python - 计算列表中字符串或浮点数的频率

Question

我有一个清单。它相当大。它有超过 100 万个条目。我想计算其中每个字符串的频率。它将数字存储为从 1 到 1000 的字符串。我使用了以下内容，但它会持续运行数小时：

d = {b:a.count(b) for b in a}
n, m = d.keys(), d.values()
print n, m

Answer 1

改用collections.Counter：

from collections import Counter
d = Counter(a)

n, m = d.keys(), d.values()
print n, m

Answer 2

我认为在这种情况下使用字典要容易得多。插入字典非常快，从字典中检索也同样快。

这是一个示例程序，正是这样做的：

import datetime
import random
def create_string(choice, size):
    str = ''
    for i in range(size):
         str = str + random.choice(choice)
    return str

def count_all(strings):
    count_dict = {}
    for i in strings:
        if i not in count_dict:
            count_dict[i] = 1
        else:
            count_dict[i] = count_dict[i] + 1
    return count_dict

if __name__ == '__main__':
    all_strings = []
    for i in range(1000000):
        all_strings.append(create_string(['a','b','c'], 4))

    start = datetime.datetime.now()
    c_dict = count_all(all_strings)
    end = datetime.datetime.now()
    print 'Took:', end - start
    print 'The count of aacc is ', c_dict['aacc']

它如何公平？

./speed_test.py
Took: 0:00:00.219815
The count of aacc is  12317

一点都不差，嘿？作为替代选项，要解决 Ant 提到的问题，您希望在进行计数时消除重复项。我们可以为此使用一个集合：

d = {b:a.count(b) for b in set(a)}

根据我的测试，这不如字典方法快，但不到一秒就足够了。

Answer 3

它很慢，因为您正在为每个字符串运行 a.count ！

l = ['a', 'b', 'a']

thenstr.count将在“a”上被调用两次，在“b”上被调用 1 次。

当然，第二次在“a”上，字典中的结果只是被覆盖了，所以你甚至不会注意到它

改用默认字典

from collections import defaultdict
d = defaultdict(int)
for obj in your_list:
    d[obj] += 1

或者，再次从集合模块，计数器http://docs.python.org/2/library/collections.html#counter-objects