要计算具有共同类型的不同元素的数量，请执行以下操作：

li = ['A0','c5','A8','A2','A5','c2','A3','A9']

print sum(1 for el in li if el[0]=='A' and el[1] in '01234')

给予

3，而不是6

我会使用filter（），以Lukasz为例：

>>> lst = [1, 2, 3, 4, 1, 4, 1]
>>> len(filter(lambda x: x==1, lst))
3

为什么不使用Pandas？

import pandas as pd

my_list = ['a', 'b', 'c', 'd', 'a', 'd', 'a']

# converting the list to a Series and counting the values
my_count = pd.Series(my_list).value_counts()
my_count

输出：

a    3
d    2
b    1
c    1
dtype: int64

如果您正在查找特定元素的计数，例如a，请尝试：

my_count['a']

输出：

3

可能不是最有效的，需要额外的传递才能删除重复项。

功能实现：

arr = np.array(['a','a','b','b','b','c'])
print(set(map(lambda x  : (x , list(arr).count(x)) , arr)))

返回：

{('c', 1), ('b', 3), ('a', 2)}

或返回为dict：

print(dict(map(lambda x  : (x , list(arr).count(x)) , arr)))

返回：

{'b': 3, 'c': 1, 'a': 2}

import pandas as pd
test = [409.1, 479.0, 340.0, 282.4, 406.0, 300.0, 374.0, 253.3, 195.1, 269.0, 329.3, 250.7, 250.7, 345.3, 379.3, 275.0, 215.2, 300.0]

#turning the list into a temporary dataframe
test  = pd.DataFrame(test)

#using the very convenient value_counts() function
df_counts = test.value_counts()
df_counts

然后可以使用dfcounts.index和dfcounts.value来获取数据。

给定列表X

 import numpy as np
 X = [1, -1, 1, -1, 1]

显示此列表元素的i:frequency（i）的字典为：

{i:X.count(i) for i in np.unique(X)}

输出：

{-1: 2, 1: 3}