查找列表中最常见的元素

问题描述：

在 Python 列表中查找最常见元素的有效方法是什么？

我的列表项可能不可哈希，因此无法使用字典。此外，在绘制时应返回索引最低的项目。示例：

>>> most_common(['duck', 'duck', 'goose'])
'duck'
>>> most_common(['goose', 'duck', 'duck', 'goose'])
'goose'

解决方案 1：

更简单的一行：

def most_common(lst):
    return max(set(lst), key=lst.count)

解决方案 2：

借用这里，它可以与 Python 2.7 一起使用：

from collections import Counter

def Most_Common(lst):
    data = Counter(lst)
    return data.most_common(1)[0][0]

比 Alex 的解决方案快 4-6 倍，比 newacct 提出的单行代码快 50 倍。

在 CPython 3.6+（任何 Python 3.7+）上，如果出现平局，上述操作将选择第一个看到的元素。如果您在较旧的 Python 上运行，则要在出现平局的情况下检索列表中首先出现的元素，您需要执行两次传递以保持顺序：

# Only needed pre-3.6!
def most_common(lst):
    data = Counter(lst)
    return max(lst, key=data.get)

解决方案 3：

有这么多的解决方案被提出，我很惊讶没有人提出我认为显而易见的解决方案（对于不可哈希但可比较的元素）—— itertools.groupby。 itertools提供快速、可重用的功能，并允许您将一些棘手的逻辑委托给经过充分测试的标准库组件。例如：

import itertools
import operator

def most_common(L):
  # get an iterable of (item, iterable) pairs
  SL = sorted((x, i) for i, x in enumerate(L))
  # print 'SL:', SL
  groups = itertools.groupby(SL, key=operator.itemgetter(0))
  # auxiliary function to get "quality" for an item
  def _auxfun(g):
    item, iterable = g
    count = 0
    min_index = len(L)
    for _, where in iterable:
      count += 1
      min_index = min(min_index, where)
    # print 'item %r, count %r, minind %r' % (item, count, min_index)
    return count, -min_index
  # pick the highest-count/earliest item
  return max(groups, key=_auxfun)[0]

当然，这可以写得更简洁，但我的目标是尽可能清晰。print可以取消注释这两个语句，以便更好地查看机器的运行情况；例如，取消注释 prints：

print most_common(['goose', 'duck', 'duck', 'goose'])

发出：

SL: [('duck', 1), ('duck', 2), ('goose', 0), ('goose', 3)]
item 'duck', count 2, minind 1
item 'goose', count 2, minind 0
goose

如您所见，SL是一个成对的列表，每对一个项目后跟原始列表中该项目的索引（以实现关键条件，即如果具有相同最高计数的“最常见”项目> 1，则结果必须是最早出现的项目）。

groupby仅按项目分组（通过operator.itemgetter）。辅助函数在max计算过程中每次分组调用一次，接收并在内部解包一个组 - 一个包含两个项目的元组(item, iterable)，其中可迭代对象的项目也是两个项目的元组，(item, original index)[[的项目SL]]。

然后，辅助函数使用循环来确定组的可迭代中的条目数和最小原始索引；它将它们作为组合的“质量键”返回，并将最小索引符号更改，因此操作max将“更好地”考虑原始列表中较早出现的那些项目。

如果这段代码不那么担心时间和空间中的大 O 问题，它会简单得多，例如……：

def most_common(L):
  groups = itertools.groupby(sorted(L))
  def _auxfun((item, iterable)):
    return len(list(iterable)), -L.index(item)
  return max(groups, key=_auxfun)[0]

基本思想相同，只​​是表达得更简单、更紧凑……但是，唉，额外的 O(N) 辅助空间（用于将组的可迭代项体现到列表中）和 O(N 平方) 时间（用于获取L.index每个项目的）。虽然过早优化是编程中所有罪恶的根源，但在 O(N log N) 方法可用时故意选择 O(N 平方) 方法，这太违背可扩展性了！-)

最后，对于那些更喜欢“单行代码”而不是清晰度和性能的人来说，还有一个带有适当混乱名称的额外单行版本:-)。

from itertools import groupby as g
def most_common_oneliner(L):
  return max(g(sorted(L)), key=lambda(x, v):(len(list(v)),-L.index(x)))[0]

解决方案 4：

您想要的在统计学中称为模式，Python 当然有一个内置函数可以为您完成这一点：

>>> from statistics import mode
>>> mode([1, 2, 2, 3, 3, 3, 3, 3, 4, 5, 6, 6, 6])
3

请注意，如果没有“最常见的元素”，例如前两个元素并列的情况，则在 Python <=3.7 中会引发此问题StatisticsError，而在 3.8 及更高版本中，它将返回遇到的第一个元素。

解决方案 5：

如果没有关于最低索引的要求，您可以使用collections.Counter：

from collections import Counter

a = [1936, 2401, 2916, 4761, 9216, 9216, 9604, 9801] 

c = Counter(a)

print(c.most_common(1)) # the one most common element... 2 would mean the 2 most common
[(9216, 2)] # a set containing the element, and it's count in 'a'

解决方案 6：

如果它们不可散列，您可以对它们进行排序，然后对结果进行一次循环，计算项目数（相同的项目将彼此相邻）。但使它们可散列并使用字典可能会更快。

def most_common(lst):
    cur_length = 0
    max_length = 0
    cur_i = 0
    max_i = 0
    cur_item = None
    max_item = None
    for i, item in sorted(enumerate(lst), key=lambda x: x[1]):
        if cur_item is None or cur_item != item:
            if cur_length > max_length or (cur_length == max_length and cur_i < max_i):
                max_length = cur_length
                max_i = cur_i
                max_item = cur_item
            cur_length = 1
            cur_i = i
            cur_item = item
        else:
            cur_length += 1
    if cur_length > max_length or (cur_length == max_length and cur_i < max_i):
        return cur_item
    return max_item

解决方案 7：

这是一个 O(n) 解决方案。

mydict   = {}
cnt, itm = 0, ''
for item in reversed(lst):
     mydict[item] = mydict.get(item, 0) + 1
     if mydict[item] >= cnt :
         cnt, itm = mydict[item], item

print itm

（使用反转来确保返回最低索引项）

解决方案 8：

单行：

def most_common (lst):
    return max(((item, lst.count(item)) for item in set(lst)), key=lambda a: a[1])[0]

解决方案 9：

对列表副本进行排序并找出最长的运行。您可以在使用每个元素的索引对列表进行排序之前对其进行修饰，然后在出现平局的情况下选择以最低索引开始的运行。

解决方案 10：

我使用 scipy stat 模块和 lambda 来执行此操作：

import scipy.stats
lst = [1,2,3,4,5,6,7,5]
most_freq_val = lambda x: scipy.stats.mode(x)[0][0]
print(most_freq_val(lst))

结果：

 most_freq_val = 5

解决方案 11：

# use Decorate, Sort, Undecorate to solve the problem

def most_common(iterable):
    # Make a list with tuples: (item, index)
    # The index will be used later to break ties for most common item.
    lst = [(x, i) for i, x in enumerate(iterable)]
    lst.sort()

    # lst_final will also be a list of tuples: (count, index, item)
    # Sorting on this list will find us the most common item, and the index
    # will break ties so the one listed first wins.  Count is negative so
    # largest count will have lowest value and sort first.
    lst_final = []

    # Get an iterator for our new list...
    itr = iter(lst)

    # ...and pop the first tuple off.  Setup current state vars for loop.
    count = 1
    tup = next(itr)
    x_cur, i_cur = tup

    # Loop over sorted list of tuples, counting occurrences of item.
    for tup in itr:
        # Same item again?
        if x_cur == tup[0]:
            # Yes, same item; increment count
            count += 1
        else:
            # No, new item, so write previous current item to lst_final...
            t = (-count, i_cur, x_cur)
            lst_final.append(t)
            # ...and reset current state vars for loop.
            x_cur, i_cur = tup
            count = 1

    # Write final item after loop ends
    t = (-count, i_cur, x_cur)
    lst_final.append(t)

    lst_final.sort()
    answer = lst_final[0][2]

    return answer

print most_common(['x', 'e', 'a', 'e', 'a', 'e', 'e']) # prints 'e'
print most_common(['goose', 'duck', 'duck', 'goose']) # prints 'goose'

解决方案 12：

基于Luiz 的回答，但满足“在抽取的情况下，应返回索引最低的项目”条件：

from statistics import mode, StatisticsError

def most_common(l):
    try:
        return mode(l)
    except StatisticsError as e:
        # will only return the first element if no unique mode found
        if 'no unique mode' in e.args[0]:
            return l[0]
        # this is for "StatisticsError: no mode for empty data"
        # after calling mode([])
        raise

例子：

>>> most_common(['a', 'b', 'b'])
'b'
>>> most_common([1, 2])
1
>>> most_common([])
StatisticsError: no mode for empty data

解决方案 13：

简单的一行解决方案

moc= max([(lst.count(chr),chr) for chr in set(lst)])

它将返回出现频率最高的元素及其频率。

解决方案 14：

你可能不再需要这个了，但这是我为类似问题所做的。（由于有评论，它看起来比实际要长。）

itemList = ['hi', 'hi', 'hello', 'bye']

counter = {}
maxItemCount = 0
for item in itemList:
    try:
        # Referencing this will cause a KeyError exception
        # if it doesn't already exist
        counter[item]
        # ... meaning if we get this far it didn't happen so
        # we'll increment
        counter[item] += 1
    except KeyError:
        # If we got a KeyError we need to create the
        # dictionary key
        counter[item] = 1

    # Keep overwriting maxItemCount with the latest number,
    # if it's higher than the existing itemCount
    if counter[item] > maxItemCount:
        maxItemCount = counter[item]
        mostPopularItem = item

print mostPopularItem

解决方案 15：

ans  = [1, 1, 0, 0, 1, 1]
all_ans = {ans.count(ans[i]): ans[i] for i in range(len(ans))}
print(all_ans)

all_ans={4: 1, 2: 0}
max_key = max(all_ans.keys())

4

print(all_ans[max_key])

1

解决方案 16：

这里：

def most_common(l):
    max = 0
    maxitem = None
    for x in set(l):
        count =  l.count(x)
        if count > max:
            max = count
            maxitem = x
    return maxitem

我隐约觉得标准库中某处有一种方法可以给出每个元素的数量，但我找不到它。

解决方案 17：

如果排序和散列都不可行，但==可以进行相等性比较（），则这显然是一个缓慢的解决方案（O（n^2））：

def most_common(items):
  if not items:
    raise ValueError
  fitems = [] 
  best_idx = 0
  for item in items:   
    item_missing = True
    i = 0
    for fitem in fitems:  
      if fitem[0] == item:
        fitem[1] += 1
        d = fitem[1] - fitems[best_idx][1]
        if d > 0 or (d == 0 and fitems[best_idx][2] > fitem[2]):
          best_idx = i
        item_missing = False
        break
      i += 1
    if item_missing:
      fitems.append([item, 1, i])
  return items[best_idx]

但是，如果列表的长度 (n) 很大，则使项目可散列或可排序 (如其他答案所建议) 几乎总是可以更快地找到最常见的元素。散列平均为 O(n)，排序最差为 O(n*log(n))。

解决方案 18：

>>> li  = ['goose', 'duck', 'duck']

>>> def foo(li):
         st = set(li)
         mx = -1
         for each in st:
             temp = li.count(each):
             if mx < temp:
                 mx = temp 
                 h = each 
         return h

>>> foo(li)
'duck'

解决方案 19：

我需要在最近的程序中执行此操作。我承认，我无法理解 Alex 的答案，所以这就是我最终的结果。

def mostPopular(l):
    mpEl=None
    mpIndex=0
    mpCount=0
    curEl=None
    curCount=0
    for i, el in sorted(enumerate(l), key=lambda x: (x[1], x[0]), reverse=True):
        curCount=curCount+1 if el==curEl else 1
        curEl=el
        if curCount>mpCount \n        or (curCount==mpCount and i<mpIndex):
            mpEl=curEl
            mpIndex=i
            mpCount=curCount
    return mpEl, mpCount, mpIndex

我将其与 Alex 的解决方案进行了计时，对于短列表，它大约快 10-15%，但是一旦超过 100 个元素或更多（测试多达 200000 个），它就会慢 20% 左右。

解决方案 20：

#This will return the list sorted by frequency:

def orderByFrequency(list):

    listUniqueValues = np.unique(list)
    listQty = []
    listOrderedByFrequency = []
    
    for i in range(len(listUniqueValues)):
        listQty.append(list.count(listUniqueValues[i]))
    for i in range(len(listQty)):
        index_bigger = np.argmax(listQty)
        for j in range(listQty[index_bigger]):
            listOrderedByFrequency.append(listUniqueValues[index_bigger])
        listQty[index_bigger] = -1
    return listOrderedByFrequency

#And this will return a list with the most frequent values in a list:

def getMostFrequentValues(list):
    
    if (len(list) <= 1):
        return list
    
    list_most_frequent = []
    list_ordered_by_frequency = orderByFrequency(list)
    
    list_most_frequent.append(list_ordered_by_frequency[0])
    frequency = list_ordered_by_frequency.count(list_ordered_by_frequency[0])
    
    index = 0
    while(index < len(list_ordered_by_frequency)):
        index = index + frequency
        
        if(index < len(list_ordered_by_frequency)):
            testValue = list_ordered_by_frequency[index]
            testValueFrequency = list_ordered_by_frequency.count(testValue)
            
            if (testValueFrequency == frequency):
                list_most_frequent.append(testValue)
            else:
                break    
    
    return list_most_frequent

#tests:
print(getMostFrequentValues([]))
print(getMostFrequentValues([1]))
print(getMostFrequentValues([1,1]))
print(getMostFrequentValues([2,1]))
print(getMostFrequentValues([2,2,1]))
print(getMostFrequentValues([1,2,1,2]))
print(getMostFrequentValues([1,2,1,2,2]))
print(getMostFrequentValues([3,2,3,5,6,3,2,2]))
print(getMostFrequentValues([1,2,2,60,50,3,3,50,3,4,50,4,4,60,60]))

Results:
[]
[1]
[1]
[1, 2]
[2]
[1, 2]
[2]
[2, 3]
[3, 4, 50, 60]

解决方案 21：

def most_frequent(List):

    counter = 0

    num = List[0]

 

    for i in List:

        curr_frequency = List.count(i)

        if(curr_frequency> counter):

            counter = curr_frequency

            num = i


    return num


List = [2, 1, 2, 2, 1, 3]

print(most_frequent(List))

解决方案 22：

嗨，这是一个非常简单的解决方案，具有线性时间复杂度

L = ['鹅', '鸭子', '鸭子']

def most_common（L）：

current_winner = 0
max_repeated = None
for i in L:
    amount_times = L.count(i)
    if amount_times > current_winner:
        current_winner = amount_times
        max_repeated = i

return max_repeated

打印（most_common（L））

“鸭子”

其中 number 是列表中重复次数最多的元素

解决方案 23：

numbers = [1, 3, 7, 4, 3, 0, 3, 6, 3]
max_repeat_num = max(numbers, key=numbers.count)     *# which number most* frequently
max_repeat = numbers.count(max_repeat_num)           *#how many times*
print(f" the number {max_repeat_num} is repeated{max_repeat} times")

解决方案 24：

def mostCommonElement(list):
  count = {} // dict holder
  max = 0 // keep track of the count by key
  result = None // holder when count is greater than max
  for i in list:
    if i not in count:
      count[i] = 1
    else:
      count[i] += 1
    if count[i] > max:
      max = count[i]
      result = i
  return result

mostCommonElement(["a","b","a","c"]) -> "a"

解决方案 25：

N/2最常见的元素应该是在数组中出现次数超过的元素，其中N是len(array)。下面的技术将在O(n)时间复杂度内完成此操作，仅消耗O(1)辅助空间。

from collections import Counter

def majorityElement(arr):        
    majority_elem = Counter(arr)
    size = len(arr)
    for key, val in majority_elem.items():
        if val > size/2:
            return key
    return -1

解决方案 26：

 def most_common(lst):
    if max([lst.count(i)for i in lst]) == 1:
        return False
    else:
        return max(set(lst), key=lst.count)

解决方案 27：

def popular(L):
C={}
for a in L:
    C[a]=L.count(a)
for b in C.keys():
    if C[b]==max(C.values()):
        return b
L=[2,3,5,3,6,3,6,3,6,3,7,467,4,7,4]
print popular(L)