出所有唯一元素
['a', 'b', 'c', 'd', 'e']
>>> c.elements() # 迭代器
<itertools.chain at 0x1094c0e50>
>>> sorted(c.elements()) # 列出所有元素
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e']
>>> ''.join(sorted(c.elements()))
'aaaaabbbbcccdde'
>>> sum(c.values()) # total of all counts
15
>>> c['a'] # 元素a出现次数
5
>>> for elem in 'shazam': # 通过可迭代对象更新counts
... c[elem] += 1 # by adding 1 to each element's count
>>> c['a'] # now there are seven 'a'
7
>>> del c['b'] # remove all 'b'
>>> c['b'] # now there are zero 'b'
0
>>> d = Counter('simsalabim') # make another counter
>>> c.update(d) # add in the second counter
>>> c['a'] # now there are nine 'a'
9
>>> c.clear() # empty the counter
>>> c
Counter()
Note: If a count is set to zero or reduced to zero, it will remain
in the counter until the entry is deleted or the counter is cleared:
>>> c = Counter('aaabbc')
>>> c['b'] -= 2 # reduce the count of 'b' by two
>>> c.most_common() # 'b' is still in, but its count is zero
[('a', 3), ('c', 1), ('b', 0)]
OrderedDict相对于dict来说也就是有序字典。用法与dict类似，它有如下常用方法：
clear:od.clear() -> None. Remove all items from odkeys: 同dictvalues: 同dictitems: 同dictiterkeys: 返回一个keys迭代器itervalues:返回一个values迭代器iteritems: 返回一个(key, value)键值对迭代器pop:od.pop(k[,d]) -> v, 删除指定键和返回对应的值。如果无则触发KeyError异常setdefault:od.setdefault(k[,d]) -> od.get(k,d), also set od[k]=d if k not in od
如下例子：
from collections import OrderedDict
items = (
('A', 1),
('B', 2),
('C', 3)
)
regular_dict = dict(items)
ordered_dict = OrderedDict(items)
# 无序
for k, v in regular_dict.items():
print k, v
# 有序
for k, v in ordered_dict.items():
print k, v
# Result:
Regular Dict:
A 1
C 3
B 2
Ordered Dict:
A 1
B 2
C 3
Python原生的数据结构dict的时候，如果用 d[key] 这样的方式访问， 当指定的key不存在时，是会抛出KeyError异常的。如果使用defaultdict，只要你传入一个默认的工厂方法，那么请求一个不存在的key时， 便会调用这个工厂方法使用其结果来作为这个key的默认值。
members = [
# Age, name
['male', 'John'],
['male', 'Jack'],
['female', 'Lily'],
['male', 'Pony'],
['female', 'Lucy'],
]
result = defaultdict(list)
print result # defaultdict(<type 'list'>, {})
for sex, name in members:
result[sex].append(name) # 将sex做key，value为list类型，append(name)
print result # defaultdict(<type 'list'>, {'male': ['John', 'Jack', 'Pony'], 'female': ['Lily', 'Lucy']})
defaultdict(list)的用法和dict.setdefault(key, [])比较类似，上述代码使用setdefault实现如下：
result = {}
for sex, name in members:
result.setdefault(sex, []).append(name)
print result
大部分内容看源码就弄明白了，同时也参考了不可不知的Python模块: collections