Python标准库collections库:超好用的counter计数器,不接受反驳!

简介: Python标准库collections库:超好用的counter计数器,不接受反驳!

collections是python的标准库,它提供了一些解决特定问题的容器,也就是说有些问题虽然可以用list,tuple,dict解决,但解决起来太麻烦,而这些问题又经常遇到,所以他们就把这些问题的通用方法整理了出来,放到collections库中让人使用。


collections中一共有9种容器,其中counter、defaultdict、deque、namedtuple、orderdict比较常用。

image.png

今天我们单独来讲讲Counter的用法!


Counter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。因此,我们可以通过字典的取数方式,进行取数。


在使用之前,我们需要先导入这个库,导入方法如下:


from collections import Counter


使用Counter类,我们需要先实例化一个Counter类,我们先实例化一个空的Counter类。


c1 = Counter()
c1



结果如下:

image.png

我们可以往括号中传入参数,来帮助我们实现不同情况下的 “值计数”。


Counter类的创建

我们可以往Counter类中,分别传入字符串、列表、元组、字典等,创建一个Counter类。


1. 传入一个字符串

c2 = Counter("hello huang")
c2


结果如下:

image.png


2. 传入一个列表

lis = [i for i in "chinese"]
c3 = Counter(lis)
c3


结果如下:

image.png


3. 传入一个字典

import random
dic = {k: random.randint(1,4) for k in "abcdefg"}
c4 = Counter(dic)
c4


结果如下:

image.png


4. 关键字参数

c5 = Counter(a=7,b=8)
c5


结果如下:


image.png

Counter类中计数元素值的访问

和访问字典类似,但是和字典唯一不同的是,如果所访问的键不存在时,返回0,而不是KeyError。


c = Counter("hello huang")
c["h"]


结果如下:

image.png


Counter类中计数元素的修改

关于Counter类中的计数元素,既可以做加减法、还可以做集合运算、也可以删除。


1. 加减法

① 加法

我们既可以使用update函数,完成这个操作。还可以使用+号,完成这个操作。

image.png


② 减法

我们既可以使用subtract函数,完成这个操作。但是-号用法就不同了,它应该属于集合运算,只统计在集合a中,而不在集合b中的值。

image.png

2. 集合运算

上面的-号就是一个集合运算,我在为大家介绍一下与&、|或操作。


① 与&

&操作,是找两个collection中都有的键最小的键值。


c1 = Counter("chinese")
c2 = Counter("where")
c1 & c2


结果如下:

image.png


② |或

|操作,是找两个collection中的键最大的键值(可以只有一个collection有这个键,但是结果中的键值必须大于零,小于零的被舍弃)。


c1 = Counter("chinese")
c2 = Counter("where")
c1 | c2


结果如下:


image.png

3. 删除操作

删除元素使用的是del函数。


c = Counter("where")
del c["r"]
c


结果如下:

image.png


Counter类中其它常用函数

1. most_common(n)找出重复次数最多的前n个。

c = Counter("aabbbcccddddeeeee")
c.most_common(2)


结果如下:

image.png

2. key和value用于获取Collections键和键值的集合。

c = Counter("chinese")
c.keys()
c.values()


结果如下:

image.png

当然,我们也可以使用dict()函数将collection中的内容转化为字典,我们也可以使用list()函数将collection中的键转化为list,这里不在讲述,大家自行下去学习。


相关文章
Python
16 0
|
1天前
|
JSON 数据格式 索引
python 又一个点运算符操作的字典库:Munch
python 又一个点运算符操作的字典库:Munch
12 0
|
2天前
|
数据挖掘 数据处理 索引
如何使用Python的Pandas库进行数据筛选和过滤?
Pandas是Python数据分析的核心库,提供DataFrame数据结构。基本步骤包括导入库、创建DataFrame及进行数据筛选。示例代码展示了如何通过布尔索引、`query()`和`loc[]`方法筛选`Age`大于19的记录。
10 0
|
3天前
|
数据处理 Python
如何使用Python的Pandas库进行数据排序和排名
【4月更文挑战第22天】Pandas Python库提供数据排序和排名功能。使用`sort_values()`按列进行升序或降序排序,如`df.sort_values(by='A', ascending=False)`。`rank()`函数用于计算排名,如`df['A'].rank(ascending=False)`。多列操作可传入列名列表,如`df.sort_values(by=['A', 'B'], ascending=[True, False])`和分别对'A'、'B'列排名。
13 2
|
4天前
|
算法 Python
请解释Python中的关联规则挖掘以及如何使用Sklearn库实现它。
使用Python的mlxtend库,可以通过Apriori算法进行关联规则挖掘。首先导入TransactionEncoder和apriori等模块,然后准备数据集(如购买行为列表)。对数据集编码并转换后,应用Apriori算法找到频繁项集(设置最小支持度)。最后,生成关联规则并计算置信度(设定最小置信度阈值)。通过调整这些参数可以优化结果。
25 9
|
4天前
|
Python
如何使用Python的Pandas库进行数据缺失值处理?
Pandas在Python中提供多种处理缺失值的方法:1) 使用`isnull()`检查;2) `dropna()`删除含缺失值的行或列;3) `fillna()`用常数、前后值填充;4) `interpolate()`进行插值填充。根据需求选择合适的方法处理数据缺失。
35 9
|
4天前
|
索引 Python
如何在Python中使用Pandas库进行季节性调整?
在Python中使用Pandas和Statsmodels进行季节性调整的步骤包括:导入pandas和seasonal_decompose模块,准备时间序列DataFrame,调用`seasonal_decompose()`函数分解数据为趋势、季节性和残差,可选地绘制图表分析,以及根据需求去除季节性影响(如将原始数据减去季节性成分)。这是对时间序列数据进行季节性分析的基础流程。
19 2
|
5天前
|
缓存 自然语言处理 数据处理
Python自然语言处理面试:NLTK、SpaCy与Hugging Face库详解
【4月更文挑战第16天】本文介绍了Python NLP面试中NLTK、SpaCy和Hugging Face库的常见问题和易错点。通过示例代码展示了如何进行分词、词性标注、命名实体识别、相似度计算、依存关系分析、文本分类及预训练模型调用等任务。重点强调了理解库功能、预处理、模型选择、性能优化和模型解释性的重要性,帮助面试者提升NLP技术展示。
22 5
|
6天前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型,如折线图、散点图、柱状图。使用步骤包括安装库、导入模块、准备数据、创建图表对象、添加数据和设置属性,最后显示或保存图表。
17 6
|
6天前
|
机器学习/深度学习 数据采集 算法
请解释Python中的Sklearn库以及它的主要用途。
Sklearn是Python的机器学习库,提供数据预处理、特征选择、分类回归、聚类、模型评估和参数调优等工具。包含监督和无监督学习算法,如SVM、决策树、K-means等,并提供样例数据集便于实践。它是进行机器学习项目的重要资源。
13 1

热门文章

最新文章