# Модуль collections

Модуль **`collections`** в Python — это стандартная библиотека, которая предоставляет специализированные контейнеры данных с дополнительной функциональностью по сравнению с базовыми типами данных (список, словарь, множество и т.д.). Он часто используется в автоматизации для удобной работы с коллекциями данных.

Основные структуры данных из `collections`:

1. **`namedtuple`**\
   — Создаёт кортеж с именованными полями. Удобен, когда нужно иметь кортеж с доступом к элементам по имени, а не только по индексу.

   ```python
   from collections import namedtuple
   Point = namedtuple('Point', ['x', 'y'])
   p = Point(10, 20)
   print(p.x)  # 10
   ```
2. **`deque`**\
   — Двунаправленная очередь с быстрыми операциями добавления и удаления с обоих концов (очень эффективна для очередей и стэков).

   ```python
   from collections import deque
   d = deque([1, 2, 3])
   d.appendleft(0)
   d.pop()
   ```
3. **`Counter`**\
   — Счётчик элементов в итерируемом объекте, удобно для подсчёта повторений.

   ```python
   from collections import Counter
   c = Counter(['a', 'b', 'a', 'c', 'b', 'a'])
   print(c)  # Counter({'a': 3, 'b': 2, 'c': 1})
   ```
4. **`OrderedDict`** (до Python 3.7 имел смысл, с 3.7 обычный dict уже сохраняет порядок вставки)\
   — Словарь, который сохраняет порядок добавления элементов. Полезен, если важен порядок.

   ```python
   from collections import OrderedDict
   od = OrderedDict()
   od['one'] = 1
   od['two'] = 2
   ```
5. **`defaultdict`**\
   — Словарь с значениями по умолчанию. При обращении к несуществующему ключу автоматически создаёт значение по заданной функции.

   ```python
   from collections import defaultdict
   dd = defaultdict(int)  # по умолчанию 0
   dd['a'] += 1
   print(dd['a'])  # 1
   ```

***

#### Когда полезен в автоматизации?

* `Counter` для подсчёта, например, количества успешных/неуспешных тестов.
* `defaultdict` — удобен при агрегации данных по ключам (например, группировка логов по типу).
* `deque` — для реализации очередей заданий, если нужна эффективная вставка/удаление.
* `namedtuple` — для структурирования данных с именованными полями (например, результаты тестов).

***

#### Пример 1. Использование `Counter` для подсчёта результатов тестов

Представим, что у нас есть список результатов запуска тестов, и мы хотим посчитать, сколько было успешных и неуспешных тестов.

```python
from collections import Counter

def test_results_summary():
    # Имитируем результаты тестов
    test_results = ['passed', 'failed', 'passed', 'skipped', 'failed', 'passed']

    counter = Counter(test_results)

    assert counter['passed'] == 3
    assert counter['failed'] == 2
    assert counter['skipped'] == 1
```

***

#### Пример 2. Использование `defaultdict` для группировки логов по уровню

```python
from collections import defaultdict

def test_group_logs_by_level():
    logs = [
        ('ERROR', 'Null pointer exception'),
        ('INFO', 'Started process'),
        ('ERROR', 'Index out of range'),
        ('DEBUG', 'Variable x = 10'),
        ('INFO', 'Process finished'),
    ]

    grouped_logs = defaultdict(list)

    for level, message in logs:
        grouped_logs[level].append(message)

    assert len(grouped_logs['ERROR']) == 2
    assert len(grouped_logs['INFO']) == 2
    assert len(grouped_logs['DEBUG']) == 1
```

***

#### Пример 3. Использование `namedtuple` для структурирования данных теста

```python
from collections import namedtuple

TestCase = namedtuple('TestCase', ['name', 'input_data', 'expected_result'])

def test_using_namedtuple():
    test_case = TestCase(name='Check addition', input_data=(2, 3), expected_result=5)

    result = sum(test_case.input_data)

    assert result == test_case.expected_result
```

***

#### Пример 4. Использование `deque` для очереди задач в тесте

```python
from collections import deque

def test_task_queue():
    tasks = deque(['test_login', 'test_logout', 'test_payment'])

    # Выполняем первый тест
    current_task = tasks.popleft()
    assert current_task == 'test_login'

    # Добавим новый тест в очередь
    tasks.append('test_profile')

    assert list(tasks) == ['test_logout', 'test_payment', 'test_profile']
```


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://kaze.gitbook.io/qa-theory/osnovy-programmirovaniya-na-python/modul-collections.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.