【collections】
collections在python内建的数据类型基础上新增一些实用的数据类型，其目的在于增加代码的可读性？（虽然我自己没怎么用过。。）
■ deque 双端队列
q = deque([....]) 传入某个iterable对象给deque的构造方法，使得其变为一个双端队列。双端队列，顾名思义就是可以从队首和队尾进行加减元素操作的队列类型
除了常见的序列方法如append,pop等，deque还可以用：
q.appendleft(..) 在队伍左边append元素
q.popleft() 在队伍左边pop掉一个元素
q.rotate(位数) 让每个元素向右移动指定位数，出了右边界就回到左边
当然，用完deque操作之后可以用list()把它转化回一个列表或者其他办法转化为其他原生的序列
■Counter 计数器
c = Counter(...) 同样也是传递一个iterable对象
其返回的，也就是这个c，它是一个类字典数据类型，其key是参数iterable对象中的所有元素（去除重复的），而相应value是各元素出现的次数
顾名思义，它做的工作就是将一个iterable对象做一个count的动作喽
需要注意的是：
1. c本身不是一个真的字典，print c 的时候出现的是类似于 Counter({'a':2,'b':2,'c':3})
2. c[..]という方法で访问value时，若key不存在，会返回0（意义是这个key在Counter中出现了0次）。这一点和字典的d[..]以及d.get(..)都不一样，这两个情况当key不存在时前者报错后者返回None
Counter的一些方法：
● c.update(d),c.substract(d)
d可以是个字典或者另一个Counter对象，方法旨在将d的统计结果从c加上或减去。
update和字典的update类似，但是，当d中有key重复出现时，update的时候只取其value最大的情况。如c = Counter({'a':1}); c.update({'a':1,'a':2})的话，最终c = Counter({'a':3})而不是4
若substract时c中某元素的计数小于d中的情况，那么该元素的计数值会变成0甚至负数，而元素作为key本身是不会消失的。
● c.elements()
返回一个迭代器，其内容相当于是字典的d.keys()内含所有元素。当元素在Counter中的值小于等于0则其不出现在迭代器中。
Counter({'a':1,'b':0}).elements() ===> ['a']
● c.most_common(n)
返回一个列表，每一项为一个元组，共n个。元组里分别是元素和次数，方法给出的是出现频率最高的n个元素。
● 用c += Counter() 可以移除当前c中所有次数为0或负数的项
■ defaultdict 带默认值的字典
当字典创建或者要增加新的键值对的时候，如果key之前不存在，就会报KeyError，用defaultdict可以解决这个小问题
令d = defaultdict(函数名) 这样在d[key]没找到key的时候这个key会被自动创建出来并且被设成默认值which是函数名指定函数的返回值，这个函数通常可以写int,str,list等等，也可自己定义.比如int的话默认返回值就是0，str的话就是空字符串""等等
如此，在新增key之前就不用检查其是否存在了
//在dict中也有dic.get(key,0)来指定当不存在key时指定默认值的做法，是和这个类似的。
■ OrderedDict 记住顺序的字典
OrderedDict并不是说这种字典会排序，实际上字典排序可以用sorted(keys=func)这样的方法来做，这个OrderedDict的意思是说它会记住键值对增加的顺序
但是初始化时就传入具体数据的话，没有传入顺序之分，OrderedDict也就管不了了，如：
d = OrderedDict({'a':1,'b':2,'c':3})
for k,v in d.items():
print k,v
>>>a 1
c 3
b 2
######这和传数据进去的顺序有关，而这个顺序是普通字典{'a':1,'b':2,'c':3}的顺序だから，所以OD是按照他的标准来的
但是若数据是一条条传进去的话，下面这种情况：
d['a'] = 1 d['b'] = 2 d['c'] = 3 print d
如果d是个普通字典，得到的会是{'a':1,'c':3,'b':2}，而如d是个OrderedDict得到的会是OrderedDict({'a':1,'b':2,'c':3})
■ namedtuple
namedtuple更像是一个“轻类”，可以在代码中临时创建出一个具有部分类以及类实例特征的东西，而不用class关键字等进行声明。其用法参考如下：
from collections import namedtuple # 通过namedtuple相当于创建了一个名为User的轻类，带有属性name,age和sex User = namedtuple('User',['name','age','sex']) # 实例化一个user对象 user = User('Frank',20,'male') # 获取对象的属性值 print user.name # 获取对象内容 print user # 输出为User(name="Frank",age=20,sex='male')
之所以为轻类，通过namedtuple得到的这类“实例”，针对其属性，一般情况下增删查改中我们只有查的权限。如果你在上面写了类似于user.name = 'Takanashi'或者user.phone = 'xxx'都会报错。
其实也不是完全不行，改可以通过user._replace(name='Takanashi')这样的方式来实现，不过需要注意其并不是真的修改了这个“实例”的属性，而是返回了一个修改后相同值的另一个“实例”（毕竟叫namedtuple，是个不可变类型，无法直接修改属性值）。
另外还有类似于user._asdict()的方法将这个“实例”的各个属性和其值转换成OrderedDict键值对的形式。
【shelve】
其实这个模块没啥好讲的。。只不过它躺在我笔记本里面并且是我第一个写的大一点的python脚本里用到的
shelve其实就是个能把字典的数据结构从内存里（动态的）转化到磁盘上的一个文件里（静态的），可以说是一个最最简单的数据库把。
用法也很简单，database = shelve.open('path')来打开或者创建一个shelve文件
之后就可以在程序中用类似于database['a'] = 1，database.keys()这样的方法来操作数据了。