假设我有一个项目列表，像这样:
['apple', 'red', 'apple', 'red', 'red', 'pear']
我想要一个字典，计算每个项目在列表中出现的次数。所以对于上面的列表，结果应该是:
{'apple': 2, 'red': 3, 'pear': 1}
如何在Python中简单地做到这一点?
如果只对列表中单个元素的实例计数感兴趣，请参见如何计算列表项的出现次数?。
当前回答
L = ['apple','red','apple','red','red','pear']
d = {}
[d.__setitem__(item,1+d.get(item,0)) for item in L]
print d
给出{'pear': 1， 'apple': 2， 'red': 3}
其他回答
我喜欢:
counts = dict()
for i in items:
counts[i] = counts.get(i, 0) + 1
.get允许您在键不存在时指定一个默认值。
L = ['apple','red','apple','red','red','pear']
d = {}
[d.__setitem__(item,1+d.get(item,0)) for item in L]
print d
给出{'pear': 1， 'apple': 2， 'red': 3}
如果你使用Numpy，唯一的函数可以通过传递return_counts=True来告诉你每个值出现了多少次:
>>> data = ['apple', 'red', 'apple', 'red', 'red', 'pear']
>>> np.unique(data, return_counts=True)
(array(['apple', 'pear', 'red'], dtype='<U5'), array([2, 1, 3]))
计数的顺序与发现的不同元素相同;因此，我们可以使用通常的技巧来创建所需的字典(将两个元素作为单独的参数传递给zip):
>>> dict(zip(*np.unique(data, return_counts=True)))
{'apple': 2, 'pear': 1, 'red': 3}
如果你有一个大的输入Numpy数组的小整数，你可以从bincount得到更好的性能:
>>> data = np.random.randint(10, size=100)
>>> data
array([1, 0, 0, 3, 3, 4, 2, 4, 4, 0, 4, 8, 7, 4, 4, 8, 7, 0, 0, 2, 4, 2,
0, 9, 0, 2, 7, 0, 7, 7, 5, 6, 6, 8, 4, 2, 7, 6, 0, 3, 6, 3, 0, 4,
8, 8, 9, 5, 2, 2, 5, 1, 1, 1, 9, 9, 5, 0, 1, 1, 9, 5, 4, 9, 5, 2,
7, 3, 9, 0, 1, 4, 9, 1, 1, 5, 4, 7, 5, 0, 3, 5, 1, 9, 4, 8, 8, 9,
7, 7, 7, 5, 6, 3, 2, 4, 3, 9, 6, 0])
>>> np.bincount(data)
array([14, 10, 9, 8, 14, 10, 6, 11, 7, 11])
输出数组中的第n个值表示n出现的次数，因此如果需要，可以使用enumerate创建字典:
>>> dict(enumerate(np.bincount(data)))
{0: 14, 1: 10, 2: 9, 3: 8, 4: 14, 5: 10, 6: 6, 7: 11, 8: 7, 9: 11}
简单地使用列表属性count\
i = ['apple','red','apple','red','red','pear']
d = {x:i.count(x) for x in i}
print d
输出:
{'pear': 1, 'apple': 2, 'red': 3}
我一直认为，对于如此琐碎的任务，我不想导入任何东西。但我可能是错的，取决于收集。反击是否更快。
items = "Whats the simpliest way to add the list items to a dictionary "
stats = {}
for i in items:
if i in stats:
stats[i] += 1
else:
stats[i] = 1
# bonus
for i in sorted(stats, key=stats.get):
print("%d×'%s'" % (stats[i], i))
我认为这可能比使用count()更好，因为它只会遍历可迭代对象一次，而count可能会在每次迭代中搜索整个对象。我使用这种方法解析了许多兆字节的统计数据，它总是相当快。
