一、問題定義：什么是"不同整數(shù)的計(jì)數(shù)"？

假設(shè)有一個(gè)包含重復(fù)整數(shù)的列表：[1, 2, 3, 4, 2, 3, 4, 5]，我們需要統(tǒng)計(jì)其中有多少個(gè)不重復(fù)的整數(shù)。答案顯然是5個(gè)（1,2,3,4,5）。

這個(gè)問題看似簡(jiǎn)單，但實(shí)際應(yīng)用中常伴隨復(fù)雜場(chǎng)景：

• 數(shù)據(jù)量龐大（百萬級(jí)甚至億級(jí)）
• 需要實(shí)時(shí)統(tǒng)計(jì)
• 內(nèi)存資源有限
• 需要同時(shí)獲取出現(xiàn)次數(shù)

二、解決方案一：集合去重法（適合基礎(chǔ)場(chǎng)景）

核心思路：利用集合（Set）元素的唯一性自動(dòng)去重。

my_list = [1, 2, 3, 4, 2, 3, 4, 5]
unique_values = set(my_list)  # 轉(zhuǎn)換為集合
count = len(unique_values)    # 獲取集合長(zhǎng)度
print(count)  # 輸出：5

原理說明：

• set()函數(shù)將列表轉(zhuǎn)換為集合，自動(dòng)過濾重復(fù)元素
• 集合的查找時(shí)間復(fù)雜度為O(1)，適合快速判斷元素存在性
• 最終通過len()函數(shù)獲取集合大小，即不同整數(shù)數(shù)量

性能特點(diǎn)：

• 時(shí)間復(fù)雜度：O(n)（轉(zhuǎn)換集合）
• 空間復(fù)雜度：O(n)（存儲(chǔ)唯一值）
• 優(yōu)點(diǎn)：代碼簡(jiǎn)潔，執(zhí)行速度快
• 缺點(diǎn)：無法獲取具體出現(xiàn)次數(shù)

三、解決方案二：字典計(jì)數(shù)法（適合需要頻次的場(chǎng)景）

核心思路：用字典存儲(chǔ)每個(gè)整數(shù)的出現(xiàn)次數(shù)，最后統(tǒng)計(jì)字典鍵的數(shù)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  # 存在則+1，否則初始化為1
 
count = len(count_dict)
print(count)  # 輸出：5

原理說明：

• 遍歷列表時(shí)，用get()方法安全獲取當(dāng)前計(jì)數(shù)值
• count_dict.get(num, 0)表示：若num存在則返回計(jì)數(shù)值，否則返回0
• 最終通過字典的鍵數(shù)量獲取不同整數(shù)數(shù)量

擴(kuò)展應(yīng)用：

• 獲取具體出現(xiàn)次數(shù)：print(count_dict) 輸出{1:1, 2:2, 3:2, 4:2, 5:1}
• 查找最頻繁整數(shù)：max(count_dict, key=count_dict.get)

性能特點(diǎn)：

• 時(shí)間復(fù)雜度：O(n)（單次遍歷）
• 空間復(fù)雜度：O(n)（存儲(chǔ)所有鍵值對(duì)）
• 優(yōu)點(diǎn)：可獲取詳細(xì)頻次信息
• 缺點(diǎn)：相比集合法需要額外存儲(chǔ)空間

四、解決方案三：collections.Counter（專業(yè)統(tǒng)計(jì)工具）

核心思路：使用Python標(biāo)準(zhǔn)庫中的Counter類，專為計(jì)數(shù)設(shè)計(jì)。

from collections import Counter
 
my_list = [1, 2, 3, 4, 2, 3, 4, 5]
counter = Counter(my_list)  # 自動(dòng)統(tǒng)計(jì)頻次
count = len(counter)        # 獲取唯一值數(shù)量
print(count)  # 輸出：5

進(jìn)階用法：

# 獲取出現(xiàn)次數(shù)最多的3個(gè)整數(shù)
print(counter.most_common(3))  # 輸出：[(2, 2), (3, 2), (4, 2)]
 
# 數(shù)學(xué)運(yùn)算（支持加減交并集）
counter2 = Counter([5,6,6,7])
print(counter + counter2)  # 合并統(tǒng)計(jì)
print(counter & counter2)  # 交集統(tǒng)計(jì)

性能特點(diǎn)：

• 時(shí)間復(fù)雜度：O(n)（與字典法相當(dāng)）
• 空間復(fù)雜度：O(n)
• 優(yōu)點(diǎn)：內(nèi)置豐富統(tǒng)計(jì)方法，代碼最簡(jiǎn)潔
• 缺點(diǎn)：需要導(dǎo)入標(biāo)準(zhǔn)庫

五、性能對(duì)比與選型建議

選型建議：

• 數(shù)據(jù)量小且無需頻次信息 → 集合去重法
• 需要頻次但數(shù)據(jù)量中等 → 字典計(jì)數(shù)法
• 專業(yè)數(shù)據(jù)分析/大數(shù)據(jù)場(chǎng)景 → collections.Counter

六、實(shí)戰(zhàn)案例：日志分析中的IP統(tǒng)計(jì)

需求：統(tǒng)計(jì)服務(wù)器日志中不同IP的訪問次數(shù)，找出訪問最頻繁的10個(gè)IP。

from collections import Counter
 
# 模擬日志數(shù)據(jù)（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\"",
    # ...（百萬級(jí)日志數(shù)據(jù)）
]
 
# 提取IP地址
ips = [line.split()[0] for line in log_lines]
 
# 統(tǒng)計(jì)并輸出結(jié)果
ip_counter = Counter(ips)
print("不同IP數(shù)量:", len(ip_counter))
print("Top10 IP:", ip_counter.most_common(10))

代碼解釋：

• 使用列表推導(dǎo)式高效提取IP地址
• Counter自動(dòng)處理百萬級(jí)數(shù)據(jù)統(tǒng)計(jì)
• most_common(10)直接獲取高頻IP

七、總結(jié)：智能時(shí)代的計(jì)數(shù)利器

不同整數(shù)的計(jì)數(shù)問題看似簡(jiǎn)單，實(shí)則蘊(yùn)含多種解決方案。在Python生態(tài)中：

• 集合提供了最基礎(chǔ)的去重能力
• 字典實(shí)現(xiàn)了頻次統(tǒng)計(jì)的基礎(chǔ)需求
• collections.Counter則是專業(yè)級(jí)統(tǒng)計(jì)工具

隨著數(shù)據(jù)規(guī)模的增長(zhǎng)，合理選擇數(shù)據(jù)結(jié)構(gòu)變得尤為重要。對(duì)于智能時(shí)代的開發(fā)者而言，掌握這些計(jì)數(shù)方法，就如同擁有了精準(zhǔn)的數(shù)字顯微鏡，能夠高效洞察數(shù)據(jù)背后的規(guī)律。

以上就是Python統(tǒng)計(jì)不同整數(shù)的出現(xiàn)次數(shù)的三種方法的詳細(xì)內(nèi)容，更多關(guān)于Python統(tǒng)計(jì)不同整數(shù)出現(xiàn)次數(shù)的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

最新評(píng)論