如何按频率对字符串列表进行排序？

Question

我有文件列表

example_list = [7.gif, 8.gif, 123.html]

有超过700k的元素，我需要按频率对它们进行排序，以查看访问量最大的文件和访问最少的文件。

for i in resl:
    if resl.count(i) > 500:
        resl2.append(i)
print(resl2)

运行此命令时，它永远不会编译。我尝试了其他方法，但没有结果。

Answer 1

您的算法不必要地是二次时间。以下是线性的

from collections import Counter
resl2 = [k for k,v in Counter(resl).items() if v > 500]

如果需要对它们进行排序，请执行类似的操作

resl2 = [(k,v) for k,v in Counter(resl).items() if v > 500]
resl2.sort(key=lambda kv: kv[1])
resl2 = [k for k,v in resl2]

Answer 2

来自your comment：

我只需要找出哪个文件出现得最多。

所以：

statistics.mode(example_list)

Answer 3

请注意，i表示数组中的元素，而不是整数

for i in resl:
    if resl.count(i) > 500:
        resl2.append(i)
print(resl2)

将其更改为此。

for i in range(0,len(resl)-1):
    if i > 500:
        resl2.append(resl[i])
print(resl2)

Answer 4

您可以使用set;）

这里有一个文件列表的最小示例，并显示了何时出现两次：

files = ['10.gif', '8.gif', '0.gif', '0.doc', '0.gif', '0.gif', '0.tmp', '0.doc', '0.gif']

file_set = set(files)
files_freq = [0]*len(file_set)

for n,file in enumerate(file_set):
    files_freq[n] = files.count(file)

sorted_list = [f for n,f in sorted(zip(files_freq, file_set), key=lambda x: x[0], reverse=True) if n >= 2]
print(sorted_list)

，输出将为：['0.gif', '0.doc']

set仅根据每个文件的唯一出现次数过滤列表，并且循环将计算每个文件的计数。

之后，令人毛骨悚然的列表理解是技巧！

[f for n,f in sorted(zip(files_freq, file_set), key=lambda x: x[0], reverse=True) if n >= 2]

这将仅创建包含出现两次或两次以上的文件的列表，然后key部分强制sorted函数使用files_freq中的第一个zip(files_freq, file_set)进行排序，reverse则以后代顺序对列表进行排序，显示之前的最高频率。