python-序列计数统计

今天在开发是遇见一个很有意思的问题,如何在一个列表中统计出现元素的次数。

此类场景经常出现在数据统计,对语料处理也经常用到

问题:如何统计序列中元素的次数

1
2
words = ['Beautiful', 'is', 'better', 'than', 'ugly', 'Explicit', 'is', 'better', 'than', 'implicit', 'Simple', 'is', 'better', 'than', 'complex', 'Complex', 'is', 'better', 'than', 'complicated', 'Flat', 'is', 'better', 'than', 'nested', 'Sparse', 'is', 'better', 'than', 'dense']

  • 通常处理这种问题的思路一般是新建一个字典作为计数操作

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    # 计数子弹
    count_dict = {}
    words = ['Beautiful', 'is', 'better', 'than', 'ugly', 'Explicit', 'is', 'better', 'than', 'implicit', 'Simple', 'is',
             'better', 'than', 'complex', 'Complex', 'is', 'better', 'than', 'complicated', 'Flat', 'is', 'better', 'than',
             'nested', 'Sparse', 'is', 'better', 'than', 'dense']
    # 循环单词序列,如果不存在则创建初始值,如果存在则增加计数
    for word in words:
        if word in count_dict.keys():
            count_dict[word] += 1
        else:
            count_dict[word] = 0
    

    这样的处理可以解决我们提出的问题,有更好的更符合python的处理方法么?

  • Collections模块中的Counter类正是为了处理这种问题设计的

    1
    2
    3
    4
    5
    6
    # 引入counter
    >>> from collections import Counter
    # 一行代码即可搞定
    >>> word_counts = Counter(words)
    >>> word_counts
    Counter({'is': 6, 'better': 6, 'than': 6, 'Beautiful': 1, 'ugly': 1, 'Explicit': 1, 'implicit': 1, 'Simple': 1, 'complex': 1, 'Complex': 1, 'complicated': 1, 'Flat': 1, 'nested': 1, 'Sparse': 1, 'dense': 1})
    
    • 获取结果之后我们可以很轻松的分析结果,比如我们想要获取排名最高的三个单词

      1
      2
      >>> word_counts.most_common(3)
      [('is', 6), ('better', 6), ('than', 6)]
      
    • 获取任意单词的计数值 (底层中Counter也是个字典映射)

      1
      2
      >>> word_counts['ugly']
      1
      
    • 手动增加计数也十分方便

      1
      2
      3
      4
      5
      6
      >>> word_counts['ugly'] += 1
      >>> word_counts['ugly']
      2
      >>> word_counts['ugly'] = 8
      >>> word_counts['ugly']
      8
      
    • 增加元素也可以使用update语法

      1
      2
      3
      4
      5
      6
      7
      8
      9
      # 新增单词
      >>> more_words = ['Readability', 'counts', 'Special', 'cases', "aren't", 'special', 'enough', 'to', 'break', 'the', 'rules', 'Although', 'practicality', 'beats', 'purity', 'Errors', 'should', 'never', 'pass', 'silently', 'Unless', 'explicitly', 'silenced']
      # 直接使用update
      >>> word_counts.update(more_words)
          
          
      >>> word_counts
      Counter({'ugly': 8, 'is': 6, 'better': 6, 'than': 6, 'Beautiful': 1, 'Explicit': 1, 'implicit': 1, 'Simple': 1, 'complex': 1, 'Complex': 1, 'complicated': 1, 'Flat': 1, 'nested': 1, 'Sparse': 1, 'dense': 1, 'Readability': 1, 'counts': 1, 'Special': 1, 'cases': 1, "aren't": 1, 'special': 1, 'enough': 1, 'to': 1, 'break': 1, 'the': 1, 'rules': 1, 'Although': 1, 'practicality': 1, 'beats': 1, 'purity': 1, 'Errors': 1, 'should': 1, 'never': 1, 'pass': 1, 'silently': 1, 'Unless': 1, 'explicitly': 1, 'silenced': 1})
          
      
  • Counter其他操作

    1
    2
    3
    4
    5
    6
    7
    >>> a=Counter(words)
    >>> b=Counter(more_words)
    >>> a + b
    Counter({'is': 6, 'better': 6, 'than': 6, 'Beautiful': 1, 'ugly': 1, 'Explicit': 1, 'implicit': 1, 'Simple': 1, 'complex': 1, 'Complex': 1, 'complicated': 1, 'Flat': 1, 'nested': 1, 'Sparse': 1, 'dense': 1, 'Readability': 1, 'counts': 1, 'Special': 1, 'cases': 1, "aren't": 1, 'special': 1, 'enough': 1, 'to': 1, 'break': 1, 'the': 1, 'rules': 1, 'Although': 1, 'practicality': 1, 'beats': 1, 'purity': 1, 'Errors': 1, 'should': 1, 'never': 1, 'pass': 1, 'silently': 1, 'Unless': 1, 'explicitly': 1, 'silenced': 1})
      
    >>> a - b
    Counter({'is': 6, 'better': 6, 'than': 6, 'Beautiful': 1, 'ugly': 1, 'Explicit': 1, 'implicit': 1, 'Simple': 1, 'complex': 1, 'Complex': 1, 'complicated': 1, 'Flat': 1, 'nested': 1, 'Sparse': 1, 'dense': 1})
    

总结

1
1. 当面对任何数据制表或者计数是使用counter会比手写字典计数算法更有效率

“世界就像是个巨大的马戏团,它让你兴奋,却让我惶恐,因为我知道散场后永远是有限温存,无限心酸。”——Charlie Chaplin