Відповіді:
Якщо ви хочете лише один номер, використовуйте count
метод:
>>> [1, 2, 3, 4, 1, 4, 1].count(1)
3
Не використовуйте це, якщо ви хочете порахувати кілька предметів. Виклик count
у циклі вимагає окремого проходження списку для кожного count
дзвінка, що може бути катастрофічно для продуктивності. Якщо ви хочете порахувати всі предмети, а то й просто декілька предметів, використовуйте Counter
, як пояснено в інших відповідях.
Використовуйте, Counter
якщо ви використовуєте Python 2.7 або 3.x і вам потрібно кількість входів для кожного елемента:
>>> from collections import Counter
>>> z = ['blue', 'red', 'blue', 'yellow', 'blue', 'red']
>>> Counter(z)
Counter({'blue': 3, 'red': 2, 'yellow': 1})
isinstance
. Отже, якщо ви впевнені в даних, з якими ви працюєте, може бути краще написати спеціальну функцію без перевірки типу та примірника.
isinstance
дзвонить? Навіть при мільйонах рядків виклик Counter
включає лише один isinstance
виклик, щоб перевірити, чи є його аргументом відображення. Ви, швидше за все, неправильно оцінювали, що їсте весь свій час.
Counter
Намагання з оптимізації в Росії перейшли до підрахунку великих ітерабелів, а не до підрахунку багатьох ітерабелів. Підрахунок мільйона рядкових ітерабельних піде швидше, Counter
ніж при ручній реалізації. Якщо ви хочете зателефонувати update
з багатьма ітерабелями, ви, можливо, зможете пришвидшити речі, об’єднавши їх в один ітерабельний itertools.chain
.
Підрахунок подій одного елемента в списку
Для підрахунку подій лише одного елемента списку, який ви можете використовувати count()
>>> l = ["a","b","b"]
>>> l.count("a")
1
>>> l.count("b")
2
Підрахунок подій усіх елементів у списку також відомий як "підрахунок" списку або створення лічильника підрахунків.
Підрахунок усіх елементів із кількістю ()
Для підрахунку подій елементів в l
одному можна просто використати розуміння списку та count()
метод
[[x,l.count(x)] for x in set(l)]
(або аналогічно зі словником dict((x,l.count(x)) for x in set(l))
)
Приклад:
>>> 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}
Підрахунок всіх елементів за допомогою лічильника ()
Крім того, є швидший Counter
клас з collections
бібліотеки
Counter(l)
Приклад:
>>> l = ["a","b","b"]
>>> from collections import Counter
>>> Counter(l)
Counter({'b': 2, 'a': 1})
Наскільки швидше лічильник?
Я перевірив, наскільки швидше Counter
відбувається розбір списків. Я спробував обидва способи з кількома значеннями, n
і виявляється, що Counter
це швидше постійним коефіцієнтом приблизно 2.
Ось сценарій, який я використав:
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)
І вихід:
Counter(): [0.46062711701961234, 0.4022796869976446, 0.3974247490405105]
count(): [7.779430688009597, 7.962715800967999, 8.420845870045014]
Counter
це спосіб швидше для великих списків. Методом розуміння списку є O (n ^ 2), Counter
має бути O (n).
isinstance
. Отже, якщо ви впевнені в даних, з якими ви працюєте, може бути краще написати спеціальну функцію без перевірки типу та примірника.
Ще один спосіб отримати кількість зустрічей кожного елемента в словнику:
dict((i, a.count(i)) for i in a)
n * (number of different items)
операції, не рахуючи часу, необхідного для створення набору. Використовувати collections.Counter
насправді набагато краще.
i
, тому що він спробує ввести в словник декілька ключів однакового значення. dict((i, a.count(i)) for i in a)
list.count(x)
повертає кількість разів, що x
відображається у списку
див: http://docs.python.org/tutorial/datastructures.html#more-on-lists
З огляду на елемент, як я можу порахувати його виникнення у списку в Python?
Ось приклад списку:
>>> l = list('aaaaabbbbcccdde')
>>> l
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e']
list.count
Там є list.count
метод
>>> l.count('b')
4
Це добре працює для будь-якого списку. Також кортежі мають цей спосіб:
>>> t = tuple('aabbbffffff')
>>> t
('a', 'a', 'b', 'b', 'b', 'f', 'f', 'f', 'f', 'f', 'f')
>>> t.count('f')
6
collections.Counter
А далі є колекції. Ви можете скинути будь-який ітерабельний у лічильник, а не лише у список, і лічильник збереже структуру даних про кількість елементів.
Використання:
>>> from collections import Counter
>>> c = Counter(l)
>>> c['b']
4
Лічильники базуються на словниках Python, їхні клавіші - це елементи, тому ключі повинні бути перебірливими. Вони в основному схожі на множини, які дозволяють вводити зайві елементи в них.
collections.Counter
Ви можете додавати або віднімати з ітерабелів зі свого лічильника:
>>> c.update(list('bbb'))
>>> c['b']
7
>>> c.subtract(list('bbb'))
>>> c['b']
4
І з лічильником можна виконувати також багатонабірні операції:
>>> 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})
Ще одна відповідь пропонує:
Чому б не використовувати панди?
Панди - це загальна бібліотека, але її немає в стандартній бібліотеці. Додавання його як вимоги нетривіально.
Є вбудовані рішення для цього випадку використання як в самому об'єкті списку, так і в стандартній бібліотеці.
Якщо ваш проект вже не вимагає панди, було б нерозумно ставити його вимогою саме до цієї функціональності.
Я порівнював усі запропоновані рішення (і кілька нових) з perfplot ( мій невеликий проект).
Для досить великих масивів виявляється, що
numpy.sum(numpy.array(a) == 1)
трохи швидше, ніж інші рішення.
numpy.bincount(a)
це те, що ти хочеш.
Код для відтворення сюжетів:
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,
)
Якщо ви можете скористатися pandas
, тоді value_counts
є для порятунку.
>>> 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
Він автоматично сортує результат на основі частоти.
Якщо ви хочете, щоб результат був у списку, виконайте наступні дії
>>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]
Чому б не використовувати Pandas?
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
Вихід:
a 3
d 2
b 1
c 1
dtype: int64
Якщо ви шукаєте відлік певного елемента, скажімо , спробуйте:
my_count['a']
Вихід:
3
Я мав цю проблему сьогодні і розробив власне рішення, перш ніж я подумав перевірити ТАК. Це:
dict((i,a.count(i)) for i in a)
дійсно, дуже повільно для великих списків. Моє рішення
def occurDict(items):
d = {}
for i in items:
if i in d:
d[i] = d[i]+1
else:
d[i] = 1
return d
насправді трохи швидше, ніж рішення Counter, принаймні для Python 2.7.
# 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)]
Найшвидше використовується цикл for і зберігає його в 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))
Результат
#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
itertools.groupby()
Антогера можливість отримати підрахунок усіх елементів у списку може бути за допомогою itertools.groupby()
.
З підрахунками "дублікат"
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)
Повертається
[('a', 3), ('t', 1), ('q', 1), ('a', 1), ('d', 1), ('a', 1), ('d', 1), ('c', 1)]
Зауважте, як він поєднав перших трьох a
як першу групу, а інші групи a
присутні далі в списку. Це відбувається тому, що список введення L
не був відсортований. Іноді це може бути користю, якщо групи насправді мають бути окремими.
З унікальними підрахунками
Якщо потрібні унікальні підрахунки груп, просто сортуйте список введення:
counts = [(i, len(list(c))) for i,c in groupby(sorted(L))]
print(counts)
Повертається
[('a', 5), ('c', 1), ('d', 2), ('q', 1), ('t', 1)]
Примітка. Для створення унікальних підрахунків багато інших відповідей надають більш простий і читабельний код порівняно з groupby
рішенням. Але показано тут, щоб провести паралель прикладу підрахунку дублікатів.
Було запропоновано використовувати номер рахунку numpy , однак він працює лише для 1d масивів з невід'ємними цілими числами . Крім того, отриманий масив може бути заплутаним (він містить випадки виникнення цілих чисел від min до max вихідного списку і встановлює 0 відсутніх цілих чисел).
Кращий спосіб зробити це з numpy - використовувати унікальну функцію з атрибутом, return_counts
встановленим True. Він повертає кортеж з масивом унікальних значень та масивом зустрічей кожного унікального значення.
# 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]
і тоді ми можемо їх поєднати як
dict(zip(a_uniq, counts)) # {0: 2, 1: 3, 2: 1, 3: 2}
Він також працює з іншими типами даних та "2d списками", наприклад
>>> a = [['a', 'b', 'b', 'b'], ['a', 'c', 'c', 'a']]
>>> dict(zip(*np.unique(a, return_counts=True)))
{'a': 3, 'b': 3, 'c': 2}
Хоча це дуже давнє питання, але оскільки я не знайшов жодного вкладиша, я зробив його.
# 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)
Ви також можете використовувати countOf
метод вбудованого модуля operator
.
>>> import operator
>>> operator.countOf([1, 2, 3, 4, 1, 4, 1], 1)
3
countOf
це реалізується? Як воно порівнюється з більш очевидним list.count
(які переваги від реалізації С)? Чи є якісь переваги?
Може бути не найефективнішим, потрібен додатковий пропуск для видалення дублікатів.
Функціональна реалізація:
arr = np.array(['a','a','b','b','b','c'])
print(set(map(lambda x : (x , list(arr).count(x)) , arr)))
повертає:
{('c', 1), ('b', 3), ('a', 2)}
або повернутися як dict
:
print(dict(map(lambda x : (x , list(arr).count(x)) , arr)))
повертає:
{'b': 3, 'c': 1, 'a': 2}
sum([1 for elem in <yourlist> if elem==<your_value>])
Це поверне кількість випадків вашої значення
якщо ви хочете отримати ряд випадків для конкретного елемента:
>>> 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])
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)
l2=[1,"feto",["feto",1,["feto"]],['feto',[1,2,3,['feto']]]]
count=0
def Test(l):
global count
if len(l)==0:
return count
count=l.count("feto")
for i in l:
if type(i) is list:
count+=Test(i)
return count
print(Test(l2))
це буде рекурсивно рахувати або шукати елемент у списку, навіть якщо він є у списку списків
mylist = [1,7,7,7,3,9,9,9,7,9,10,0] print sorted(set([i for i in mylist if mylist.count(i)>2]))