使用Counter进行计数统计

使用Counter进行计数统计

想必大家对计数统计都不陌生吧！，简单的说就是统计某一项出现的次数。实际应用中很多需求都需要用到这个模型，如检测样本中某一值出现的次数、日志分析某一消息出现的频率分析文件中相同字符串出现的概率等。这类似的需求有很多种实现方法。我们逐一来看一下使用不同数据结构是的实现方式

一、使用dict

​ 首先来看看dict这种方法实现，废话不多说，先看看这个小小的骚操作，后面的操作会让你大大底爽一下，彻底的让你满足，请看表演：

some_data = ['a', '2', 2, 4, 5, '2', 'b', 4, 7, 'a', '5', 'd', 'a', 'z'] # 创建列表
count_frq = dict() # 创建列表

# 词频统计
for item in some_data:
    
    if item in count_frq:
        count_frq[item] += 1
    else:
        count_frq[item] = 1
        
print(count_frq)

结果：

{'a': 3, '2': 2, 2: 1, 4: 2, 5: 1, 'b': 1, 7: 1, '5': 1, 'd': 1, 'z': 1}

二、使用set和list方法

再看看这个常用的小方法

some_data = ['a', '2', 2, 4, 5, '2', 'b', 4, 7, 'a', '5', 'd', 'a', 'z']
count_set = set(some_data) # 去重
count_list = []

for item in count_set:
    count_list.append((item, some_data.count(item)))  # 添加
    
print(count_list)

结果：

[('5', 1), (2, 1), ('2', 2), (4, 2), (5, 1), (7, 1), ('a', 3), ('z', 1), ('b', 1), ('d', 1)]

三、collections使用

上面的方法都比较简单，但有没有更优雅，更骚气的，更Pythonic的解决方法呢？请看下面的引入defaultdict

1.1 defaultdict

from collections import defaultdict

some_data = ['a', '2', 2, 4, 5, '2', 'b', 4, 7, 'a', '5', 'd', 'a', 'z']
count_frq = defaultdict(int)  # defaultdict(int) 

# 统计计数
for item in some_data:
    count_frq[item] += 1
    
print(count_frq)

结果：

dict_items([('a', 3), ('2', 2), (2, 1), (4, 2), (5, 1), ('b', 1), (7, 1), ('5', 1), ('d', 1), ('z', 1)])

1.2 Counter

Counter 类是自Python2.7起增加的，属于字典类的子类，是一个容器对象，主要用来统计# 散列对象，支持集合操作 +、-、&、|，其中&和|操作分别返回两个Counter对象各元素# 的最大值和最小值。他提供3中不同的方式来初始化，正点来了，看看这个神奇的操作，代码行度大大缩减：

from collections import Counter 

some_data = ['a', '2', 2, 4, 5, '2', 'b', 4, 7, 'a', '5', 'd', 'a', 'z']

count_counter = Counter(some_data)  # 统计

print(count_counter) # 结果就出来，就问你强不强

结果：

Counter({'a': 3, '2': 2, 4: 2, 2: 1, 5: 1, 'b': 1, 7: 1, '5': 1, 'd': 1, 'z': 1})

• Counter不仅可以对列表就行统计，他可以对任何可以迭代的对象进行统计如下：

1. 可迭代的对象字符串

   Counter("success")  # 可迭代对象
   print(Counter("success"))
   
   

   结果：

   Counter({'s': 3, 'c': 2, 'u': 1, 'e': 1})

2. 关键字参数

Counter(s=3, c=2, e=1, u=1) # 关键字参数
print(Counter(s=3, c=2, e=1, u=1))

结果：

Counter({'s': 3, 'c': 2, 'e': 1, 'u': 1})

3. 字典

Counter({'s': 3, 'c': 2, 'e': 1, 'u': 1})
print(Counter({'s': 3, 'c': 2, 'e': 1, 'u': 1}))

结果：

Counter({'s': 3, 'c': 2, 'e': 1, 'u': 1})

• 可以使用elements()方法获取Counter中的key值

  print(list(Counter(some_data).elements())) # 根据值打印key的次数
  

  结果：

  ['a', 'a', 'a', '2', '2', 2, 4, 4, 5, 'b', 7, '5', 'd', 'z']

• 看看一个更骚气的方法,利用most_commo()方法可以找前N个出现频率最高的元素以及他们对应的次数。

  count = Counter(some_data).most_common(2) # 获取前两个频率最高
  print(count)
  

  结果：

  [('a', 3), ('2', 2)]

• 当访问不存在的元素是，默认返回0而不是抛出keyError异常

  print(Counter(some_data)["y"])
  

  结果：

  0

• update()方法用于被统计对象元素的更新，原有Counter计数器对象与新增元素的统计计数值相加而不是直接替换她们

  c = Counter("success")
  print(c)
  

  结果：

  Counter({'s': 3, 'c': 2, 'u': 1, 'e': 1})

  在此基础上进行更新

  c.update("successfully")
  
  
  
  print(c)
  

  Counter({'s': 6, 'c': 4, 'u': 3, 'e': 2, 'l': 2, 'f': 1, 'y': 1})

• subtract()方法用于实现计数器对象中元素统计值相减，输入输出的统计值允许为0或者负数(在更新的基础上进行相减)

  c = Counter("success")
  print(c)
  

  结果：

  Counter({'s': 3, 'c': 2, 'u': 1, 'e': 1, 'f': 0, 'l': 0, 'y': 0})

用兴趣的可以自己研究下哦！