Python：使用Counter进行计数统计

Posted 2020-08-08

    计数统计就是统计某一项出现的次数。实际应用中很多需求需要用到这个模型。比如测试样本中某一指出现的次数、日志分析中某一消息出现的频率等等‘这种类似的需求有很多实现方法。下面就列举几条。

(1)使用dict

看下面代码

#coding=utf-8
data = [‘a‘,‘2‘,2,4,5,‘2‘,‘b‘,4,7,‘a‘,5,‘d‘,‘a‘,‘z‘]
count_frq = dict()
for one in data:
     if one in count_frq:
          count_frq[one] += 1
     else:
          count_frq[one] = 1

print count_frq

输出结果如下：

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

这种方法最简单，也是最容易想到的，鄙人这写这篇博文之前用的最多，不过以后应该不会用来，我们应该使代码更加Pythonic

(2)使用set和list

代码如下：

#coding=utf-8
data = [‘a‘,‘2‘,2,4,5,‘2‘,‘b‘,4,7,‘a‘,5,‘d‘,‘a‘,‘z‘]
data_set = set(data)
count_list = []
for one in data_set:
     count_list.append((one,data.count(one)))

print count_list

输出结果如下：

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

    这里面利用了list的通用方法和集合(set)的特性，集合是一个无序不重复的元素集，而工厂函数set()可以将列表转换为一个无序不重复的元素集合。

以上方法都很简单，但不够Pythonic。下面来介绍collections中的Counter类。

(一)Counter类

    Counter类的目的是用来跟踪值出现的次数。它是一个无序的容器类型，以字典的键值对形式存储，其中元素作为key，其计数作为value。计数值可以是任意的Interger（包括0和负数）支持集合操作+、-、&、|，其中&、|操作分别返回两个Counter对象各元素的最大值和最小值。

（1）Counter的初始化

跟平时自定义类的初始化方法差不多，如下：

c = Counter("hello world")#可迭代对象创建

c = Counter(h=1,l=3,o=2)#关键字创建

c = Counter({‘h‘:1,‘l‘:3,‘o‘:2})#字典创建

c = Counter()#空Counter类

(2)Counter类常见方法

elements()：返回一个迭代器。元素被重复了多少次，在该迭代器中就包含多少个该元素。所有元素按照字母序排序，个数小于1的元素不被包含。

update()：用于统计对象元素的更新，原有的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。

subtract()：该方法用于计数器对象中元素统计值减少，输入输出的统计值书可以为0或者负数的。

most_common([n])：可以查找出前n个出现频率最高的元素以及它们对于的次数，也就是说频率搞的排在最前面。

copy()：浅拷贝。关于浅拷贝，深拷贝可以参考上篇博文。http://11026142.blog.51cto.com/11016142/1851472

所以上面的例子用Counter类的话，也很简单，代码如下：

#coding=utf-8
from collections import Counter
data = [‘a‘,‘2‘,2,4,5,‘2‘,‘b‘,4,7,‘a‘,5,‘d‘,‘a‘,‘z‘]
c = Counter(data)
print c

输出结果如下：

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

咱们接着看代码

print c.elements()
print list(c.elements())

输出结果如下：

<itertools.chain object at 0x7f94b81683d0>

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

c[‘z‘] -= 1
print c
print c.elements()
print list(c.elements())

输出结果如下：

Counter({‘a‘: 3, 4: 2, 5: 2, ‘2‘: 2, 2: 1, ‘b‘: 1, 7: 1, ‘d‘: 1, ‘z‘: 0})

<itertools.chain object at 0x7f0e928723d0>

[‘a‘, ‘a‘, ‘a‘, 2, ‘b‘, 4, 4, 5, 5, 7, ‘2‘, ‘2‘, ‘d‘]

元素’z‘的统计值变为了0，然后进行elements()运算后，‘z‘就被排除掉了。

c.update("aaaa")
print c

输出结果：

Counter({‘a‘: 7, 4: 2, 5: 2, ‘2‘: 2, 2: 1, ‘b‘: 1, 7: 1, ‘d‘: 1, ‘z‘: 0})

update()在原基础上增加了计数值

c.subtract("aaaaa")
print c

输出结果如下：

Counter({‘a‘: 2, 4: 2, 5: 2, ‘2‘: 2, 2: 1, ‘b‘: 1, 7: 1, ‘d‘: 1, ‘z‘: 0})

subtract()在原基础上减少计数值

print c.most_common()

输出结果如下：

[(‘a‘, 2), (4, 2), (5, 2), (‘2‘, 2), (2, 1), (‘b‘, 1), (7, 1), (‘d‘, 1), (‘z‘, 0)]

以上代码都是连接在一起的。

(3)算术和集合操作

#coding=utf-8
from collections import Counter
data = [‘a‘,‘2‘,‘2‘,‘b‘,‘a‘,‘d‘,‘a‘,]
c = Counter(data)
b = Counter(a=1,b=2)
print c
print b
print b+c  # c[x] + d[x]
print c-b   # subtract（只保留正数计数的元素）
print c&b   # 交集:  min(c[x], d[x])
print c|b    # 并集:  max(c[x], d[x])

输出结果如下：

Counter({‘a‘: 3, ‘2‘: 2, ‘b‘: 1, ‘d‘: 1})

Counter({‘b‘: 2, ‘a‘: 1})

Counter({‘a‘: 4, ‘b‘: 3, ‘2‘: 2, ‘d‘: 1})

Counter({‘a‘: 2, ‘2‘: 2, ‘d‘: 1})

Counter({‘a‘: 1, ‘b‘: 1})

Counter({‘a‘: 3, ‘2‘: 2, ‘b‘: 2, ‘d‘: 1})

(4)其它

Counter类返回值跟字典很类似，所以字典类的方法对Counter对象也适用。如下：

#coding=utf-8
from collections import Counter
data = [‘a‘,‘2‘,2,4,5,‘2‘,‘b‘,4,7,‘a‘,5,‘d‘,‘a‘,‘z‘]
c = Counter(data)
print c.keys()
print c.has_key(‘a‘)
print c.get(‘a‘)
print c.items()
print c.values()
print c.viewitems()
print c.viewkeys()

输出如下：

[‘a‘, 2, ‘b‘, 4, 5, 7, ‘2‘, ‘z‘, ‘d‘]

True

3

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

[3, 1, 1, 2, 2, 1, 2, 1, 1]

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

dict_keys([‘a‘, 2, ‘b‘, 4, 5, 7, ‘2‘, ‘z‘, ‘d‘])

这只是其中一部分，其它的方法可以参考字典类的方法。

另外，Counter对象还支持工厂函数操作set()、list()、dict().

有时间再补充介绍collections模块中其它的类