¿Cómo puedo contar las apariciones de un elemento de la lista?

1817

Dado un elemento, ¿cómo puedo contar sus apariciones en una lista en Python?

2181

Si solo desea el recuento de un elemento, use el countmétodo:

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

Nota importante sobre el rendimiento del recuento

No use esto si desea contar varios elementos .

Llamar counten un bucle requiere una pasada por separado de la lista para cada countllamada, lo que puede ser catastrófico para el rendimiento.

Si desea contar todos los elementos, o incluso solo varios elementos, utilice Counter, como se explica en las otras respuestas.

1
  • 12
    mylist = [1,7,7,7,3,9,9,9,7,9,10,0] print sorted(set([i for i in mylist if mylist.count(i)>2])) 9 de septiembre de 2017 a las 19:15
2082

Úselo Countersi está usando Python 2.7 o 3.xy desea el número de ocurrencias para cada elemento:

>>> from collections import Counter
>>> z = ['blue', 'red', 'blue', 'yellow', 'blue', 'red']
>>> Counter(z)
Counter({'blue': 3, 'red': 2, 'yellow': 1})
6
  • 3
    Descubrí que cuando se usa mucho esto (hablando de millones de cadenas), es muy lento debido a sus llamadas a isinstance. Entonces, si está seguro de los datos con los que está trabajando, podría ser mejor escribir una función personalizada sin verificación de tipo e instancia. 19/06/18 a las 21:26
  • 6
    @BramVanroy: ¿Qué isinstancellamadas? Incluso con millones de cadenas, la llamada Countersolo implica una isinstancellamada, para comprobar si su argumento es un mapeo. Lo más probable es que haya juzgado mal lo que está comiendo todo el tiempo. 14/11/18 a las 4:08
  • 1
    Usted malinterpretó lo que quise decir: Counter verifica los tipos de sus datos antes de crear el Counter. Esto lleva relativamente mucho tiempo y si conoce el tipo de datos de antemano. Si observa el método de actualización de Counter, verá que tiene que pasar por tres declaraciones if antes de hacer algo. Si llama a update con frecuencia, esto se suma rápidamente. Cuando tenga control sobre sus datos y sepa que la entrada será de hecho iterable, puede omitir las dos primeras verificaciones. Como dije, solo noté esto cuando trabajé con millones de actualizaciones, por lo que es un caso extremo. 14/11/18 a las 8:45
  • 7
    @BramVanroy: Si está realizando millones de actualizaciones en lugar de solo contar millones de cadenas, esa es una historia diferente. El esfuerzo de optimización se Counterha centrado en contar iterables grandes, en lugar de contar muchos iterables. Contar un iterable de un millón de cadenas será más rápido Counterque con una implementación manual. Si desea llamar updatecon muchos iterables, es posible que pueda acelerar las cosas uniéndolas en un iterable con itertools.chain. 14/11/18 a las 18:20
  • 5
    En caso de que desee ordenar los resultados cómo-ordenar-contador-por-valor-python -> x = Counter({'a':5, 'b':3, 'c':7}) x.most_common()
    Javi
    22 dic.20 a las 9:27
315

Contar las apariciones de un elemento en una lista

Para contar las apariciones de un solo elemento de la lista, puede usar count()

>>> l = ["a","b","b"]
>>> l.count("a")
1
>>> l.count("b")
2

Contar las ocurrencias de todos los elementos de una lista también se conoce como "contar" una lista o crear un contador de conteo.

Contando todos los elementos con count ()

Para contar las ocurrencias de elementos en luno, simplemente puede usar una lista de comprensión y el count()método

[[x,l.count(x)] for x in set(l)]

(o similarmente con un diccionario dict((x,l.count(x)) for x in set(l)))

Ejemplo:

>>> l = ["a","b","b"]
>>> [[x,l.count(x)] for x in set(l)]
[['a', 1], ['b', 2]]
>>> dict((x,l.count(x)) for x in set(l))
{'a': 1, 'b': 2}

Contando todos los elementos con Contador ()

Alternativamente, está la Counterclase más rápida de la collectionsbiblioteca.

Counter(l)

Ejemplo:

>>> l = ["a","b","b"]
>>> from collections import Counter
>>> Counter(l)
Counter({'b': 2, 'a': 1})

¿Cuánto más rápido es Counter?

Verifiqué cuánto más rápido Counteres para contar listas. Probé ambos métodos con algunos valores de ny parece que Counteres más rápido por un factor constante de aproximadamente 2.

Aquí está el script que utilicé:

from __future__ import print_function
import timeit

t1=timeit.Timer('Counter(l)', \
                'import random;import string;from collections import Counter;n=1000;l=[random.choice(string.ascii_letters) for x in range(n)]'
                )

t2=timeit.Timer('[[x,l.count(x)] for x in set(l)]',
                'import random;import string;n=1000;l=[random.choice(string.ascii_letters) for x in range(n)]'
                )

print("Counter(): ", t1.repeat(repeat=3,number=10000))
print("count():   ", t2.repeat(repeat=3,number=10000)

Y la salida:

Counter():  [0.46062711701961234, 0.4022796869976446, 0.3974247490405105]
count():    [7.779430688009597, 7.962715800967999, 8.420845870045014]
3
  • 42
    Counteres mucho más rápido para listas más grandes. El método de comprensión de la lista es O (n ^ 2), Counterdebe ser O (n).
    fhucho
    11/11/15 a las 22:34
  • 31
    El contador no es más rápido por un factor de 2, el contador es más rápido por un factor de n (O (n ^ 2) vs O (n)). 23 de mayo de 2017 a las 10:13
  • 2
    Descubrí que cuando se usa mucho esto (hablando de millones de cadenas), es muy lento debido a sus llamadas a isinstance. Entonces, si está seguro de los datos con los que está trabajando, podría ser mejor escribir una función personalizada sin verificación de tipo e instancia. 19/06/2018 a las 21:27
77

Otra forma de obtener el número de ocurrencias de cada elemento, en un diccionario:

dict((i, a.count(i)) for i in a)
5
  • 55
    esto parece una de las construcciones que a menudo se me ocurren en el fragor de la batalla, pero se ejecutará a través de len (a) veces, lo que significa complejidad cuadrática en tiempo de ejecución (ya que cada ejecución depende de len (a) nuevamente). 10/10/12 a las 0:30
  • 5
    ¿Dict ((i, a.count (i)) for i en el conjunto (a)) sería más correcto y más rápido?
    hugo24
    23/0813 a las 9:20
  • 7
    @ hugo24: Un poco, pero no será asintóticamente más rápido en el peor de los casos; se necesitarán n * (number of different items)operaciones, sin contar el tiempo que lleva construir el conjunto. Usar collections.Counteres mucho mejor. 7/10/2013 a las 9:46
  • muy tarde para la fiesta, pero el código siguiente no arrojaría un error si una lista contuviera más de una instancia de i, porque intentará ingresar varias claves del mismo valor en un diccionario. dict((i, a.count(i)) for i in a)
    rp1
    16/09/19 a las 3:07
  • @ rp1 puede probarlo usted mismo y ver que los pares clave-valor posteriores simplemente sobrescriben la entrada anterior para la misma clave, por ejemplo, dict([(1, 2), (1, 3)])devuelve{1: 3}
    xuiqzy
    15 nov.20 a las 22:08
52

list.count(x)devuelve el número de veces que xaparece en una lista

ver: http://docs.python.org/tutorial/datastructures.html#more-on-lists

0
52

Given an item, how can I count its occurrences in a list in Python?

Aquí hay una lista de ejemplo:

>>> l = list('aaaaabbbbcccdde')
>>> l
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e']

list.count

Ahí está el list.countmétodo

>>> l.count('b')
4

Esto funciona bien para cualquier lista. Las tuplas también tienen este método:

>>> t = tuple('aabbbffffff')
>>> t
('a', 'a', 'b', 'b', 'b', 'f', 'f', 'f', 'f', 'f', 'f')
>>> t.count('f')
6

collections.Counter

Y luego están las colecciones. Contador. Puede volcar cualquier iterable en un contador, no solo en una lista, y el contador conservará una estructura de datos de los recuentos de los elementos.

Uso:

>>> from collections import Counter
>>> c = Counter(l)
>>> c['b']
4

Los contadores se basan en diccionarios de Python, sus claves son los elementos, por lo que las claves deben ser hash. Básicamente son como conjuntos que permiten elementos redundantes en ellos.

Uso adicional de collections.Counter

Puede sumar o restar con iterables de su contador:

>>> c.update(list('bbb'))
>>> c['b']
7
>>> c.subtract(list('bbb'))
>>> c['b']
4

Y también puede realizar operaciones de varios conjuntos con el contador:

>>> c2 = Counter(list('aabbxyz'))
>>> c - c2                   # set difference
Counter({'a': 3, 'c': 3, 'b': 2, 'd': 2, 'e': 1})
>>> c + c2                   # addition of all elements
Counter({'a': 7, 'b': 6, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c | c2                   # set union
Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c & c2                   # set intersection
Counter({'a': 2, 'b': 2})

¿Por qué no pandas?

Otra respuesta sugiere:

Why not use pandas?

Pandas es una biblioteca común, pero no está en la biblioteca estándar. Agregarlo como requisito no es trivial.

Hay soluciones integradas para este caso de uso en el objeto de lista en sí, así como en la biblioteca estándar.

Si su proyecto aún no requiere pandas, sería una tontería convertirlo en un requisito solo para esta funcionalidad.

2
  • 5
    Si bien "por qué no Pandas" es apropiado, probablemente debería ir acompañado de "cuándo usar NumPy", es decir, para matrices numéricas grandes. El factor decisivo no son solo las limitaciones del proyecto, hay eficiencias de memoria con NumPy que se hacen evidentes con big data.
    jpp
    3 de enero de 2019 a las 1:36
  • Gracias por mencionar Pandas / etc como una dependencia grave. Algunos de estos paquetes tienen efectos secundarios negativos. Por lo tanto, la adición de estos activos para necesidades triviales puede costar mucho tiempo y dólares. Personalmente, he experimentado que Numpy y SciPi agregaron 30 minutos a nuestra canalización de CI y tomó días para que el paquete se almacenara en caché correctamente. Grandes paquetes, pero a veces hay gastos ocultos. Hizo +1
    Marc
    13/11/19 a las 0:24
41

He comparado todas las soluciones sugeridas (y algunas nuevas) con perfplot (un pequeño proyecto mío).

Contando un artículo

Para matrices lo suficientemente grandes, resulta que

numpy.sum(numpy.array(a) == 1)

es un poco más rápido que las otras soluciones.

ingrese la descripción de la imagen aquí

Contando todos los artículos

Como se estableció antes ,

numpy.bincount(a)

es lo que quieres.

ingrese la descripción de la imagen aquí


Código para reproducir las parcelas:

from collections import Counter
from collections import defaultdict
import numpy
import operator
import pandas
import perfplot


def counter(a):
    return Counter(a)


def count(a):
    return dict((i, a.count(i)) for i in set(a))


def bincount(a):
    return numpy.bincount(a)


def pandas_value_counts(a):
    return pandas.Series(a).value_counts()


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


def count_unsorted_list_items(items):
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


def operator_countof(a):
    return dict((i, operator.countOf(a, i)) for i in set(a))


perfplot.show(
    setup=lambda n: list(numpy.random.randint(0, 100, n)),
    n_range=[2**k for k in range(20)],
    kernels=[
        counter, count, bincount, pandas_value_counts, occur_dict,
        count_unsorted_list_items, operator_countof
        ],
    equality_check=None,
    logx=True,
    logy=True,
    )
from collections import Counter
from collections import defaultdict
import numpy
import operator
import pandas
import perfplot


def counter(a):
    return Counter(a)


def count(a):
    return dict((i, a.count(i)) for i in set(a))


def bincount(a):
    return numpy.bincount(a)


def pandas_value_counts(a):
    return pandas.Series(a).value_counts()


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


def count_unsorted_list_items(items):
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


def operator_countof(a):
    return dict((i, operator.countOf(a, i)) for i in set(a))


b = perfplot.bench(
    setup=lambda n: list(numpy.random.randint(0, 100, n)),
    n_range=[2 ** k for k in range(20)],
    kernels=[
        counter,
        count,
        bincount,
        pandas_value_counts,
        occur_dict,
        count_unsorted_list_items,
        operator_countof,
    ],
    equality_check=None,
)
b.save("out.png")
b.show()
1
  • 7
    numpy.bincount () funcionará solo para listas con elementos int. 3 mar 2018 a las 9:20
39

Si desea contar todos los valores a la vez , puede hacerlo muy rápido usando matrices numpy y de la bincountsiguiente manera

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

lo que da

>>> array([0, 3, 1, 1, 2])
24

Si puede usar pandas, entonces value_countsestá allí para rescatarlo.

>>> 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

También clasifica automáticamente el resultado según la frecuencia.

Si desea que el resultado esté en una lista de lista, haga lo siguiente

>>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]
1
17

¿Por qué no usar Pandas?

import pandas as pd

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

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

Producción:

a    3
d    2
b    1
c    1
dtype: int64

Si está buscando un recuento de un elemento en particular, diga a , intente:

my_count['a']

Producción:

3
14

Tuve este problema hoy y desarrollé mi propia solución antes de pensar en verificar SO. Esta:

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

es muy, muy lento para listas grandes. Mi solución

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

es en realidad un poco más rápido que la solución Counter, al menos para Python 2.7.

2
  • 1
    El contador ordena las entradas mientras que la suya no, de ahí la diferencia de velocidad (verdadero en el momento de escribir este artículo, no estoy seguro de si fue cuando escribió la respuesta. Aún así, podría ser relevante para alguien que se desplaza hacia abajo). 8/06/2015 a las 21:29
  • 5
    El contador en Python 2 fue un poco lento, sí. Sin embargo, utiliza código optimizado en C para realizar el conteo en Python 3, y ahora supera su ciclo con facilidad. 22/04/2017 a las 18:05
13
# Python >= 2.6 (defaultdict) && < 2.7 (Counter, OrderedDict)
from collections import defaultdict
def count_unsorted_list_items(items):
    """
    :param items: iterable of hashable items to count
    :type items: iterable

    :returns: dict of counts like Py2.7 Counter
    :rtype: dict
    """
    counts = defaultdict(int)
    for item in items:
        counts[item] += 1
    return dict(counts)


# Python >= 2.2 (generators)
def count_sorted_list_items(items):
    """
    :param items: sorted iterable of items to count
    :type items: sorted iterable

    :returns: generator of (item, count) tuples
    :rtype: generator
    """
    if not items:
        return
    elif len(items) == 1:
        yield (items[0], 1)
        return
    prev_item = items[0]
    count = 1
    for item in items[1:]:
        if prev_item == item:
            count += 1
        else:
            yield (prev_item, count)
            count = 1
            prev_item = item
    yield (item, count)
    return


import unittest
class TestListCounters(unittest.TestCase):
    def test_count_unsorted_list_items(self):
        D = (
            ([], []),
            ([2], [(2,1)]),
            ([2,2], [(2,2)]),
            ([2,2,2,2,3,3,5,5], [(2,4), (3,2), (5,2)]),
            )
        for inp, exp_outp in D:
            counts = count_unsorted_list_items(inp) 
            print inp, exp_outp, counts
            self.assertEqual(counts, dict( exp_outp ))

        inp, exp_outp = UNSORTED_WIN = ([2,2,4,2], [(2,3), (4,1)])
        self.assertEqual(dict( exp_outp ), count_unsorted_list_items(inp) )


    def test_count_sorted_list_items(self):
        D = (
            ([], []),
            ([2], [(2,1)]),
            ([2,2], [(2,2)]),
            ([2,2,2,2,3,3,5,5], [(2,4), (3,2), (5,2)]),
            )
        for inp, exp_outp in D:
            counts = list( count_sorted_list_items(inp) )
            print inp, exp_outp, counts
            self.assertEqual(counts, exp_outp)

        inp, exp_outp = UNSORTED_FAIL = ([2,2,4,2], [(2,3), (4,1)])
        self.assertEqual(exp_outp, list( count_sorted_list_items(inp) ))
        # ... [(2,2), (4,1), (2,1)]
2
  • 2
    @plaes: ¿Cómo es eso? Si por "empresarial" te refieres a "documentado" en preparación para las anotaciones de Py3k, estoy de acuerdo. 21/08/11 a las 12:32
  • 1
    Este es un gran ejemplo, ya que estoy desarrollando principalmente en 2.7, pero tengo que tener rutas de migración a 2.4. 27 feb 2013 a las 21:06
13

A continuación se muestran las tres soluciones:

Lo más rápido es usar un bucle for y almacenarlo en un diccionario.

import time
from collections import Counter


def countElement(a):
    g = {}
    for i in a:
        if i in g: 
            g[i] +=1
        else: 
            g[i] =1
    return g


z = [1,1,1,1,2,2,2,2,3,3,4,5,5,234,23,3,12,3,123,12,31,23,13,2,4,23,42,42,34,234,23,42,34,23,423,42,34,23,423,4,234,23,42,34,23,4,23,423,4,23,4]


#Solution 1 - Faster
st = time.monotonic()
for i in range(1000000):
    b = countElement(z)
et = time.monotonic()
print(b)
print('Simple for loop and storing it in dict - Duration: {}'.format(et - st))

#Solution 2 - Fast
st = time.monotonic()
for i in range(1000000):
    a = Counter(z)
et = time.monotonic()
print (a)
print('Using collections.Counter - Duration: {}'.format(et - st))

#Solution 3 - Slow
st = time.monotonic()
for i in range(1000000):
    g = dict([(i, z.count(i)) for i in set(z)])
et = time.monotonic()
print(g)
print('Using list comprehension - Duration: {}'.format(et - st))

Resultado

#Solution 1 - Faster
{1: 4, 2: 5, 3: 4, 4: 6, 5: 2, 234: 3, 23: 10, 12: 2, 123: 1, 31: 1, 13: 1, 42: 5, 34: 4, 423: 3}
Simple for loop and storing it in dict - Duration: 12.032000000000153
#Solution 2 - Fast
Counter({23: 10, 4: 6, 2: 5, 42: 5, 1: 4, 3: 4, 34: 4, 234: 3, 423: 3, 5: 2, 12: 2, 123: 1, 31: 1, 13: 1})
Using collections.Counter - Duration: 15.889999999999418
#Solution 3 - Slow
{1: 4, 2: 5, 3: 4, 4: 6, 5: 2, 34: 4, 423: 3, 234: 3, 42: 5, 12: 2, 13: 1, 23: 10, 123: 1, 31: 1}
Using list comprehension - Duration: 33.0
2
  • En su lugar, use Counter como se menciona en la solución anterior por @ user52028778 23/11/20 a las 10:51
  • 1
    @KishanK Si ve mi respuesta, también probé con Counter (Solución 2), pero aún así, la Solución1 que usa el bucle se ejecuta más rápido que él. 24 nov.20 a las 6:30
12

Contar todos los elementos con itertools.groupby()

Otra posibilidad de obtener el recuento de todos los elementos de la lista podría ser mediante itertools.groupby().

Con recuentos "duplicados"

from itertools import groupby

L = ['a', 'a', 'a', 't', 'q', 'a', 'd', 'a', 'd', 'c']  # Input list

counts = [(i, len(list(c))) for i,c in groupby(L)]      # Create value-count pairs as list of tuples 
print(counts)

Devoluciones

[('a', 3), ('t', 1), ('q', 1), ('a', 1), ('d', 1), ('a', 1), ('d', 1), ('c', 1)]

Observe cómo combinó los primeros tres acomo el primer grupo, mientras que otros grupos aestán presentes más abajo en la lista. Esto sucede porque la lista de entrada Lno se ordenó. A veces, esto puede ser un beneficio si los grupos deberían estar separados.

Con recuentos únicos

Si se desean recuentos de grupos únicos, simplemente ordene la lista de entrada:

counts = [(i, len(list(c))) for i,c in groupby(sorted(L))]
print(counts)

Devoluciones

[('a', 5), ('c', 1), ('d', 2), ('q', 1), ('t', 1)]

Nota: Para crear recuentos únicos, muchas de las otras respuestas proporcionan un código más fácil y legible en comparación con la groupbysolución. Pero aquí se muestra para dibujar un paralelo al ejemplo de conteo duplicado.

11

Aunque es una pregunta muy antigua, como no encontré una sola línea, hice una.

# original numbers in list
l = [1, 2, 2, 3, 3, 3, 4]

# empty dictionary to hold pair of number and its count
d = {}

# loop through all elements and store count
[ d.update( {i:d.get(i, 0)+1} ) for i in l ]

print(d)
# {1: 1, 2: 2, 3: 3, 4: 1}
1
8

Se sugirió usar bincount de numpy , sin embargo, solo funciona para matrices 1d con enteros no negativos . Además, la matriz resultante puede ser confusa (contiene las ocurrencias de los números enteros del mínimo al máximo de la lista original y pone a 0 los enteros faltantes).

Una mejor manera de hacerlo con numpy es usar la función única con el atributo return_countsestablecido en True. Devuelve una tupla con una matriz de valores únicos y una matriz de las apariciones de cada valor único.

# a = [1, 1, 0, 2, 1, 0, 3, 3]
a_uniq, counts = np.unique(a, return_counts=True)  # array([0, 1, 2, 3]), array([2, 3, 1, 2]

y luego podemos emparejarlos como

dict(zip(a_uniq, counts))  # {0: 2, 1: 3, 2: 1, 3: 2}

También funciona con otros tipos de datos y "listas 2d", p. Ej.

>>> a = [['a', 'b', 'b', 'b'], ['a', 'c', 'c', 'a']]
>>> dict(zip(*np.unique(a, return_counts=True)))
{'a': 3, 'b': 3, 'c': 2}
7

Para contar el número de elementos diversos que tienen un tipo común:

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')

da

3 , no 6

4

También puede utilizar el countOfmétodo de un módulo integrado operator.

>>> import operator
>>> operator.countOf([1, 2, 3, 4, 1, 4, 1], 1)
3
1
  • 1
    ¿Cómo countOfse implementa? ¿Cómo se compara con lo más obvio list.count(que se beneficia de la implementación de C)? ¿Hay ventajas? 23 de mayo de 2017 a las 9:41
3

Puede que no sea el más eficiente, requiere una pasada adicional para eliminar duplicados.

Implementación funcional:

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

devoluciones :

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

o regresa como dict:

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

devoluciones :

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

Yo usaría filter(), tome el ejemplo de Lukasz:

>>> lst = [1, 2, 3, 4, 1, 4, 1]
>>> len(filter(lambda x: x==1, lst))
3
2
  • Esto genera la excepción 'el filtro de objeto no tiene len ()' en Python 3.5 11/06/20 a las 2:40
  • En Python 3, debe usar list () para convertir el objeto de filtro en una lista.
    IPython
    15 de julio de 2020 a las 4:23
3

Dada una lista X

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

El diccionario que muestra i: frecuencia (i) para los elementos de esta lista es:

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

Producción:

{-1: 2, 1: 3}
1
  • ¿Numpy calcula previamente esto de una manera inteligente a medida que se crea la lista? Si no es así, se trata de una O (n ^ 2). 1 de marzo a las 21:15
2

utilice% timeit para ver qué operación es más eficiente. Las operaciones de recuento de np.array deberían ser más rápidas.

 from collections import Counter
 mylist = [1,7,7,7,3,9,9,9,7,9,10,0] 
 types_counts=Counter(mylist)
 print(types_counts)
1
sum([1 for elem in <yourlist> if elem==<your_value>])

Esto devolverá la cantidad de ocurrencias de your_value

0

si desea una serie de apariciones para el elemento en particular:

>>> from collections import Counter
>>> z = ['blue', 'red', 'blue', 'yellow', 'blue', 'red']
>>> single_occurrences = Counter(z)
>>> print(single_occurrences.get("blue"))
3
>>> print(single_occurrences.values())
dict_values([3, 2, 1])
0
l2=[1,"feto",["feto",1,["feto"]],['feto',[1,2,3,['feto']]]]
count=0
 def Test(l):   
        global count 
        if len(l)==0:
             return count
        count=l.count("feto")
        for i in l:
             if type(i) is list:
                count+=Test(i)
        return count   
    print(Test(l2))

esto contará recursivamente o buscará el elemento en la lista incluso si está en la lista de listas

1
  • No sé por qué alguien simplemente vota en contra de una respuesta y es completamente útil 17 abr.20 a las 1:08
0

Alternativamente, también puede implementar el contador usted mismo. Esta es la forma en que lo hago:

item_list = ['me', 'me', 'you', 'you', 'you', 'they']

occ_dict = {}

for item in item_list:
    if item not in occ_dict:
        occ_dict[item] = 1
    else:
        occ_dict[item] +=1

print(occ_dict)

Producción: {'me': 2, 'you': 3, 'they': 1}

-1
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]

for i in test:
    print('{} numbers {}'.format(i, test.count(i)))
-2
def countfrequncyinarray(arr1):
    r=len(arr1)
    return {i:arr1.count(i) for i in range(1,r+1)}
arr1=[4,4,4,4]
a=countfrequncyinarray(arr1)
print(a)
1
  • 3
    Si bien este código puede responder a la pregunta, proporcionar un contexto adicional sobre por qué y / o cómo este código responde a la pregunta mejora su valor a largo plazo. 7 de julio de 2018 a las 8:53