计算元组列表中项目的频率

Question

我有一个元组列表，如下所示。我必须计算有多少项目的数字大于 1。到目前为止我编写的代码非常慢。即使有大约 10K 的元组，如果你看到下面的示例字符串出现两次，那么我必须得到这样的字符串。我的问题是通过迭代生成器来实现字符串计数的最佳方法是什么

列表：

  b_data=[('example',123),('example-one',456),('example',987),.....]

到目前为止我的代码：

 blockslst=[]
for line in b_data:
    blockslst.append(line[0])

blocklstgtone=[]
for item in blockslst:
    if(blockslst.count(item)>1):
        blocklstgtone.append(item)

原文由 min2bro 发布，翻译遵循 CC BY-SA 4.0 许可协议

Answer 1

从每个元组中提取第一项的想法是正确的。您可以使用列表/生成器理解使您的代码更简洁，如下所示。

从那时起，查找元素频率计数的最惯用方式是使用 collections.Counter 对象。

1. 从元组列表中提取第一个元素（使用理解）
2. 将此传递给 Counter
3. 查询计数 example

 from collections import Counter

counts = Counter(x[0] for x in b_data)
print(counts['example'])

当然，您可以使用 list.count 如果您只想查找 其中 一项的频率计数，但在一般情况下， Counter 是最佳选择。

---

Counter 的优点是它以线性 ( O(N) ) 时间执行 所有 元素的频率计数（不仅仅是 example ）。假设您还想查询另一个元素的计数，比如 foo 。那将完成 -

 print(counts['foo'])

如果列表中不存在 'foo' 0 ，则返回—。

如果你想找到最常见的元素，调用 counts.most_common

 print(counts.most_common(n))

其中 n 是您要显示的元素数。如果您想查看所有内容，请不要通过 n 。

---

要检索最常见元素的计数，一种有效的方法是查询 most_common ，然后使用 itertools 高效地提取所有计数超过 1 的元素。

 from itertools import takewhile

l = [1, 1, 2, 2, 3, 3, 1, 1, 5, 4, 6, 7, 7, 8, 3, 3, 2, 1]
c = Counter(l)

list(takewhile(lambda x: x[-1] > 1, c.most_common()))
[(1, 5), (3, 4), (2, 3), (7, 2)]

（OP 编辑）或者，使用 列表理解 来获取计数 > 1 的项目列表 -

 [item[0] for item in counts.most_common() if item[-1] > 1]

请记住，这不如 itertools.takewhile 解决方案有效。例如，如果你有一个计数 > 1 的项目，以及一百万个计数等于 1 的项目，你最终会迭代列表一百万零一次，而你不必这样做（因为 most_common 按降序返回频率计数）。使用 takewhile 情况并非如此，因为一旦 count > 1 的条件变为假，您就会停止迭代。

原文由 cs95 发布，翻译遵循 CC BY-SA 3.0 许可协议

Answer 2

第一种方法：

没有循环呢？

 print(list(map(lambda x:x[0],b_data)).count('example'))

输出：

 2

第二种方法：

您可以使用简单的 dict 进行计算，而无需导入任何外部模块或使其变得如此复杂：

 b_data = [('example', 123), ('example-one', 456), ('example', 987)]

dict_1={}
for i in b_data:
    if i[0] not in dict_1:
        dict_1[i[0]]=1
    else:
        dict_1[i[0]]+=1

print(dict_1)

print(list(filter(lambda y:y!=None,(map(lambda x:(x,dict_1.get(x)) if dict_1.get(x)>1 else None,dict_1.keys())))))

输出：

 [('example', 2)]

测试用例 ：

 b_data = [('example', 123), ('example-one', 456), ('example', 987),('example-one', 456),('example-one', 456),('example-two', 456),('example-two', 456),('example-two', 456),('example-two', 456)]

输出：

 [('example-two', 4), ('example-one', 3), ('example', 2)]

原文由 Aaditya Ura 发布，翻译遵循 CC BY-SA 3.0 许可协议