Python 双端队列（简称 Deque）是一种并不常见的集合类型。在网上搜索资料时，你会发现关于列表、字典和元组的内容比比皆是，但有关 deque 的资料却寥寥无几。

Deque（也可读作 “deck”）是 Python 中一种有趣且实用的集合类型。它与其他数据结构的不同之处在于：仅会保留你设定数量及以内的元素，绝不会超出上限。

Deque到底是什么？

它遵循先进先出（FIFO） 规则工作。一旦双端队列已满，若再追加新元素，它就会舍弃最左侧第一个元素，并把新元素添加到最右侧。

我们通过几个基础示例来理解这种数据容器。首先，从集合导入：from collections import deque

创建Deque

接下来我们创建一个简单的双端队列，并设置最大长度为 3。

# Create a new deque with 3 (or less) elements
my_deck = deque(maxlen = 3)
# Adding one element
my_deck.append(1)
my_deck.append(2)
my_deck.append(3)
# View
my_deck
# deque([1, 2, 3])

很好。当我们的Deque已满后，留意一下再往里面添加新值时会发生什么。最左侧的第一个元素会被自动丢弃，腾出空间给右侧新加入的元素。

# It drops the first element and adds the new one at the end.
my_deck.append('extra')
deque([2, 3, 'extra'])

它遵循先进先出（FIFO）规则运行，原理和双端队列一致。

向左侧添加元素

要记住，这种数据结构名叫双端队列，因此你也可以从左侧追加或批量扩展元素。这种情况下，队列会自动舍弃最右侧的元素。

# Append to left
my_deck.appendleft('left')
# [OUT]: deque(['left', 2, 3])
# Extend to left
my_deck.extendleft(['d', 'd'])
#[OUT]: deque(['d', 'd', 'left'])

元素轮转

你还可以对元素进行轮转操作，将它们向左或向右移动一位（或多位）。

# Create a new deque with 3 (or less) elements
my_deck = deque(maxlen = 3)
# Adding one element
my_deck.extend([1,2,3]) # deque([1, 2, 3])
# Rotating the elements by one position to the right
my_deck.rotate() # deque([3, 1, 2])
# Rotate to the left
my_deck.rotate(-1) # deque([1, 2, 3])

除此之外，除了轮转操作，还可以轻松将双端队列元素整体反转。

# New deck
my_deck.extend([1, 2, 3]) 
#[OUT]: deque([1, 2, 3])
# Reverse deck
my_deck.reverse() 
# [OUT]: deque([3, 2, 1])

删除元素

在双端队列中，你可以从左侧、右侧删除元素，也可以按元素值进行删除。

# New deck
my_deck = deque(maxlen = 3)
my_deck.extend([1, 2, 3]) 
# [OUT]: deque([1, 2, 3])
# Remove item from the left
my_deck.popleft() 
# [OUT]: deque([2, 3])
#---
# New deck
my_deck = deque(maxlen = 3)
my_deck.extend([1, 2, 3]) 
# [OUT]: deque([1, 2, 3])
# Remove item from the right
my_deck.pop() 
# [OUT]: deque([1, 2])
#---
# New deck
my_deck = deque(maxlen = 3)
my_deck.extend([1, 'a', 3]) 
# [OUT]: deque([1, 'a', 3])
# Remove item by name
my_deck.remove('a') 
# [OUT]: deque([1, 3])

你还可以清空双端队列，移除其中所有元素。

my_deck.clear() 
#[OUT]: deque([])

应用场景

1. 最近搜索记录（内存管理）

普通列表可以无限制扩容，而 Deque 拥有 maxlen 最大长度参数。

这一特性非常适合最近浏览、最近搜索记录这类功能场景：只需保留最新的 N 条数据，无需手动删除旧数据。

# Keep only the last 3 user searches
search_history = deque(maxlen=3)
search_history.append("Python tutorials")
search_history.append("Machine Learning")
search_history.append("Data Science")
search_history.append("Deep Learning") # "Python tutorials" is automatically removed
print(list(search_history))
# Output: ['Machine Learning', 'Data Science', 'Deep Learning']

2. 实时数据流与移动平均值

在数据科学或物联网场景中，我们经常需要对数据流（例如温度传感器数据、股票价格）计算移动平均值。使用 Deque 可以高效维护数据的滑动窗口。

def moving_average(stream, window_size=5):
    window = deque(maxlen=window_size)
    for val in stream:
        window.append(val)
        if len(window) == window_size:
            yield sum(window) / window_size
# Usage: Calculating average of a sensor reading stream
data_stream = [20, 21, 20, 22, 23, 25, 24]
print(list(moving_average(data_stream, window_size=3)))

3. 多线程任务队列（线程安全）

在 CPython 中，Deque 还有一个隐藏优势：append() 和 popleft() 操作是线程安全的。这让它非常适合实现简易的生产者 - 消费者模式：一个线程负责添加任务，另一个线程负责执行任务。

import threading
from collections import deque
task_queue = deque()
def producer():
    for i in range(5):
        task_queue.append(f"Task {i}") # Thread-safe append
def consumer():
    while True:
        try:
            task = task_queue.popleft() # Thread-safe pop
            print(f"Processing {task}")
        except IndexError:
            break

我们来看实际效果演示。

# Generate Tasks
producer()
task_queue
# [OUT] deque(['Task 0', 'Task 1', 'Task 2', 'Task 3', 'Task 4'])
# Consume Tasks
consumer()
# [OUT]
# Processing Task 0
# Processing Task 1
# Processing Task 2
# Processing Task 3
# Processing Task 4
# Check Queue
task_queue
# [OUT] deque([])