Python统计不同整数的出现次数的三种方法！
Python统计不同整数的出现次数的三种方法！
作者：傻啦嘿哟
在数据处理和分析领域,统计不同整数的出现次数是一个常见需求,无论是清洗日志数据、分析用户行为,还是处理实验观测值,我们都需要快速准确地获取不同整数的数量,本文将用通俗的语言,结合Python代码示例,为你系统讲解三种主流解决方案,需要的朋友可以参考下。
一、问题定义：什么是"不同整数的计数"？
假设有一个包含重复整数的列表：[1, 2, 3, 4, 2, 3, 4, 5]，我们需要统计其中有多少个不重复的整数。答案显然是5个（1,2,3,4,5）。
这个问题看似简单，但实际应用中常伴随复杂场景：
- 数据量庞大（百万级甚至亿级）
- 需要实时统计
- 内存资源有限
- 需要同时获取出现次数
二、解决方案一：集合去重法（适合基础场景）
核心思路：利用集合（Set）元素的唯一性自动去重。
|
1
2
3
4
|
my_list = [1, 2, 3, 4, 2, 3, 4, 5]unique_values = set(my_list) # 转换为集合count = len(unique_values) # 获取集合长度print(count) # 输出：5 |
原理说明：
- set()函数将列表转换为集合，自动过滤重复元素
- 集合的查找时间复杂度为O(1)，适合快速判断元素存在性
- 最终通过len()函数获取集合大小，即不同整数数量
性能特点：
- 时间复杂度：O(n)（转换集合）
- 空间复杂度：O(n)（存储唯一值）
- 优点：代码简洁，执行速度快
- 缺点：无法获取具体出现次数
三、解决方案二：字典计数法（适合需要频次的场景）
核心思路：用字典存储每个整数的出现次数，最后统计字典键的数量。
|
1
2
3
4
5
6
7
8
|
my_list = [1, 2, 3, 4, 2, 3, 4, 5]count_dict = {}for num in my_list:count_dict[num] = count_dict.get(num, 0) + 1 # 存在则+1，否则初始化为1count = len(count_dict)print(count) # 输出：5 |
原理说明：
- 遍历列表时，用get()方法安全获取当前计数值
- count_dict.get(num, 0)表示：若num存在则返回计数值，否则返回0
- 最终通过字典的键数量获取不同整数数量
扩展应用：
- 获取具体出现次数：print(count_dict) 输出{1:1, 2:2, 3:2, 4:2, 5:1}
- 查找最频繁整数：max(count_dict, key=count_dict.get)
性能特点：
- 时间复杂度：O(n)（单次遍历）
- 空间复杂度：O(n)（存储所有键值对）
- 优点：可获取详细频次信息
- 缺点：相比集合法需要额外存储空间
四、解决方案三：collections.Counter（专业统计工具）
核心思路：使用Python标准库中的Counter类，专为计数设计。
|
1
2
3
4
5
6
|
from collections import Countermy_list = [1, 2, 3, 4, 2, 3, 4, 5]counter = Counter(my_list) # 自动统计频次count = len(counter) # 获取唯一值数量print(count) # 输出：5 |
进阶用法：
|
1
2
3
4
5
6
7
|
# 获取出现次数最多的3个整数print(counter.most_common(3)) # 输出：[(2, 2), (3, 2), (4, 2)]# 数学运算（支持加减交并集）counter2 = Counter([5,6,6,7])print(counter + counter2) # 合并统计print(counter & counter2) # 交集统计 |
性能特点：
- 时间复杂度：O(n)（与字典法相当）
- 空间复杂度：O(n)
- 优点：内置丰富统计方法，代码最简洁
- 缺点：需要导入标准库
五、性能对比与选型建议
| 方法 | 时间复杂度 | 空间复杂度 | 适用场景 |
|---|---|---|---|
| 集合去重法 | O(n) | O(n) | 仅需简单计数 |
| 字典计数法 | O(n) | O(n) | 需要频次信息的中小型数据 |
| Counter类 | O(n) | O(n) | 需要复杂统计的大型数据 |
选型建议：
- 数据量小且无需频次信息 → 集合去重法
- 需要频次但数据量中等 → 字典计数法
- 专业数据分析/大数据场景 → collections.Counter
六、实战案例：日志分析中的IP统计
需求：统计服务器日志中不同IP的访问次数，找出访问最频繁的10个IP。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
from collections import Counter# 模拟日志数据（每行包含IP地址）log_lines = ["192.168.1.1 - - [timestamp] \"GET / HTTP/1.1\"","10.0.0.5 - - [timestamp] \"POST /api\"","192.168.1.1 - - [timestamp] \"GET /css/style.css\"",# ...（百万级日志数据）]# 提取IP地址ips = [line.split()[0] for line in log_lines]# 统计并输出结果ip_counter = Counter(ips)print("不同IP数量:", len(ip_counter))print("Top10 IP:", ip_counter.most_common(10)) |
代码解释：
- 使用列表推导式高效提取IP地址
- Counter自动处理百万级数据统计
- most_common(10)直接获取高频IP
七、总结：智能时代的计数利器
不同整数的计数问题看似简单，实则蕴含多种解决方案。在Python生态中：
- 集合提供了最基础的去重能力
- 字典实现了频次统计的基础需求
- collections.Counter则是专业级统计工具
随着数据规模的增长，合理选择数据结构变得尤为重要。对于智能时代的开发者而言，掌握这些计数方法，就如同拥有了精准的数字显微镜，能够高效洞察数据背后的规律。
以上就是Python统计不同整数的出现次数的三种方法的详细内容。
学习资料见知识星球。
以上就是今天要分享的技巧，你学会了吗？若有什么问题，欢迎在下方留言。
快来试试吧，小琥 my21ke007。获取 1000个免费 Excel模板福利！
更多技巧， www.excelbook.cn
欢迎 加入 零售创新 知识星球，知识星球主要以数据分析、报告分享、数据工具讨论为主；
你将获得：
1、价值上万元的专业的PPT报告模板。
2、专业案例分析和解读笔记。
3、实用的Excel、Word、PPT技巧。
4、VIP讨论群，共享资源。
5、优惠的会员商品。
6、一次付费只需129元，即可下载本站文章涉及的文件和软件。
共有 0 条评论