如何计算列表项出现的次数？-IT科技

摘要：问题描述：给定一个项目，在 Python 中如何计算它在列表中出现的次数？一个相关但不同的问题是计算集合中每个不同元素的出现次数，将字典或列表作为直方图结果而不是单个整数。对于该问题，请参阅使用字典计算列表中的项目数。解决方案 1：如果您只想要单个项目的数量，请使用该count方法：>>> ...

问题描述：

给定一个项目，在 Python 中如何计算它在列表中出现的次数？

一个相关但不同的问题是计算集合中每个不同元素的出现次数，将字典或列表作为直方图结果而不是单个整数。对于该问题，请参阅使用字典计算列表中的项目数。

解决方案 1：

如果您只想要单个项目的数量，请使用该count方法：

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

重要提示：如果你要计算多个不同的项目，这会非常慢

每次count调用都会遍历整个元素列表n。count循环调用n意味着要n * n进行全面检查，这对于性能来说可能是灾难性的。

如果您要计算多个项目，请使用Counter，它仅进行n总体检查。

解决方案 2：

Counter如果您使用的是 Python 2.7 或 3.x，并且想要了解每个元素的出现次数，请使用：

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

解决方案 3：

计算列表中某项出现的次数

要计算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“计数”列表或创建计数器。

使用 count() 计算所有项目

要计算一个元素的出现次数，l可以简单地使用列表推导和count()方法

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

（或类似地使用字典dict((x,l.count(x)) for x in set(l))）

例子：

>>> 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}

使用 Counter() 对所有项目进行计数

Counter另外，图书馆还有更快的collections课程

Counter(l)

例子：

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

Counter 速度有多快？

我检查了计数列表的速度有多快Counter。我用几个值尝试了这两种方法n，结果显示Counter速度大约快了 2 倍。

以下是我使用的脚本：

from __future__ import print_function
import timeit

t1=timeit.Timer('Counter(l)', \n                '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)

输出结果如下：

Counter():  [0.46062711701961234, 0.4022796869976446, 0.3974247490405105]
count():    [7.779430688009597, 7.962715800967999, 8.420845870045014]

解决方案 4：

获取字典中每个项目出现次数的另一种方法：

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

解决方案 5：

给定一个项目，如何计算它在 Python 列表中出现的次数？

以下是示例列表：

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

`list.count`

list.count方法如下

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

这对任何列表都适用。元组也有这个方法：

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

`collections.Counter`

然后是 collections.Counter。您可以将任何可迭代对象转储到 Counter 中，而不仅仅是列表，并且 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，其键是元素，因此键需要可哈希化。它们基本上类似于允许冗余元素进入的集合。

进一步使用`collections.Counter`

您可以使用可迭代对象从计数器中添加或减去：

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

你也可以用计数器执行多重集合操作：

>>> 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})

愚蠢的回答，总结

有很好的内置答案，但这个例子有点启发性。这里我们把字符 c 等于的所有出现次数相加'b'：

>>> sum(c == 'b' for c in l)
4

对于这个用例来说不是很好，但如果您需要对情况进行迭代计数，那么True对布尔结果求和就可以了，因为True相当于1。

为什么不是熊猫？

另一个答案建议：

为什么不使用熊猫？

Pandas 是一个通用库，但它不在标准库中。将其添加为要求并非易事。

列表对象本身以及标准库中都有针对此用例的内置解决方案。

如果您的项目还不需要 pandas，那么仅仅为了此功能而将其作为要求是愚蠢的。

解决方案 6：

我将所有建议的解决方案（以及一些新的解决方案）与perfplot（我的一个小项目）进行了比较。

计数一个项目

对于足够大的数组，结果是

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

比其他解决方案稍快一些。

在此处输入图片描述

计算所有项目

正如之前所确定的，

numpy.bincount(a)

就是你想要的。

在此处输入图片描述

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,
    )

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))


b = perfplot.bench(
    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,
)
b.save("out.png")
b.show()

解决方案 7：

list.count(x)`x`返回列表中出现的次数

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

解决方案 8：

如果你想一次性计算所有值，你可以使用 numpy 数组快速完成，bincount如下所示

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

由此得出

>>> array([0, 3, 1, 1, 2])

解决方案 9：

为什么不使用 Pandas？

import pandas as pd

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

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

输出：

a    3
d    2
b    1
c    1
dtype: int64

如果您要查找特定元素的数量，例如，请尝试：

my_count['a']

输出：

解决方案 10：

如果你能使用pandas，那么value_counts就可以进行救援。

>>> 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。

如果您希望结果在列表中，请执行以下操作

>>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]

解决方案 11：

我今天遇到了这个问题，在我想检查一下之前，我提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，速度确实非常慢。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 解决方案要快一点，至少对于 Python 2.7 来说是这样。

解决方案 12：

计数所有元素`itertools.groupby()`

另一种获取列表中所有元素数量的方法是通过itertools.groupby()。

有“重复”计数

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)

[('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组合a为第一组，而其他组则a位于列表的下方。发生这种情况是因为输入列表L未排序。如果各组实际上应该分开，这有时可能会带来好处。

具有唯一计数

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)

[('a', 5), ('c', 1), ('d', 2), ('q', 1), ('t', 1)]

注意：对于创建唯一计数，与解决方案相比，许多其他答案提供了更简单、更易读的代码groupby。但此处显示的代码与重复计数示例相似。

解决方案 13：

虽然这是一个很老的问题，但由于我没有找到一个单行代码，所以我做了一个。

# original numbers in list
l = [1, 2, 2, 3, 3, 3, 4]

# empty dictionary to hold pair of number and its count
d = {}

# loop through all elements and store count
[ d.update( {i:d.get(i, 0)+1} ) for i in l ]

print(d)
# {1: 1, 2: 2, 3: 3, 4: 1}

解决方案 14：

# 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)]

解决方案 15：

以下是三种解决方案：

最快的是使用 for 循环并将其存储在 Dict 中。

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))

结果

#Solution 1 - Faster

{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 - Fast

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 - Slow

{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

解决方案 16：

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（它包含原始列表中从最小到最大的整数的出现次数，并将缺失的整数设置为 0）。

使用 numpy 执行此操作的更好方法是使用将属性设置为 True 的uniquereturn_counts函数。它返回一个元组，其中包含唯一值数组和每个唯一值出现的数组。

# 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为

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

它还适用于其他数据类型和“二维列表”，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}

解决方案 17：

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')

给出

3 ，不是 6

解决方案 18：

您也可以使用countOf内置模块的方法operator。

>>> import operator
>>> operator.countOf([1, 2, 3, 4, 1, 4, 1], 1)
3

解决方案 19：

我会使用filter()，以 Lukasz 为例：

>>> lst = [1, 2, 3, 4, 1, 4, 1]
>>> len(filter(lambda x: x==1, lst))
3

解决方案 20：

使用 %timeit 来查看哪个操作更有效率。np.array 计数操作应该更快。

 from collections import Counter
 mylist = [1,7,7,7,3,9,9,9,7,9,10,0] 
 types_counts=Counter(mylist)
 print(types_counts)

解决方案 21：

可能不是最有效的，需要额外传递一次来删除重复项。

功能实现：

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

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

或返回dict：

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

{'b': 3, 'c': 1, 'a': 2}

解决方案 22：

给定一个列表 X

 import numpy as np
 X = [1, -1, 1, -1, 1]

显示此列表元素的 i：频率（i）的字典是：

{i:X.count(i) for i in np.unique(X)}

输出：

{-1: 2, 1: 3}

解决方案 23：

mot = ["compte", "france", "zied"]
lst = ["compte", "france", "france", "france", "france"]
dict((x, lst.count(x)) for x in set(mot))

这给出

{'compte': 1, 'france': 4, 'zied': 0}

解决方案 24：

或者，你也可以自己实现计数器。这是我的做法：

item_list = ['me', 'me', 'you', 'you', 'you', 'they']

occ_dict = {}

for item in item_list:
    if item not in occ_dict:
        occ_dict[item] = 1
    else:
        occ_dict[item] +=1

print(occ_dict)

输出：{'me': 2, 'you': 3, 'they': 1}

解决方案 25：

sum([1 for elem in <yourlist> if elem==<your_value>])

这将返回 your_value 出现的次数

解决方案 26：

test = [409.1, 479.0, 340.0, 282.4, 406.0, 300.0, 374.0, 253.3, 195.1, 269.0, 329.3, 250.7, 250.7, 345.3, 379.3, 275.0, 215.2, 300.0]

for i in test:
    print('{} numbers {}'.format(i, test.count(i)))

解决方案 27：

import pandas as pd
test = [409.1, 479.0, 340.0, 282.4, 406.0, 300.0, 374.0, 253.3, 195.1, 269.0, 329.3, 250.7, 250.7, 345.3, 379.3, 275.0, 215.2, 300.0]

#turning the list into a temporary dataframe
test  = pd.DataFrame(test)

#using the very convenient value_counts() function
df_counts = test.value_counts()
df_counts

然后您可以使用df_counts.index和df_counts.values来获取数据。

解决方案 28：

x = ['Jess', 'Jack', 'Mary', 'Sophia', 'Karen',
     'Addison', 'Joseph','Jack', 'Jack', 'Eric', 'Ilona', 'Jason']
the_item = input('Enter the item that you wish to find : ')
how_many_times = 0 
for occurrence in x:
     if occurrence == the_item : 
          how_many_times += 1
print('The occurrence of', the_item, 'in', x,'is',how_many_times)

创建了一个名称列表，其中重复了名称“Jack”。为了检查其出现情况，我在名为的列表中运行了一个 for 循环x。在每次迭代中，如果循环变量达到与从用户接收并存储在变量中的相同的值the_item，则变量how_many_times将增加 1。在达到某个值后...我们打印how_many_times存储单词“jack”出现的值

解决方案 29：

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)