Python“；“设置”；具有重复/重复的元素
是否有一种标准方法来表示可能包含重复元素的“集合”Python“；“设置”；具有重复/重复的元素,python,collections,dictionary,set,Python,Collections,Dictionary,Set,是否有一种标准方法来表示可能包含重复元素的“集合” my_list = [1, 1, 2, 3, 3, 3] my_list.count(1) # will return 2 class _basebag(Set): """ Base class for bag and frozenbag. Is not mutable and not hashable, so there's no reason to use this instead of either bag
my_list = [1, 1, 2, 3, 3, 3]
my_list.count(1) # will return 2
class _basebag(Set):
"""
Base class for bag and frozenbag. Is not mutable and not hashable, so there's
no reason to use this instead of either bag or frozenbag.
"""
# Basic object methods
def __init__(self, iterable=None):
"""Create a new basebag.
If iterable isn't given, is None or is empty then the bag starts empty.
Otherwise each element from iterable will be added to the bag
however many times it appears.
This runs in O(len(iterable))
"""
self._dict = dict()
self._size = 0
if iterable:
if isinstance(iterable, _basebag):
for elem, count in iterable._dict.items():
self._inc(elem, count)
else:
for value in iterable:
self._inc(value)
survey.add('blue')
# would give survey == ['blue', 'red', 'blue', 'green', 'blue']
survey.remove('blue')
# would give survey == ['blue', 'red', 'green']
当然可以列出一份清单，但所需的收集是无序的。更不用说集合的方法命名在我看来更合适。您使用dict with element/count的方法在我看来似乎还可以。您可能需要更多的功能。看一看
- O（1）测试元素是否存在以及当前计数检索（比使用列表中的
元素和列表中的
更快）计数（元素）
看起来像一个包含所有重复项的列表counter.elements（）- 易于操作与其他计数器的联合/差异
列表列表。计数（元素）my_list = [1, 1, 2, 3, 3, 3]
my_list.count(1) # will return 2
class _basebag(Set):
"""
Base class for bag and frozenbag. Is not mutable and not hashable, so there's
no reason to use this instead of either bag or frozenbag.
"""
# Basic object methods
def __init__(self, iterable=None):
"""Create a new basebag.
If iterable isn't given, is None or is empty then the bag starts empty.
Otherwise each element from iterable will be added to the bag
however many times it appears.
This runs in O(len(iterable))
"""
self._dict = dict()
self._size = 0
if iterable:
if isinstance(iterable, _basebag):
for elem, count in iterable._dict.items():
self._inc(elem, count)
else:
for value in iterable:
self._inc(value)
计数器dict对于multiset的实际实现，请使用pypi上数据结构包中的类。请注意，这仅适用于Python3。如果您需要Python2，这是为Python2.4编写的
包的配方。另一种Python multiset实现使用排序列表数据结构。PyPI上有几个实现。一个选项是模块，它实现了一种数据类型，该数据类型有效地实现了类似集合的方法，如添加
，删除
，以及包含
。sortedcontainers模块采用纯Python、fast-as-C实现（甚至更快），具有100%的单元测试覆盖率和数小时的压力测试
从PyPI安装很容易：
pip install sortedcontainers
如果无法pip安装
，只需将sortedlist.py文件从
将其作为一个集合使用：
from sortedcontainers import SortedList
survey = SortedList(['blue', 'red', 'blue', 'green']]
survey.add('blue')
print survey.count('blue') # "3"
survey.remove('blue')
sortedcontainers模块还与其他流行的实现保持一致。您所寻找的实际上是一个（或包），一个不一定是不同元素的集合（而一个集合不包含重复元素）
这里有一个multiset的实现：（Pypy的模块）
多集的数据结构称为bag
。bag
是collections
模块中Set
类的一个子类，带有一个额外的字典来跟踪元素的多样性
my_list = [1, 1, 2, 3, 3, 3]
my_list.count(1) # will return 2
class _basebag(Set):
"""
Base class for bag and frozenbag. Is not mutable and not hashable, so there's
no reason to use this instead of either bag or frozenbag.
"""
# Basic object methods
def __init__(self, iterable=None):
"""Create a new basebag.
If iterable isn't given, is None or is empty then the bag starts empty.
Otherwise each element from iterable will be added to the bag
however many times it appears.
This runs in O(len(iterable))
"""
self._dict = dict()
self._size = 0
if iterable:
if isinstance(iterable, _basebag):
for elem, count in iterable._dict.items():
self._inc(elem, count)
else:
for value in iterable:
self._inc(value)
bag
的一个不错的方法是nlargest
（类似于列表的计数器
），它返回所有元素的多重性非常快，因为每个元素的出现次数在bag的字典中都是最新的：
>>> b=bag(random.choice(string.ascii_letters) for x in xrange(10))
>>> b.nlargest()
[('p', 2), ('A', 1), ('d', 1), ('m', 1), ('J', 1), ('M', 1), ('l', 1), ('n', 1), ('W', 1)]
>>> Counter(b)
Counter({'p': 2, 'A': 1, 'd': 1, 'm': 1, 'J': 1, 'M': 1, 'l': 1, 'n': 1, 'W': 1})
具有重复/重复元素的Python“set”
这取决于如何定义集合。有人可能会认为这是一个错误
顺序无关紧要（无论是有序还是无序）
允许复制/重复元素（又称多重元素）
鉴于这些假设，期权可简化为两种抽象类型：a或a。在Python中，这些类型通常分别转换为列表
和计数器
。请参阅一些需要观察的细节
给定的
import random
import collections as ct
random.seed(123)
elems = [random.randint(1, 11) for _ in range(10)]
elems
# [1, 5, 2, 7, 5, 2, 1, 7, 9, 9]
代码
复制元素的列表：
list(elems)
# [1, 5, 2, 7, 5, 2, 1, 7, 9, 9]
ct.Counter(elems)
# Counter({1: 2, 5: 2, 2: 2, 7: 2, 9: 2})
复制元素的“多集”：
list(elems)
# [1, 5, 2, 7, 5, 2, 1, 7, 9, 9]
ct.Counter(elems)
# Counter({1: 2, 5: 2, 2: 2, 7: 2, 9: 2})
详细信息
关于数据结构
我们这里有很多容易混淆的术语。为了澄清，这里有一些与Python中的数据结构相比的基本数学数据结构
Type |Abbr|Order|Replicates| Math* | Python | Implementation
------------|----|-----|----------|-----------|-------------|----------------
Set |Set | n | n | {2 3 1} | {2, 3, 1} | set(el)
Ordered Set |Oset| y | n | {1, 2, 3} | - | list(dict.fromkeys(el)
Multiset |Mset| n | y | [2 1 2] | - | <see `mset` below>
List |List| y | y | [1, 2, 2] | [1, 2, 2] | list(el)
请注意，存在一些剩余排序，如果您希望得到无序的结果，这可能会令人惊讶。然而，混乱并不妨碍秩序。因此，虽然可以从计数器生成多集，但请注意Python中关于剩余排序的以下限制条件：
- 复制在映射中分组，引入某种程度的顺序
- 在Python3.6中，dict的保留插入顺序
摘要
在Python中，可以将多集转换为多重性映射，即计数器
，它不像纯集那样随机无序。可能存在一些剩余顺序，这在大多数情况下是可以的，因为顺序在多集合中通常并不重要
另请参见
- -关于
集合中额外数据类型的包
- N.Wildberger关于数学数据结构的研究
*在数学上，（根据，我们用括号{}
表示一个集合，用括号[]
表示一个列表，如Python所示。与Python不同，逗号，
表示顺序。您可以使用集合。计数器
来实现一个多集合，如前所述
另一种实现多集的方法是使用defaultdict
，它