首页 文章

如何计算列表项的出现次数？

提问于
浏览 次
1185

给定一个项目，如何在Python的列表中计算它的出现次数？

python list count

22 回答

  • 205

    在字典中获取每个项目出现次数的另一种方法：

    dict((i, a.count(i)) for i in a)
    回复于
  • 11
    # Python >= 2.6 (defaultdict) && < 2.7 (Counter, OrderedDict)
from collections import defaultdict
def count_unsorted_list_items(items):
    """
    :param items: iterable of hashable items to count
    :type items: iterable

    :returns: dict of counts like Py2.7 Counter
    :rtype: dict
    """
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


# Python >= 2.2 (generators)
def count_sorted_list_items(items):
    """
    :param items: sorted iterable of items to count
    :type items: sorted iterable

    :returns: generator of (item, count) tuples
    :rtype: generator
    """
    if not items:
        return
    elif len(items) == 1:
        yield (items[0], 1)
        return
    prev_item = items[0]
    count = 1
    for item in items[1:]:
        if prev_item == item:
            count += 1
        else:
            yield (prev_item, count)
            count = 1
            prev_item = item
    yield (item, count)
    return


import unittest
class TestListCounters(unittest.TestCase):
    def test_count_unsorted_list_items(self):
        D = (
            ([], []),
            ([2], [(2,1)]),
            ([2,2], [(2,2)]),
            ([2,2,2,2,3,3,5,5], [(2,4), (3,2), (5,2)]),
            )
        for inp, exp_outp in D:
            counts = count_unsorted_list_items(inp) 
            print inp, exp_outp, counts
            self.assertEqual(counts, dict( exp_outp ))

        inp, exp_outp = UNSORTED_WIN = ([2,2,4,2], [(2,3), (4,1)])
        self.assertEqual(dict( exp_outp ), count_unsorted_list_items(inp) )


    def test_count_sorted_list_items(self):
        D = (
            ([], []),
            ([2], [(2,1)]),
            ([2,2], [(2,2)]),
            ([2,2,2,2,3,3,5,5], [(2,4), (3,2), (5,2)]),
            )
        for inp, exp_outp in D:
            counts = list( count_sorted_list_items(inp) )
            print inp, exp_outp, counts
            self.assertEqual(counts, exp_outp)

        inp, exp_outp = UNSORTED_FAIL = ([2,2,4,2], [(2,3), (4,1)])
        self.assertEqual(exp_outp, list( count_sorted_list_items(inp) ))
        # ... [(2,2), (4,1), (2,1)]
    回复于
  • 59

    我今天遇到了这个问题并在我想检查之前推出了自己的解决方案 . 这个：

    dict((i,a.count(i)) for i in a)

    对于大型列表来说真的非常慢 . 我的解决方案

    def occurDict(items):
    d = {}
    for i in items:
        if i in d:
            d[i] = d[i]+1
        else:
            d[i] = 1
return d

    实际上比Counter解决方案快一点，至少对于Python 2.7来说 .

    回复于
  • 11

    以下是三种解决方案：

    Fastest is using a for loop and storing it in a Dict.

    import time
from collections import Counter


def countElement(a):
    g = {}
    for i in a:
        if i in g: 
            g[i] +=1
        else: 
            g[i] =1
    return g


z = [1,1,1,1,2,2,2,2,3,3,4,5,5,234,23,3,12,3,123,12,31,23,13,2,4,23,42,42,34,234,23,42,34,23,423,42,34,23,423,4,234,23,42,34,23,4,23,423,4,23,4]


#Solution 1 - Faster
st = time.monotonic()
for i in range(1000000):
    b = countElement(z)
et = time.monotonic()
print(b)
print('Simple for loop and storing it in dict - Duration: {}'.format(et - st))

#Solution 2 - Fast
st = time.monotonic()
for i in range(1000000):
    a = Counter(z)
et = time.monotonic()
print (a)
print('Using collections.Counter - Duration: {}'.format(et - st))

#Solution 3 - Slow
st = time.monotonic()
for i in range(1000000):
    g = dict([(i, z.count(i)) for i in set(z)])
et = time.monotonic()
print(g)
print('Using list comprehension - Duration: {}'.format(et - st))

    Result

    #Solution 1 - 更快

    {1: 4, 2: 5, 3: 4, 4: 6, 5: 2, 234: 3, 23: 10, 12: 2, 123: 1, 31: 1, 13: 1, 42: 5, 34: 4, 423: 3}
Simple for loop and storing it in dict - Duration: 12.032000000000153

    #Solution 2 - 快速

    Counter({23: 10, 4: 6, 2: 5, 42: 5, 1: 4, 3: 4, 34: 4, 234: 3, 423: 3, 5: 2, 12: 2, 123: 1, 31: 1, 13: 1})
Using collections.Counter - Duration: 15.889999999999418

    #Solution 3 - 慢

    {1: 4, 2: 5, 3: 4, 4: 6, 5: 2, 34: 4, 423: 3, 234: 3, 42: 5, 12: 2, 13: 1, 23: 10, 123: 1, 31: 1}
Using list comprehension - Duration: 33.0
    回复于
  • 28

    您还可以使用内置模块operator的countOf方法 .

    >>> import operator
>>> operator.countOf([1, 2, 3, 4, 1, 4, 1], 1)
3
    回复于
  • 1530

    list.count(x) 返回 x 出现在列表中的次数

    见：http://docs.python.org/tutorial/datastructures.html#more-on-lists

    回复于
  • 41
    sum([1 for elem in <yourlist> if elem==<your_value>])

    这将返回your_value的出现次数

    回复于
  • 1

    Counting the occurrences of one item in a list

    要计算只有一个列表项的出现次数，您可以使用 count()

    >>> l = ["a","b","b"]
>>> l.count("a")
1
>>> l.count("b")
2

    计算列表中所有项目的出现次数也称为"tallying"列表，或创建计数器计数器 .

    Counting all items with count()

    要计算 l 中项目的出现次数，可以简单地使用列表推导和 count() 方法

    [[x,l.count(x)] for x in set(l)]

    （或类似于字典 dict((x,l.count(x)) for x in set(l)) ）

    例：

    >>> l = ["a","b","b"]
>>> [[x,l.count(x)] for x in set(l)]
[['a', 1], ['b', 2]]
>>> dict((x,l.count(x)) for x in set(l))
{'a': 1, 'b': 2}

    Counting all items with Counter()

    或者， collections 库中的 Counter 类更快

    Counter(l)

    例：

    >>> l = ["a","b","b"]
>>> from collections import Counter
>>> Counter(l)
Counter({'b': 2, 'a': 1})

    How much faster is Counter?

    我检查了 Counter 用于计算列表的速度有多快 . 我用 n 的几个值尝试了两种方法，并且看起来 Counter 的常数因子大约为2 .

    这是我用过的脚本：

    from __future__ import print_function
import timeit

t1=timeit.Timer('Counter(l)', \
                'import random;import string;from collections import Counter;n=1000;l=[random.choice(string.ascii_letters) for x in range(n)]'
                )

t2=timeit.Timer('[[x,l.count(x)] for x in set(l)]',
                'import random;import string;n=1000;l=[random.choice(string.ascii_letters) for x in range(n)]'
                )

print("Counter(): ", t1.repeat(repeat=3,number=10000))
print("count():   ", t2.repeat(repeat=3,number=10000)

    并输出：

    Counter():  [0.46062711701961234, 0.4022796869976446, 0.3974247490405105]
count():    [7.779430688009597, 7.962715800967999, 8.420845870045014]
    回复于
  • 3

    如果您只想要一个项目的计数，请使用 count 方法：

    >>> [1, 2, 3, 4, 1, 4, 1].count(1)
3

    Don't 如果要计算多个项目，请使用此项 . 在循环中调用 count 需要在每个 count 调用的列表上单独传递，这对性能来说可能是灾难性的 . 如果要计算所有项目，或者甚至只计算多个项目，请使用 Counter ，如其他答案中所述 .

    回复于
  • 16

    为什么不使用熊猫？

    import pandas as pd

l = ['a', 'b', 'c', 'd', 'a', 'd', 'a']

# converting the list to a Series and counting the values
my_count = pd.Series(l).value_counts()
my_count

    输出：

    a    3
d    2
b    1
c    1
dtype: int64

    如果您正在寻找特定元素的计数，请说：a，尝试：

    my_count['a']

    输出：

    3
    回复于
  • 24

    使用itertools.groupby（）计算所有元素的数量

    用于获取列表中所有元素计数的Antoher可能性可以通过 itertools.groupby() .

    With "duplicate" counts

    from itertools import groupby

L = ['a', 'a', 'a', 't', 'q', 'a', 'd', 'a', 'd', 'c']  # Input list

counts = [(i, len(list(c))) for i,c in groupby(L)]      # Create value-count pairs as list of tuples 
print(counts)

    返回

    [('a', 3), ('t', 1), ('q', 1), ('a', 1), ('d', 1), ('a', 1), ('d', 1), ('c', 1)]

    注意它如何将前三个 a 组合为第一组，而 a 的其他组则位于列表的下方 . 发生这种情况是因为输入列表 L 未排序 . 如果这些团体实际上应该是分开的，那么这有时会带来好处 .

    With unique counts

    如果需要唯一的组计数，只需对输入列表进行排序：

    counts = [(i, len(list(c))) for i,c in groupby(sorted(L))]
print(counts)

    返回

    [('a', 5), ('c', 1), ('d', 2), ('q', 1), ('t', 1)]
    回复于
  • 1
    def countfrequncyinarray(arr1):
    r=len(arr1)
    return {i:arr1.count(i) for i in range(1,r+1)}
arr1=[4,4,4,4]
a=countfrequncyinarray(arr1)
print(a)
    回复于
  • 27

    给定一个项目，如何在Python的列表中计算它的出现次数？

    这是一个示例列表：

    >>> l = list('aaaaabbbbcccdde')
>>> l
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e']

    list.count

    有 list.count 方法

    >>> l.count('b')
4

    这适用于任何列表 . 元组也有这种方法：

    >>> t = tuple('aabbbffffff')
>>> t
('a', 'a', 'b', 'b', 'b', 'f', 'f', 'f', 'f', 'f', 'f')
>>> t.count('f')
6

    collections.Counter

    然后就是馆藏 . 计数器 . 您可以将任何iterable转储到Counter中，而不仅仅是列表，Counter将保留元素计数的数据结构 .

    用法：

    >>> from collections import Counter
>>> c = Counter(l)
>>> c['b']
4

    计数器基于Python字典，它们的键是元素，因此键需要是可清除的 . 它们基本上就像允许冗余元素进入它们的集合 .

    collections.Counter的进一步使用

    您可以使用计数器中的可迭代添加或减去：

    >>> c.update(list('bbb'))
>>> c['b']
7
>>> c.subtract(list('bbb'))
>>> c['b']
4

    您也可以使用计数器进行多组操作：

    >>> c2 = Counter(list('aabbxyz'))
>>> c - c2                   # set difference
Counter({'a': 3, 'c': 3, 'b': 2, 'd': 2, 'e': 1})
>>> c + c2                   # addition of all elements
Counter({'a': 7, 'b': 6, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c | c2                   # set union
Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c & c2                   # set intersection
Counter({'a': 2, 'b': 2})

    为什么不是熊猫？

    另一个答案暗示：

    为什么不用大熊猫？

    Pandas是一个常见的库，但它不在标准库中 . 将其添加为要求并非易事 .

    在列表对象本身以及标准库中有针对此用例的内置解决方案 .

    如果你的项目还不需要pandas，那么仅仅为了这个功能而要求它是愚蠢的 .

    回复于
  • 6

    如果您想要特定元素的多次出现：

    >>> from collections import Counter
>>> z = ['blue', 'red', 'blue', 'yellow', 'blue', 'red']
>>> single_occurrences = Counter(z)
>>> print(single_occurrences.get("blue"))
3
>>> print(single_occurrences.values())
dict_values([3, 2, 1])
    回复于
  • 14

    如果你想 count all values at once 你可以使用numpy数组和 bincount 非常快地完成它，如下所示

    import numpy as np
a = np.array([1, 2, 3, 4, 1, 4, 1])
np.bincount(a)

    这使

    >>> array([0, 3, 1, 1, 2])
    回复于
  • 2

    建议使用numpy的bincount，但它仅适用于具有非负整数的1d数组 . 此外，生成的数组可能会令人困惑（它包含从原始列表的min到max的整数出现，并将缺少的整数设置为0） .

    使用numpy更好的方法是使用unique函数，并将属性 return_counts 设置为True . 它返回一个元组，其中包含唯一值的数组和每个唯一值的出现数组 .

    # a = [1, 1, 0, 2, 1, 0, 3, 3]
a_uniq, counts = np.unique(a, return_counts=True)  # array([0, 1, 2, 3]), array([2, 3, 1, 2]

    然后我们可以将它们配对

    dict(zip(a_uniq, counts))  # {0: 2, 1: 3, 2: 1, 3: 2}

    它也适用于其他数据类型和“2d列出“，例如

    >>> a = [['a', 'b', 'b', 'b'], ['a', 'c', 'c', 'a']]
>>> dict(zip(*np.unique(a, return_counts=True)))
{'a': 3, 'b': 3, 'c': 2}
    回复于
  • 4

    要计算具有共同类型的不同元素的数量：

    li = ['A0','c5','A8','A2','A5','c2','A3','A9']

print sum(1 for el in li if el[0]=='A' and el[1] in '01234')

    给

    3 ，而不是6

    回复于
  • 0

    我已经将所有建议的解决方案（以及一些新解决方案）与perfplot（我的一个小项目）进行了比较 .

    计算一个项目

    对于足够大的数组，事实证明

    numpy.sum(numpy.array(a) == 1)

    比其他解决方案略快 .

    enter image description here

    计算所有项目

    As established before，

    numpy.bincount(a)

    是你想要的 .

    enter image description here

    重现情节的代码：

    from collections import Counter
from collections import defaultdict
import numpy
import operator
import pandas
import perfplot


def counter(a):
    return Counter(a)


def count(a):
    return dict((i, a.count(i)) for i in set(a))


def bincount(a):
    return numpy.bincount(a)


def pandas_value_counts(a):
    return pandas.Series(a).value_counts()


def occur_dict(a):
    d = {}
    for i in a:
        if i in d:
            d[i] = d[i]+1
        else:
            d[i] = 1
    return d


def count_unsorted_list_items(items):
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


def operator_countof(a):
    return dict((i, operator.countOf(a, i)) for i in set(a))


perfplot.show(
    setup=lambda n: list(numpy.random.randint(0, 100, n)),
    n_range=[2**k for k in range(20)],
    kernels=[
        counter, count, bincount, pandas_value_counts, occur_dict,
        count_unsorted_list_items, operator_countof
        ],
    equality_check=None,
    logx=True,
    logy=True,
    )

    2 .

    from collections import Counter
from collections import defaultdict
import numpy
import operator
import pandas
import perfplot


def counter(a):
    return Counter(a)


def count(a):
    return dict((i, a.count(i)) for i in set(a))


def bincount(a):
    return numpy.bincount(a)


def pandas_value_counts(a):
    return pandas.Series(a).value_counts()


def occur_dict(a):
    d = {}
    for i in a:
        if i in d:
            d[i] = d[i]+1
        else:
            d[i] = 1
    return d


def count_unsorted_list_items(items):
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


def operator_countof(a):
    return dict((i, operator.countOf(a, i)) for i in set(a))


perfplot.show(
    setup=lambda n: list(numpy.random.randint(0, 100, n)),
    n_range=[2**k for k in range(20)],
    kernels=[
        counter, count, bincount, pandas_value_counts, occur_dict,
        count_unsorted_list_items, operator_countof
        ],
    equality_check=None,
    logx=True,
    logy=True,
    )
    回复于
  • 1427

    可能不是最有效的，需要额外的通过来删除重复 .

    功能实施：

    arr = np.array(['a','a','b','b','b','c'])
print(set(map(lambda x  : (x , list(arr).count(x)) , arr)))

    回报：

    {('c', 1), ('b', 3), ('a', 2)}

    或者返回 dict ：

    print(dict(map(lambda x  : (x , list(arr).count(x)) , arr)))

    回报：

    {'b': 3, 'c': 1, 'a': 2}
    回复于
  • 1

    如果您可以使用 pandas ，那么 value_counts 就可以进行救援了 .

    >>> import pandas as pd
>>> a = [1, 2, 3, 4, 1, 4, 1]
>>> pd.Series(a).value_counts()
1    3
4    2
3    1
2    1
dtype: int64

    它还会根据频率自动对结果进行排序 .

    如果您希望结果位于列表列表中，请执行以下操作

    >>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]
    回复于
  • 0
    from collections import Counter
country=['Uruguay', 'Mexico', 'Uruguay', 'France', 'Mexico']
count_country = Counter(country)
output_list= [] 

for i in count_country:
    output_list.append([i,count_country[i]])
print output_list

    输出清单：

    [['Mexico', 2], ['France', 1], ['Uruguay', 2]]
    回复于
  • 0

    如果您使用的是Python 2.7或3，并且您希望每个元素出现次数：

    >>> from collections import Counter
>>> z = ['blue', 'red', 'blue', 'yellow', 'blue', 'red']
>>> Counter(z)
Counter({'blue': 3, 'red': 2, 'yellow': 1})
    回复于

相关问题