用Python计算事物的历史

有时，解决问题的Python方法会随着时间而改变。随着Python的发展，用Python方式计算列表项的方式也是如此。

我们来看一下计算事物在列表中出现的次数的不同技术。在分析这些技术时，我们只会关注代码样式。稍后我们会担心性能。

我们需要一些历史背景来理解这些不同的技术。幸运的是，我们生活在__future__中，并且拥有一台时间机器。让我们跳入DeLorean并进入1997年。

是1997年1月1日，我们正在使用Python 1.4。我们有一个颜色列表，我们很想知道每种颜色在该列表中出现了多少次。让我们使用字典！

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = {}对于颜色c：if color_counts。 has_key（c）：color_counts [c] = color_counts [c] + 1 else：color_counts [c] = 1

注意：我们不使用+ =，因为在Python 2.0之前不会添加增强分配，并且我们不会在color_counts惯用语中使用c，因为在Python 2.2之前不会发明c！

运行此命令后，我们将看到我们的color_counts词典现在包含列表中每种颜色的计数：

那很简单。我们只是循环浏览每种颜色，检查它是否在字典中，如果不是，则添加颜色，如果是，则增加计数。

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = {}对于c颜色：如果不是color_counts。 has_key（c）：color_counts [c] = 0 color_counts [c] = color_counts [c] + 1

在稀疏列表（具有很多非重复颜色的列表）上，这可能会稍慢一些，因为它执行的是两个语句而不是一个，但是我们并不担心性能，我们担心代码风格。经过一番思考，我们决定继续使用这个新版本。

是1997年1月2日，我们仍在使用Python 1.4。我们今天早上醒来时突然意识到：我们的代码正在练习“跨越式的思考”（LBYL），而我们本应练习“比请求权限更容易宽恕”（EAFP），因为EAFP更像Python。让我们重构代码以使用try-except块：

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = {}对于颜色中的c：try：color_counts [c] = color_counts [c] + 1，但KeyError：color_counts [c] = 1

现在，我们的代码尝试增加每种颜色的计数，如果该颜色不在词典中，则会引发KeyError，而是将颜色的颜色计数设置为1。

1998年1月1日，我们已经升级到Python 1.5。我们决定将代码重构为对字典使用新的get方法：

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = {}对于颜色为c的颜色：color_counts [c] = color_counts。得到（c，0）+ 1

现在，我们的代码循环遍历每种颜色，从字典中获取颜色的当前计数，将该计数默认为0，将计数加1，然后将字典键设置为此新值。

这全是一行代码，这很酷，但是我们不确定这是否是Pythonic。我们认为这可能太聪明了，因此我们恢复了此更改。

是2001年1月1日，我们现在正在使用Python 2.0！我们听说字典现在有一个setdefault方法，我们决定重构代码以使用此新方法。我们还决定使用新的+ =扩充赋值运算符：

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = {}对于颜色为c的颜色：color_counts。 setdefault（c，0）color_counts [c] + = 1

无论是否需要，都会在每个循环中调用setdefault方法，但这似乎更具可读性。我们认为这比以前的解决方案更具Python风格，并做出更改。

是2004年1月1日，我们正在使用Python 2.3。我们听说过字典上有一个新的fromkeys类方法，该方法可从键列表中构造字典。我们将代码重构为使用此新方法：

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = dict。 fromkeys（colors，0）for c的颜色：color_counts [c] + = 1

这将使用我们的颜色作为键创建一个新字典，所有值最初都设置为0。这使我们可以递增每个键，而不必担心它是否已设置。我们不再需要进行任何检查或异常处理，这似乎是一种改进。我们决定保留此更改。

是2005年1月1日，我们正在使用Python 2.4。我们意识到，我们可以使用集（在Python 2.3中发布并在2.4中内置）和列表推导（在Python 2.0中发布）解决计数问题。经过进一步思考，我们记得生成器表达式也是在Python 2.4中发布的，我们决定使用其中一个而不是列表理解：

颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts = dict（（set（colors）中c的（（c，colors。count（c））））

注意：我们没有使用字典理解，因为只有在Python 2.7之前，它们才被发明。

我们记得Python的Zen，它始于python-list电子邮件线程中，并被Python 2.2.1所吸引。我们在REPL中输入import this：

＆gt;＆gt;＆gt;蒂姆·彼得斯（Tim Peters Beautiful）导入的《 Python的禅宗》比丑陋更好。显式胜于隐式。简单胜于复杂。复杂胜于复杂。扁平比嵌套更好。稀疏胜于密集。可读性很重要。特殊情况不足以违反规则。尽管实用性胜过纯度。错误绝不能默默传递。除非明确地保持沉默。面对模棱两可的想法，拒绝猜测的诱惑。应该有一种-最好只有一种-显而易见的方法。除非您是荷兰人，否则起初这种方式可能并不明显。现在总比没有好。尽管从来没有比现在“正确”好。如果难以解释该实现，则是个坏主意。如果实现易于解释，则可能是个好主意。命名空间是一个很棒的主意-让我们做更多的事吧！

我们的代码更复杂（用O（n 2）代替O（n）），不太漂亮，可读性更差。所做的更改是一个有趣的实验，但是这种单线解决方案比我们现有的Pythonic少。我们决定还原此更改。

这是2007年1月1日，我们正在使用Python 2.5。我们刚刚发现defaultdict现在在标准库中。这应该允许我们将0设置为字典中的默认值。让我们重构代码以使用defaultdict进行计数：

从集合中导入defaultdict colors = [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts =用于颜色c的defaultdict（int）：color_counts [c] + = 1

我们意识到，color_counts变量的行为不同，但是它确实继承自dict并且支持所有相同的映射功能。

我们假设其余的代码实践未将color_counts转换为dict，而是直接进行了鸭式输入，并将此类似dict的对象保持原样。

是2011年1月1日，我们正在使用Python 2.7。有人告诉我们，我们的defaultdict代码不再是计算颜色的最Python方式。 Python 2.7的标准库中包含一个Counter类，它为我们完成了所有工作！

从集合中导入专柜颜色= [＆＃34;棕色＆＃34; ，＆＃34;红色＆＃34; ，＆＃34;绿色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;黄色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;棕色＆＃34; ，＆＃34;黑色＆＃34; ] color_counts =计数器（颜色）

像defaultdict一样，它返回一个类似dict的对象（实际上是dict的子类），对于我们的目的来说应该足够好，因此我们会坚持下去。

请注意，我们并未关注这些解决方案的效率。这些解决方案中的大多数具有相同的时间复杂度（大O表示法为O（n）），但运行时可能会因Python实现而异。

尽管性能不是我们的主要关注点，但是我确实测量了CPython 3.5.0的运行时间。有趣的是，每种实现方式如何根据列表中颜色名称的密度改变相对效率。

按照Python Zen的说法，“应该有一种（最好只有一种）明显的方式来做到这一点”。这是一个理想的消息。并非总是有一种明显的方式来做到这一点。 “显而易见”的方式会随时间，需求和专业水平的不同而变化。

导入此内容和Python的Zen：从这篇文章中借来的Python Zen琐事

Python如何：用字典进行分组和计数：在撰写本文时，我发现了这篇相关文章

感谢Brian Schrader和David Lord对本文的校对，并感谢Micah Denbraver在正确版本的Python上实际测试了这些解决方案。