通过每个项目的两个第一个值优化列表列表中的频率

Question

我完全不熟悉编程（不到 2 个月 - self-taught），我正在做一个项目，它需要每个内部的前两个索引的列表列表的频率列表。

这是我的清单：

x = [['block', 3], ['street', 2], ['lamp',1], ['street', 2], ['industrial', 3], ['park', 2], ['park', 3], ['industrial', 3], ['block', 3], ['street', 2], ['lamp',1], ['street', 2], ['industrial', 3], ['park', 2]]

所以每个内部列表的第一个值是标题，第二个是约定值。

重要的是，如您所见，其中一些重复（重复）。

我想要一个这样的输出列表：

p = [['block', 3, 2], ['street', 2, 4], ['lamp', 1, 2], ['industrial', 3, 3], ['park', 2, 2], ['park', 3, 1]]

在外部列表 x 中，第三个值作为该内部列表的 FREQUENCY。

所以这是我的 non-pythonic（可能很乏味）方法：

x = [['block', 3], ['street', 2], ['lamp',1], ['street', 2], ['industrial', 3], ['park', 2], ['park', 3], ['industrial', 3], ['block', 3], ['street', 2], ['lamp',1], ['street', 2], ['industrial', 3], ['park', 2]]
p = []

for a in x:
    p.append(a ),  a.append( x.count(a))

print p # checkpoint

i= 0
while i < len(p):
    for j in range(len(p)):
        if i == j:
            print i, ' = ', j
            break
        else:
            if p[i][:2] == p[j][:2]:
                print p[i][:2], '==', p[j][:2]
                p.pop(i)
                i = 0
                j=0
                break
    i = i+1

print p # the list of lists I'm desired

但是对于我的项目来说，因为这个函数跟在其他函数之后，与它们相比这个函数具有更高的run-time，尤其是在输入数据集很大的情况下。

因为我缺乏知识，所以无法优化我编写的代码。

所以我想问一下，有没有更快更 pythonic 的方法来做到这一点？

Answer 1

是的，用字典。我假设顺序很重要，所以我将使用OrderedDict，但如果顺序无关紧要，您可以考虑使用Counter对象：

>>> from collections import OrderedDict
>>> counter = OrderedDict()
>>> for a, b in x:
...     t = (a, b)
...     counter[t] = counter.get(t, 0) + 1
...
>>> final = [[a, b, v] for (a,b),v in counter.items()]
>>> final
[['block', 3, 2], ['street', 2, 4], ['lamp', 1, 2], ['industrial', 3, 3], ['park', 2, 2], ['park', 3, 1]]

刚刚注意到你在 Python 2（如果你能帮助它，你真的应该使用 Python 3），在这种情况下，因为你在 Python 2 , 你应该使用 counter.iteritems() 而不是 counter.items().

所以像这样：

>>> final = [[a, b, count] for (a, b), count in counter.iteritems()]
>>> final
[['block', 3, 2], ['street', 2, 4], ['lamp', 1, 2], ['industrial', 3, 3], ['park', 2, 2], ['park', 3, 1]]

请注意，您的第一个 for 循环是按二次缩放的，至于那个 while 循环，我不想考虑它，我认为也可能是二次的，但也许更糟（因为您 .pop(i)) 但我在上面发布的解决方案是线性扩展的。所以它应该能够有效地处理更大的数据集。

通过每个项目的两个第一个值优化列表列表中的频率

optimizing frequency in a list of list, by each item's two first value

python

list

frequency

duplicates