Question

假设我有一些如下所示的数据。

Lucy = 1
Bob = 5
Jim = 40
Susan = 6
Lucy = 2
Bob = 30
Harold = 6

我想要结合1）删除重复的密钥，2）添加这些重复密钥的值。这意味着我得到了键/值：

Lucy = 3
Bob = 35
Jim = 40
Susan = 6
Harold = 6

使用（来自集合）计数器或默认字典会更好吗？

Answer 1

Counter和defaultdict(int)在这里都可以正常工作，但它们之间的差异很小：

Counter支持您在multiset上可以执行的大部分操作。因此，如果您想使用这些操作，请转到计数器。
Counter不会向dict添加新密钥。因此，如果您的查询包含dict中可能不存在的密钥，那么最好使用Counter。

示例：

>>> c = Counter()
>>> d = defaultdict(int)
>>> c[0], d[1]
(0, 0)
>>> c
Counter()
>>> d
defaultdict(<type 'int'>, {1: 0})

示例：

Counter还有一个名为most_common的方法，允许您按计数对项目进行排序。要在defaultdict中获得相同的内容，您必须使用sorted。

示例：

>>> c = Counter('aaaaaaaaabbbbbbbcc')
>>> c.most_common()
[('a', 9), ('b', 7), ('c', 2)]
>>> c.most_common(2)          #return 2 most common items and their counts
[('a', 9), ('b', 7)]

Counter还允许您从Counter对象创建元素列表。

示例：

>>> c = Counter({'a':5, 'b':3})
>>> list(c.elements())
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b']

因此，根据您对结果字典的处理方式，您可以选择Counter和defaultdict(int)。

Answer 2

我支持使用defaultdict(int)进行求和计数，例如在这种情况下，使用Counter()计算列表元素。在您的情况下，以下将是最干净的解决方案：

name_count = [
    ("Lucy", 1),
    ("Bob", 5),
    ("Jim", 40),
    ("Susan", 6),
    ("Lucy", 2),
    ("Bob", 30),
    ("Harold", 6)
]

aggregate_counts = defaultdict(int)
for name, count in name_count:
    aggregate_counts[name] += count

Answer 3

defaultdict(int)似乎工作得更快。

In [1]: from collections import Counter, defaultdict

In [2]: def test_counter():
   ...:     c = Counter()
   ...:     for i in range(10000):
   ...:         c[i] += 1
   ...:

In [3]: def test_defaultdict():
   ...:     d = defaultdict(int)
   ...:     for i in range(10000):
   ...:         d[i] += 1
   ...:

In [4]: %timeit test_counter()
5.28 ms ± 1.2 ms per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [5]: %timeit test_defaultdict()
2.31 ms ± 68.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

Python：Collections.Counter vs defaultdict（int）

3 个答案: