使用%timeit查看哪个操作更有效。np.array计数操作应该更快。

 from collections import Counter
 mylist = [1,7,7,7,3,9,9,9,7,9,10,0] 
 types_counts=Counter(mylist)
 print(types_counts)

我今天遇到了这个问题，在我想检查SO之前，我推出了自己的解决方案

dict((i,a.count(i)) for i in a)

对于大列表来说真的很慢。我的解决方案

def occurDict(items):
    d = {}
    for i in items:
        if i in d:
            d[i] = d[i]+1
        else:
            d[i] = 1
return d

实际上比Counter解决方案快一点，至少对于Python 2.7来说是这样。

如果只需要单个项目的计数，请使用计数方法：

>>> [1, 2, 3, 4, 1, 4, 1].count(1)
3

重要提示：如果您正在计算多个不同的项目，这会非常缓慢

每个计数调用都会遍历n个元素的整个列表。在循环中调用计数n次意味着总共检查n次，这可能会对性能造成灾难性影响。

如果要计数多个项目，请使用计数器，它只进行n次总检查。

如果你能使用熊猫，那么value_counts就在那里救援。

>>> import pandas as pd
>>> a = [1, 2, 3, 4, 1, 4, 1]
>>> pd.Series(a).value_counts()
1    3
4    2
3    1
2    1
dtype: int64

它还会根据频率自动对结果进行排序。

如果希望结果在列表中，请执行以下操作

>>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]

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

如果您想一次计算所有值，可以使用numpy数组和bincount非常快速地完成，如下所示

import numpy as np
a = np.array([1, 2, 3, 4, 1, 4, 1])
np.bincount(a)

这给出了

>>> array([0, 3, 1, 1, 2])