У меня есть список Python, и я хочу знать, как быстрее всего подсчитать количество вхождений элемента '1' в этом списке. В моем реальном случае элемент может встречаться десятки тысяч раз, поэтому мне нужен быстрый способ.
['1', '1', '1', '1', '1', '1', '2', '2', '2', '2', '7', '7', '7', '10', '10']
Какой подход: .count или collections.Counter, вероятно, более оптимизирован?
a = ['1', '1', '1', '1', '1', '1', '2', '2', '2', '2', '7', '7', '7', '10', '10']
print a.count("1")
Вероятно, он сильно оптимизирован на уровне C.
Изменить: я случайным образом сгенерировал большой список.
In [8]: len(a)
Out[8]: 6339347
In [9]: %timeit a.count("1")
10 loops, best of 3: 86.4 ms per loop
Изменить редактирование: это можно сделать с помощью collections.Counter.
a = Counter(your_list)
print a['1']
Использование того же списка в моем последнем примере синхронизации
In [17]: %timeit Counter(a)['1']
1 loops, best of 3: 1.52 s per loop
Мой тайминг упрощен и зависит от множества различных факторов, но он дает вам хорошее представление о производительности.
Вот немного профилирования
In [24]: profile.run("a.count('1')")
3 function calls in 0.091 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 0.091 0.091 <string>:1(<module>)
1 0.091 0.091 0.091 0.091 {method 'count' of 'list' objects}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Prof
iler' objects}
In [25]: profile.run("b = Counter(a); b['1']")
6339356 function calls in 2.143 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 2.143 2.143 <string>:1(<module>)
2 0.000 0.000 0.000 0.000 _weakrefset.py:68(__contains__)
1 0.000 0.000 0.000 0.000 abc.py:128(__instancecheck__)
1 0.000 0.000 2.143 2.143 collections.py:407(__init__)
1 1.788 1.788 2.143 2.143 collections.py:470(update)
1 0.000 0.000 0.000 0.000 {getattr}
1 0.000 0.000 0.000 0.000 {isinstance}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Prof
iler' objects}
6339347 0.356 0.000 0.356 0.000 {method 'get' of 'dict' objects}
count примерно в 20 раз быстрее, чем создание Counter, но тот же Counter можно использовать для получения счетчиков с несколькими разными значениями с очень низкими дополнительными затратами. Если вам нужно подсчитать 20 или более значений из одного и того же списка, Counter будет эффективнее, чем запускать .count() 20 раз.
- person John La Rooy; 17.09.2012
Counter вместо .count сократило время вдвое. +1 за Counter.
- person shshnk; 26.09.2015
random.randint(0, sys.maxsize) чисел, до 50 М)` , пытаясь посчитать еще randint с теми же параметрами, .cont примерно в 10 раз быстрее, чем Counter (попробуйте только посчитать однажды). Кроме того, я переключился на генераторы, с которыми Counter умеет обращаться, но комбинированное время (создание списка/генератора + подсчет) благоприятствует list и .count. Поведение одинаково для Python3 и Python2.
- person CristiFati; 22.08.2017
С помощью словаря Counter, наиболее эффективным способом подсчитывается количество вхождений всех элементов, а также наиболее распространенных элементов в списке Python с его значением вхождения.
Если наш список Python: -
l=['1', '1', '1', '1', '1', '1', '2', '2', '2', '2', '7', '7', '7', '10', '10']
Чтобы найти вхождение каждого элемента в список Python, используйте следующее:-
\>>from collections import Counter
\>>c=Counter(l)
\>>print c
Counter({'1': 6, '2': 4, '7': 3, '10': 2})
Чтобы найти наиболее часто встречающиеся элементы в списке Python: -
\>>k=c.most_common()
\>>k
[('1', 6), ('2', 4), ('7', 3), ('10', 2)]
Для самого высокого: -
\>>k[0][1]
6
Для элемента просто используйте k[0][0]
\>>k[0][0]
'1'
Для n-го самого высокого элемента и его отсутствия в списке используйте следующий код:-
**для n=2 **
\>>print k[n-1][0] # For item
2
\>>print k[n-1][1] # For value
4
Вы можете использовать pandas, преобразовав list в pd.Series, а затем просто использовать .value_counts()
import pandas as pd
a = ['1', '1', '1', '1', '1', '1', '2', '2', '2', '2', '7', '7', '7', '10', '10']
a_cnts = pd.Series(a).value_counts().to_dict()
Input >> a_cnts["1"], a_cnts["10"]
Output >> (6, 2)
Комбинация функции лямбда и карты также может выполнять эту работу:
list_ = ['a', 'b', 'b', 'c']
sum(map(lambda x: x=="b", list_))
:2
Вы можете преобразовать список в строку с элементами, разделенными пробелом, и разделить его на основе числа/символа для поиска.
Будет чистым и быстрым для большого списка.
>>>L = [2,1,1,2,1,3]
>>>strL = " ".join(str(x) for x in L)
>>>strL
2 1 1 2 1 3
>>>count=len(strL.split(" 1"))-1
>>>count
3
countилиcollections.Counterбыл лучше оптимизирован, поэтому я и спросил - person prrao schedule 17.09.2012.count- person Jakob Bowyer schedule 17.09.2012countотлично работает для больших списков - person prrao schedule 17.09.2012