python学习：collections.Counter用法

collections在python官方文档中的解释是High-performance container datatypes，直接的中文翻译解释高性能容量数据类型。
它总共包含五种数据类型：

其中Counter中文意思是计数器，也就是我们常用于统计的一种数据类型，在使用Counter之后可以让我们的代码更加简单易读。

我们先看一个简单的例子：

#统计词频
colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']
result = {}
for color in colors:if result.get(color)==None:result[color]=1else:result[color]+=1
print (result)
#{'red': 2, 'blue': 3, 'green': 1}

下面我们看用Counter怎么实现：

from collections import Counter
colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']
c = Counter(colors)
print (dict(c))

显然代码更加简单了，也更容易读和维护了。

可以创建一个空的Counter：

cnt = Counter()

之后在空的Counter上进行一些操作。
也可以创建的时候传进去一个迭代器（数组，字符串，字典等）：

c = Counter('gallahad')                 # 传进字符串
c = Counter({'red': 4, 'blue': 2})      # 传进字典
c = Counter(cats=4, dogs=8)             # 传进元组

判断是否包含某元素，可以转化为dict然后通过dict判断，Counter也带有函数可以判断：

c = Counter(['eggs', 'ham'])
c['bacon']                              # 不存在就返回0
#0

删除元素：

c['sausage'] = 0                        # counter entry with a zero count
del c['sausage']   

获得所有元素：

c = Counter(a=4, b=2, c=0, d=-2)
list(c.elements())
#['a', 'a', 'a', 'a', 'b', 'b']

查看最常见出现的k个元素：

Counter('abracadabra').most_common(3)
#[('a', 5), ('r', 2), ('b', 2)]

Counter更新：

c = Counter(a=3, b=1)
d = Counter(a=1, b=2)
c + d                       # 相加
#Counter({'a': 4, 'b': 3})
c - d                       # 相减，如果小于等于0，删去
#Counter({'a': 2})
c & d                       # 求最小
#Counter({'a': 1, 'b': 1})
c | d                       # 求最大
#Counter({'a': 3, 'b': 2})

例子：读文件统计词频并按照出现次数排序，文件是以空格隔开的单词的诸多句子：

from collections import Counter
lines = open("./data/input.txt","r").read().splitlines()
lines = [lines[i].split(" ") for i in range(len(lines))]
words = []
for line in lines:words.extend(line)
result = Counter(words)
print (result.most_common(10))

当需要统计的文件比较大，使用read()一次读不完的情况：

from collections import Counter
result = Counter()
with open("./data/input.txt","r") as f:while True:lines = f.read(1024).splitlines()if lines==[]:breaklines = [lines[i].split(" ") for i in range(len(lines))]words = []for line in lines:words.extend(line)tmp = Counter(words)result+=tmpprint (result.most_common(10))

具体可以参考 https://docs.python.org/2/library/collections.html#collections.Counter.most_common

配合python的most_common()函数实现寻找top n 问题

python内建模块的collections有很多好用的操作。

比如：

1. from collections import Counter

2. #统计字符串

3. # top n问题

4. user_counter = Counter("abbafafpskaag")

5. print(user_counter.most_common(3)) #[('a', 5), ('b', 2), ('f', 2)]

6. print(user_counter['a']) # 5

注意返回值是n个元组