锐客网

  1. 首页 > 睿知 > it技术 > >

python频率统计函数 python统计字符的频数和频率

IT技术数据

python想统计数据框中指定一列的频数,要使用以下哪个函数？Python想统计数据框中指定python频率统计函数的一列数python频率统计函数，那么再说函数的时候，python频率统计函数你可以使用if函数或者是其python频率统计函数他的函数都可以 。
如何高效地使用Python统计数据的频率之前用 Python 写过一个脚本python频率统计函数，用来处理上千万用户的一些数据python频率统计函数，其中有一个需求是统计用户的某一数据的去重数量 。为了加快程序的速度 ， python频率统计函数我启用了多进程 。但不幸的是，程序跑了近一个星期，还没处理完 。这时，我感觉到了不对，于是开始查看程序的性能瓶颈 。
对于统计去重数，我是将用户的数据放到一个列表中 ， 然后用 len(set(data)) 去统计去重数量 。刚开始我以为这的数据量并不大，每个用户的数据不会过百，我并没有注意到有的用户会有上万条的数据，因此消耗了大量的时间（其实我的脚本消耗时间最大的地方是因为从远程 redis 中取大量数据时发生长时间的阻塞，甚至连接超时，最后我采用的方式分而治之，每次取少量的数据，这样大大的提高了性能） 。
为了做优化，我开始寻求高效的方法 。我发现，有大量的人认为采用字典效率会更高 ， 即：
data_unique = {}.fromkeys(data).keys() len(data_unique)
于是，我做了下测试：
In [1]: import random In [2]: data = https://www.04ip.com/post/[random.randint(0, 1000) for _ in xrange(1000000)] In [3]: %timeit len(set(data)) 10 loops, best of 3: 39.7 ms per loop In [4]: %timeit len({}.fromkeys(data).keys()) 10 loops, best of 3: 43.5 ms per loop
由此可见，采用字典和采用集合的性能是差不多的，甚至可能还要慢些 。
在 Python 中其实有很多高效的库，例如用 numpy、pandas 来处理数据，其性能接近于 C 语言 。那么，我们就用 numpy 和 pandas 来解决这个问题 ， 这里我还比较了获取去重数据的性能，代码如下：
import collections import random as py_random import timeit import numpy.random as np_random import pandas as pd DATA_SIZE = 10000000 def py_cal_len():data = https://www.04ip.com/post/[py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)]len(set(data)) def pd_cal_len():data = np_random.randint(1000, size=DATA_SIZE)data = pd.Series(data)data_unique = data.value_counts()data_unique.size def py_count():data = [py_random.randint(0, 1000) for _ in xrange(DATA_SIZE)]collections.Counter(data) def pd_count():data = np_random.randint(1000, size=DATA_SIZE)data = pd.Series(data)data.value_counts() # Script starts from here if __name__ =="__main__":t1 = timeit.Timer("py_cal_len()", setup="from __main__ import py_cal_len")t2 = timeit.Timer("pd_cal_len()", setup="from __main__ import pd_cal_len")t3 = timeit.Timer("py_count()", setup="from __main__ import py_count")t4 = timeit.Timer("pd_count()", setup="from __main__ import pd_count")print t1.timeit(number=1)print t2.timeit(number=1)print t3.timeit(number=1)print t4.timeit(number=1)
运行结果：
12.438587904 0.435907125473 14.6431810856 0.258564949036
利用 pandas 统计数据的去重数和去重数据 ， 其性能是 Python 原生函数的 10 倍以上 。
python中count函数怎么用Python count()方法用于统计字符串里某个字符或子字符串出现的次数，可选参数为在字符串搜索的开始与结束位置 。
语法
【python频率统计函数 python统计字符的频数和频率】count()方法语法：
str.count(sub, start= 0,end=len(string))
参数
sub -- 搜索的子字符串
start -- 字符串开始搜索的位置，默认为第一个字符，第一个字符索引值为0
end -- 字符串中结束搜索的位置，字符中第一个字符的索引为0，默认为字符串的最后一个位置 。

推荐阅读


上一篇：java取火柴代码，取火柴java小游戏报告

下一篇：画人游戏的动作，画人游戏规则