python统计列表元素出现次数_python 获得列表中每个元素出现次数的最快方法？...

楼主这个问题应用场景中使用的还挺广，我之前就多次遇到这样的问题，最开始我也是傻瓜式地采用自己一个一个往dict里面存，然后发现实在是太**慢了，后来也用了楼上说的collections库，发现比傻瓜式的确快了很多，，然而！这种方式并不是理想的方式，直到我知道了有个numpy库，里面有很多对科学计算相关的函数封装，简直是屡试不爽。。好吧进入正题，下面简短的代码即展示了各种方式对楼主问题的解决方式，还对各方法性能进行了简单评测（注：我也只是个python新手，一直学习中，如有错误，请大家不吝赐教）：

import collections

import numpy as np

import random

import time

def list_to_dict_count(lst):

dic = {}

for i in lst:

dic[i] = lst.count(i)

return dic

def list_to_dict(lst):

dic = {}

for i in lst:

if i not in dic:

dic[i] = 1

else:

dic[i] += 1

return dic

def collect(lst):

return dict(collections.Counter(lst))

def unique(lst):

return dict(zip(*np.unique(lst, return_counts=True)))

def generate_data(num=10000000):

return np.random.randint(num / 10, size=num)

if __name__ == "__main__":

t1 = time.time()

lst = list(generate_data())

t2 = time.time()

t1 = t2

d1 = unique(lst)

t2 = time.time()

print("unique took :%sms" % (t2 - t1)) # 本机实测2.31s

t1 = t2

d2 = collect(lst)

t2 = time.time()

print("collect took :%sms" % (t2 - t1)) # 本机实测6.05s

t1 = t2

d3 = list_to_dict(lst)

t2 = time.time()

print("list_to_dict took :%sms" % (t2 - t1)) # 本机实测4.73s

t1 = t2

d4 = list_to_dict_count(lst)

t2 = time.time()

print("list_to_dict_count took :%sms" % (t2 - t1)) # 本机实测...太慢了测不下去了

assert(d1 == d2)

assert(d1 == d3)

assert(d1 == d4)

结论：要善于利用大神们造的轮子（标准库 & 扩展库 and 其他包），虽然不造这个numpy是谁造的，但是真是太强大了，另附上numpy.unique这个函数的官方链接，还有其他妙用的哈哈:numpy.unique