19、Python之容器：快来数一数，24678？Counter能数得更好

引言

关于数据的分组计数，前面的文章中已经涉及了很多次。眼下要进行分组计数，我们可用的方法有：
1、直接使用dict进行计数，需要对首次出现的键进行判断初始化的操作；
2、使用dict的setdefault()方法进行计数，代码可以简化一些，虽然方法名有点怪；
3、defaultdict进行计数，可以设置自动初始化，代码更加简洁。

虽然前面这三个方法都可以实现计数的需求，但是，还是停留在相对基础的计数功能。

如果我们想要更加灵活的计数功能，比如计完数之后，取出Top N，比如分别计数之后的合并……

前面的基础计数功能，倒不是不能实现这些需求，只是相对来说，有些麻烦了。我们可以试试collections中的Counter类，一个专门为计数而生的工具类。

Counter定义

Counter是collections模块下的一个工具类，我们已经介绍过的defaultdict也是该模块中的。
首先看下Counter的定义文档：

可以看到Counter是dict的子类，用于统计可哈希的元素的个数。其实，从文档中，已经能学到关于Counter的主要功能了。

需要注意的是，统计的是可哈希的元素，这点可能会限制了Coutner的使用范围，但是，结合defaultdict，还是可以实现更加灵活的计数。

要使用Counter，还要看下我们怎么能够构造一个Counter对象。看下文档中，魔术方法：__init__的说明：

可以看到，我们有几种主要的构造方式：
1、无参形式，直接构造一个空对象，然后在后续逐步更新。
2、传入一个可迭代的对象，一般是原始数据明细，比如字符串、列表、元组等，会自动对可迭代对象计数。
3、传入一个字典对象，一般是已经有的计数结果，用于对计数结果进行更进一步的扩充。
4、以关键字参数的形式传参，如同字典一样，只是已有的计数结果的存储形式可能不同而已。

所以，对于不可哈希的元素，我们可以通过dict或者defaultdict进行计数，然后用统计结果进行Counter对象的构造。

Counter的核心用法

1、简单的可哈希数据元素的计数并取出Top N

首先我们以单词计数为例，首先我们先生成一个列表，存放各个单词，然后对这些单词进行统计计数，最终输出单词的统计结果，并给出出现最多的Top 3。

直接看代码：

from collections import Counter
import random

# 生成测试数据
words = [random.choice(['Python', 'Java', 'C++', 'Rust', 'Go', 'Ruby', 'Swift', 'Lua']) for _ in range(1000)]

# 构造Counter计数器
c = Counter(words)
# 输出统计结果
print(c)
# 获取Python的出现次数
print(c['Python'])
# 获取Top 3
print(c.most_common(3))

执行结果：

代码中，我们使用list存放所有的单词数据，然后用其构造一个Counter对象。
Counter对象可以像dict一样，使用[key]方式索引元素的出现次数。
most_common(n)方法，以列表的形式，返回Top n的数据，列表中的元素为元组形式，分别为键值和对应的次数。

复杂的计数场景

有些场景下，计数结果并没有我们所看到的这么简单。

如果数据存储在了两个列表中，或者数据量比较大，我们是分布式统计的，以便于提高统计的效率，就会涉及到每个局部统计的结果合并的问题。

如果使用dict或者defaultdict来处理这种情况，可能又涉及到键值判断或者初始化默认值的情况，但是用Counter则会变得简单很多，可以直接进行两个Counter的数学运算。

2、Counter对象的增量迭代式计数

首先看，增量式统计，数据是一批批陆续到来的，我们要使用Counter的update()方法进行计数的增量更新：

from collections import Counter

# 第一批测试数据
words1 = ['Python'] * 10
words1.extend(['Java'] * 5)
# 构造计数器对象
c = Counter(words1)
# 输出当前统计结果
print(c)

# 等待一段时间，第二批数据来了
words2 = ['Python', 'Java', 'C++', 'Rust']
# 更新计数
c.update(words2)
print(c)

3、Counter对象的数学运算，实现局部计数结果的合并

大数据计算中，一个典型的入门案例，就是分布式word count。将海量数据切分为多个任务，分布到不同节点上分别进行统计，获取中间结果，然后将结合汇聚，生成最终的结果。

我们简单模拟一下，只是为了演示Counter的数学运算：

from collections import Counter

# 假如数据量比较大，可能需要拆分成多个子任务，并行
# 统计子任务1
words1 = ['Python'] * 10
words1.extend(['Java'] * 5)
# 构造计数器对象
c1 = Counter(words1)
# 输出当前统计结果
print(c1)

# 统计子任务2
words2 = ['Python', 'Java', 'C++', 'Rust']
c2 = Counter(words2)
print(c2)

# 合并获取最终结果
c = c1 + c2
print(c)

执行结果：

当然，Coutner也是支持减法、交集、并集等运算的，这里就不一一演示了，感兴趣的，可以自行尝试。

4、不可哈希元素计数
针对不可哈希的元素的统计计数，我们可以结合dict、defaultdict得出统计结果，如果后续需要进行Top N的处理，或者统计结果的合并，再交由Counter进行进一步加工处理。

也可以使用列表生成式，将不可哈希的元素转换为可哈希的元素，然后进行统计。

总结

本文主要就关于统计计数的相关实现方式，重点介绍了Counter的基本使用。其实，这些都不需要记忆，只要有需求场景时，能想到有这么个工具类，实际使用时，再查看定义文档即可。