python统计每个整数出现频率 Python统计不同整数的出现次数的三种方法
目录
- 一、难题定义：什么是"不同整数的计数"？
- 二、解决方案一：集合去重法（适合基础场景）
- 三、解决方案二：字典计数法（适合需要频次的场景）
- 四、解决方案三：collections.Counter（专业统计工具）
- 五、性能对比与选型建议
- 六、实战案例：日志分析中的IP统计
- 七、划重点：智能时代的计数利器
一、难题定义：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几许个不重复的整数。答案显然是5个（1,2,3,4,5）。
这个难题看似简单，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。
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
- 集合的查找时刻复杂度为O(1)，适合快速判断元素存在性
- 最终通过len()函数获取集合大致，即不同整数数量
性能特点：
- 时刻复杂度：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，最终统计字典键的数量。
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1 count = len(count_dict)print(count) 输出：5
原理说明：
- 遍历列表时，用get()技巧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：
- 时刻复杂度：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。
from collections import Counter my_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：
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：
- 时刻复杂度：O(n)（与字典法相当）
- 空间复杂度：O(n)
- 优点：内置丰富统计技巧，代码最简洁
- 缺点：需要导入标准库
五、性能对比与选型建议
| 技巧 | 时刻复杂度 | 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。
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] 统计并输出结局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、划重点：智能时代的计数利器
不同整数的计数难题看似简单，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，掌握这些计数技巧，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技巧的详细内容，更多关于Python统计不同整数出现次数的资料请关注风君子博客其它相关文章！
无论兄弟们可能感兴趣的文章:
- Python中输入若干整数以逗号间隔实现统计每个整数出现次数
- Python字符串中出现的次数统计多种技巧
- python统计列表中元素出现次数的三种技巧
- Python实现去除Excel重复数据并统计重复次数
