Python 如何计算列表中的唯一值

因此，我试图制作一个程序，要求用户输入并将值存储在数组/列表中。
然后，当输入一个空行时，它将告诉用户这些值中有多少是唯一的。
我建立这个是为了现实生活的原因，而不是作为一个问题集

enter: happy
enter: rofl
enter: happy
enter: mpg8
enter: Cpp
enter: Cpp
enter:
There are 4 unique words!

我的代码如下：

# ask for input
ipta = raw_input("Word: ")

# create list 
uniquewords = [] 
counter = 0
uniquewords.append(ipta)

a = 0   # loop thingy
# while loop to ask for input and append in list
while ipta: 
  ipta = raw_input("Word: ")
  new_words.append(input1)
  counter = counter + 1

for p in uniquewords:

…这就是我到目前为止所得到的一切。
我不知道如何计算列表中唯一的字数？
如果有人可以发布解决方案，这样我就可以从中学习，或者至少向我展示它是多么棒，谢谢

您可以使用删除重复项，然后使用函数对集合中的元素进行计数：

len(set(new_words))

使用：

有了这一点，您的解决方案可以简单到：

words = []
ipta = raw_input("Word: ")

while ipta:
  words.append(ipta)
  ipta = raw_input("Word: ")

unique_word_count = len(set(words))

print "There are %d unique words!" % unique_word_count

---

以下几点应该行得通。lambda函数过滤掉重复的单词

inputs=[]
input = raw_input("Word: ").strip()
while input:
    inputs.append(input)
    input = raw_input("Word: ").strip()
uniques=reduce(lambda x,y: ((y in x) and x) or x+[y], inputs, [])
print 'There are', len(uniques), 'unique words'

---

我自己也会用一套，但还有另一种方法：

uniquewords = []
while True:
    ipta = raw_input("Word: ")
    if ipta == "":
        break
    if not ipta in uniquewords:
        uniquewords.append(ipta)
print "There are", len(uniquewords), "unique words!"

此外，用于重构代码：

输出：

['a'，c'，b']
[2, 1, 1]

尽管集合是最简单的方法，但您也可以使用dict和

某些dict.has（key）

来仅使用唯一的键和值填充字典

假设您已经使用用户的输入填充了

words[]

，创建一个dict，将列表中的唯一单词映射到一个数字：

word_map = {}
i = 1
for j in range(len(words)):
    if not word_map.has_key(words[j]):
        word_map[words[j]] = i
        i += 1                                                             
num_unique_words = len(new_map) # or num_unique_words = i, however you prefer

---

对于ndarray，有一个名为：

示例：

>>> np.unique([1, 1, 2, 2, 3, 3])
array([1, 2, 3])
>>> a = np.array([[1, 1], [2, 3]])
>>> np.unique(a)
array([1, 2, 3])

对于一个系列，有一个函数调用：

---

value，counts=np.unique（words，return\u counts=True）

使用pandas的其他方法

import pandas as pd

LIST = ["a","a","c","a","a","v","d"]
counts,values = pd.Series(LIST).value_counts().values, pd.Series(LIST).value_counts().index
df_results = pd.DataFrame(list(zip(values,counts)),columns=["value","count"])

然后，您可以将结果导出为所需的任何格式

如何：

aa="XXYYYSBAA"
bb=dict(zip(list(aa),[list(aa).count(i) for i in list(aa)]))
print(bb)
# output:
# {'X': 2, 'Y': 3, 'S': 1, 'B': 1, 'A': 2}

import pandas as pd
#List with all words
words=[]

#Code for adding words
words.append('test')


#When Input equals blank:
pd.Series(words).nunique()

---

它返回列表中的唯一值的数量

如果您想获得唯一值的直方图，这里是oneliner

import numpy as np    
unique_labels, unique_counts = np.unique(labels_list, return_counts=True)
labels_histogram = dict(zip(unique_labels, unique_counts))

---

不是对乔尔问题的回答，而是我想要的，谢谢！完美的还有一只公牛的眼睛。谢谢@Vidul

计数器（words）。values（）

很好。我们假设计数是按照单词列表第一次出现的顺序？我的意思是，我假设计数会给我们a的计数，然后是b，然后是c，然后是d…注意，如果你想把它表示为一个dict，比如

count\u dict={'a'：2，'b'：1，'c'：1}

你可以做

count\u dict=dict（Counter（words）.items（））

@Peter

，items（）

是不需要的

dict（Counter（words））

请解释这与其他答案有什么不同。这就像是一个

计数器

，但效率很低，因为大多数计数都被丢弃，而且

list.count（）

无论如何都是O（n）。您甚至不需要将

aa

转换为list。请参见。欢迎来到StackOverflow！看起来这个解决方案假设使用

pandas

框架。最好在回答中提到它，因为其他用户可能不太清楚。是的：

np=Numpy

？是的：

四年后将Numpy导入为np

-是什么让这个解决方案更好？它提供了更精确的信息。很好的解释，有时最好先做一步，因此有足够的评论空间；）

>>> np.unique([1, 1, 2, 2, 3, 3])
array([1, 2, 3])
>>> a = np.array([[1, 1], [2, 3]])
>>> np.unique(a)
array([1, 2, 3])

Series_name.value_counts()

import pandas as pd

LIST = ["a","a","c","a","a","v","d"]
counts,values = pd.Series(LIST).value_counts().values, pd.Series(LIST).value_counts().index
df_results = pd.DataFrame(list(zip(values,counts)),columns=["value","count"])

aa="XXYYYSBAA"
bb=dict(zip(list(aa),[list(aa).count(i) for i in list(aa)]))
print(bb)
# output:
# {'X': 2, 'Y': 3, 'S': 1, 'B': 1, 'A': 2}

import pandas as pd
#List with all words
words=[]

#Code for adding words
words.append('test')


#When Input equals blank:
pd.Series(words).nunique()

import numpy as np    
unique_labels, unique_counts = np.unique(labels_list, return_counts=True)
labels_histogram = dict(zip(unique_labels, unique_counts))