关于 collections 模块
python 自带的一些数据类型已经非常实用了，但在一些情况下，原生的数据结构并不能满足我们的需求。而在 python 中，想从底层定义一种数据类型又特别困难。因此， python 在它的 collections 模块中又为我们提供了几种新的数据类型，灵活的使用它们将会提升我们编写程序的效率。
1. 为什么要用命名元组
很多时候，我们需要用比较规范的形式将数据组织在一起，而对于简单的数据，使用结构体就有一些大材小用了。这个时候， namedtuple 这个类就可以很好地帮我们解决这一个问题。
2. 定义元组
命名元组的定义方式是： namedtuple(typename, field_names) ，其中 typename 是这一种命名元组的名字，而 field_names 是元素对应的名称，而且它可以为下面的任意一种形式：
['x', 'y']
'x y'
'x, y'
介绍了申明的方法了之后，我们就拿一个最简单的例子来实战一下。在 python 程序中，我们经常用到“点”这样的类型，而这种时候命名元组的便捷性就体现出来了。
from collections import namedtuple
p = namedtuple('Point', ['x', 'y'])
这样，我们就定义了一种新的命名元组，接下来我们就可以使用它了。
3. 使用元组
接下来，我们用定义好的命名元组创建两个新的元组：
a = p(1, 2)
b = p(x=3, y=4)
print(a)
可以看到，初始化命名元组时，直接赋值与关键字赋值都是可以的，而这一段程序的输出结果是：
Point(x=1, y=2)
前面的 Point ，就是我们刚刚标记的命名元组名称。这样就说明 a 和 b 这两个变量已经是 Point 类型的了。此时，我们试一下求一下这两个点之间的距离。
dis = lambda a, b : ((a.x - b.x) ** 2 + (a.y - b.y) ** 2) ** 0.5
print(dis(a, b))
2.8284271247461903
可以看到，这个时候我们就可以通过 a.x 这样的形式访问命名元组中的元素了。当然，我们还是可以像之前一样，使用 a[0] 来获取第一个元素。
4. 将一个列表导入到命名元组
有些时候，我们想将一个列表导入到命名元组中，这个时候我们就可以使用 _make() 方法来完成。
l = [1, 2]
a = p._make(l)
print(a)
Point(x=1, y=2)
有些时候，将列表转化为命名元组，会更有利于数据的处理，因此要灵活使用这一项功能。
5. 修改命名元组的值
标题看上去很令人疑惑--一个元组的值怎么能被修改呢。其实所谓的“修改”，就是新建一个修改后的元组，替换原有的元组，这样相当于间接地完成了元组的修改。而这一个功能可以通过内置方法 _replace() 来实现。
a = p(x=1, y=2)
a._replace(x=3)
print(a)
Point(x=3, y=2)
这样通过内置方法，我们就可以去“修改”命名元组的值了。
6. 命名元组的嵌套
比方说，我之前定义了一个命名元组叫 Point，而我现在想要定义一个正方形 Square ，它由 x, y, a 组成。那么这个时候，我们能否套用之前 Point 的定义，去组合出 Square 这个类型呢？
这当然是可以的，当我们使用命名元组的 _fields 这一个属性时，它将会返回这个元组组成的元素名称。
>>> p._fields
('x', 'y')
而将这个返回值用于定义新命名元组时的参数设定，我们也就实现了命名元组的嵌套：
sq = namedtuple('Square', p.fields + ('a',))
s = sq(1, 1, 4)
print(s)
Square(x=1, y=1, a=4)
这样我们就实现了一个正方形的定义。那我们能不能用另方法，去定义实现一种新的命名元组"矩形" Rectangle ，它由两组 x ， y 坐标组成呢？
rect = namedtuple('Rectangle', p._fields * 2)
Encountered duplicate field name: 'x'
可以看到，它提示我们有重复的属性 x ，因为命名元组要求参数唯一，这也是命名元组相较于结构体的一个缺陷。这时我们只能老老实实的用不同的变量名了。。。
rect = namedtuple('Rectangle', 'x1 y1 x2 y2')
r = rect(0, 0, 4, 4)
print(r)
Rectangle(x1=0, y1=0, x2=4, y2=4)
结语
正确地使用 namedtuple 可以使我们的代码变得更加直观，并且相较于结构体，它的定义更加的轻量化。不过当然，在某些情况下，我们还是需要使用结构体来完成更复杂的操作。因此我们在编程时应当作出合理的选择，这样才能发挥 python 最大的效率。