一招鲜，吃遍天。这位朋友，你是不是也因为在刷题过程中一遍又一遍地进行繁琐的编码而头疼？那你必须得了解一下Python语言中的那些高级数据结构。它们简单易用，却又功能强大，甚至可以用一行代码完成其他语言几十行才能实现的算法。本文将为你详细介绍Python中常用的一些高级数据结构：@cache，Counter等。

1. functools 模块中的 @cache

在刷LeetCode等题目时，我们常常会用到递归。递归虽好，但同样的计算会进行多次，导致运行时间过长。这时候，Python的 functools 模块中的 @cache 就派上用场了。

@cache可以记住函数的输入和对应的输出，如果下次碰到相同的输入，它会直接返回记忆中的输出，而不再重新计算。这种方法叫做“记忆化”，是一种常见的优化技术。

from functools import cache

@cache
def fib(n):
    if n < 2:
        return n
    return fib(n-1) + fib(n-2)

2. collections 模块中的 Counter

在编程题中，我们经常需要计数，例如找出数组中出现次数最多的元素，统计字符串中字母的出现频率。Python的 collections 模块中的 Counter 类就是为此量身定做的。

Counter可以用于进行哈希计数。当你用一个iterable对象（例如列表或字符串）初始化一个Counter对象时，它会返回一个字典，其中键为元素，值为元素的计数。

from collections import Counter

nums = [1,1,1,2,2,3]
counter = Counter(nums)
print(counter)  # 输出 Counter({1: 3, 2: 2, 3: 1})

结语

Python的语法简洁，库函数丰富，是解题的最佳选择之一。通过理解和运用高级的数据结构，我们不仅可以提升编码效率，而且能写出更简洁、优雅的代码。以上仅仅是Python中的两个常用高级数据结构，还有更多的高级数据结构等着你去发掘。持续学习，持续进步，祝你在解题的道路上一帆风顺！