python - 列表中大于特定数量的值的数量

Question

我有一个数字列表，我想获取一个数字出现在满足特定条件的列表中的次数。我可以使用列表推导（或函数中的列表推导），但我想知道是否有人有更短的方法。

# list of numbers
j=[4,5,6,7,1,3,7,5]
#list comprehension of values of j > 5
x = [i for i in j if i>5]
#value of x
len(x)

#or function version
def length_of_list(list_of_numbers, number):
     x = [i for i in list_of_numbers if j > number]
     return len(x)
length_of_list(j, 5)

有没有更精简的版本？

Answer 1

你可以这样做：

>>> j = [4, 5, 6, 7, 1, 3, 7, 5]
>>> sum(i > 5 for i in j)
3

True以这种方式添加最初可能看起来很奇怪True，但我认为这不是不合常规的；毕竟，它是自 2.3 以来所有版本bool 的子类：int

>>> issubclass(bool, int)
True

Answer 2

您可以像这样创建一个较小的中间结果：

>>> j = [4, 5, 6, 7, 1, 3, 7, 5]
>>> len([1 for i in j if i > 5])
3

Answer 3

如果您以其他方式使用 numpy，则可以节省一些笔画，但我认为它不会比 senderle 的答案更快/更紧凑。

import numpy as np
j = np.array(j)
sum(j > i)

Answer 4

一种（有点）不同的方式：

reduce(lambda acc, x: acc + (1 if x > 5 else 0), j, 0)

Answer 5

如果您使用的是 NumPy（如 ludaavic 的回答），对于大型数组，您可能希望使用 NumPy 的sum函数而不是 Python 的内置函数来sum显着加速——例如，我的笔记本电脑上的 1000 万个元素数组的加速 > 1000 倍：

>>> import numpy as np
>>> ten_million = 10 * 1000 * 1000
>>> x, y = (np.random.randn(ten_million) for _ in range(2))
>>> %timeit sum(x > y)  # time Python builtin sum function
1 loops, best of 3: 24.3 s per loop
>>> %timeit (x > y).sum()  # wow, that was really slow! time NumPy sum method
10 loops, best of 3: 18.7 ms per loop
>>> %timeit np.sum(x > y)  # time NumPy sum function
10 loops, best of 3: 18.8 ms per loop

（以上使用 IPython 的%timeit“魔术”进行计时）

Answer 6

使用 bisect 模块的不同计数方式：

>>> from bisect import bisect
>>> j = [4, 5, 6, 7, 1, 3, 7, 5]
>>> j.sort()
>>> b = 5
>>> index = bisect(j,b) #Find that index value
>>> print len(j)-index
3

Answer 7

我将添加地图和过滤器版本，因为为什么不呢。

sum(map(lambda x:x>5, j))
sum(1 for _ in filter(lambda x:x>5, j))

Answer 8

你可以这样做使用函数：

l = [34,56,78,2,3,5,6,8,45,6]  
print ("The list : " + str(l))   
def count_greater30(l):  
    count = 0  
    for i in l:  
        if i > 30:  
            count = count + 1.  
    return count
print("Count greater than 30 is : " + str(count)).  
count_greater30(l)