['apple', 'red', 'apple', 'red', 'red', 'pear']
我想要一个可以计算列表中每个项目出现次数的字典。因此对于上面的列表，结果应该是：
{'apple': 2, 'red': 3, 'pear': 1}
在Python中，我该如何简单地做到这一点？
如果你只想计算列表中一个单独元素的实例，请参见如何计算列表项的出现次数？。
在Python 2.7 和 3.1 中，有一个特殊的 Counter（dict 子类）用于此目的。
>>> from collections import Counter
>>> Counter(['apple','red','apple','red','red','pear'])
Counter({'red': 3, 'apple': 2, 'pear': 1})
std::multiset(也有std::tr1::unordered_multiset)，所以Guido在其重要性方面并不孤立。 - awesomo我喜欢：
counts = dict()
for i in items:
counts[i] = counts.get(i, 0) + 1
.get允许你在键不存在的情况下指定默认值。
只需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}
count函数的次数等于数组中元素的个数。你的解决方案是O(n^2)，而更好的简单解决方案是O(n)。请查看有关riviera's answer和mmdreg's answer的评论。 - Ouroborusd = {x:i.count(x) for x in set(i)}。该语句用于统计 i 中每个元素出现的次数，并将结果存储在字典 d 中。 - Xenia IoannidouO(n * unique_elements)；除非您有很多重复项，否则没有太大改善。但仍然不好；构建一个set()基本上是将元素添加到一个没有计数的哈希表中。几乎与将它们添加到具有计数并在已存在时递增计数的字典中一样费力，而这只是为了创建设置。我所描述的添加到字典的内容已经是直方图问题的完整解决方案，您就完成了，而无需花费任何时间扫描每个唯一元素的原始数组。 - Peter Cordes>>> L = ['apple','red','apple','red','red','pear']
>>> from collections import defaultdict
>>> d = defaultdict(int)
>>> for i in L:
... d[i] += 1
>>> d
defaultdict(<type 'int'>, {'pear': 1, 'apple': 2, 'red': 3})
itertools.Counter应该是collections.Counter。 - Intrastellar Explorer我一直认为对于这样一个琐碎的任务，我不想要导入任何东西。但是根据collections.Counter是否更快，我可能是错误的。
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))
我认为这种方法可能比使用count()更好，因为它只会遍历可迭代对象一次，而count()在每次迭代时可能会搜索整个对象。我用这种方法解析了许多兆字节的统计数据，它总是相当快。
L = ['apple','red','apple','red','red','pear']
d = {}
[d.__setitem__(item,1+d.get(item,0)) for item in L]
print d
{'pear': 1, 'apple': 2, 'red': 3}。unique函数可以通过传递return_counts=True来告诉您每个值出现的次数：>>> data = ['apple', 'red', 'apple', 'red', 'red', 'pear']
>>> np.unique(data, return_counts=True)
(array(['apple', 'pear', 'red'], dtype='<U5'), array([2, 1, 3]))
zip)：>>> dict(zip(*np.unique(data, return_counts=True)))
{'apple': 2, 'pear': 1, 'red': 3}
bincount来获得更好的性能：>>> 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个值表示数字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}
def equalizeArray(arr):
# Counting the frequency of each element in the array
freq = {}
for i in arr:
if i not in freq:
freq[i] = 1
else:
freq[i] += 1
# Finding the element with the highest frequency
max_freq = max(freq.values())
# Calculating the number of deletions required
for key,value in freq.items():
if value == max_freq:
print(key,"been repeated:",value,"times")
mylist = [1,2,1,5,1,1,6,'a','a','b']
result = {}
for i in mylist:
result[i] = mylist.count(i)
print(result)