資料結構
網路
關係型資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
時尚研究
法學研究Python - 無序元組頻率統計
在本文中，我們將輸入作為元組列表，目標是列印唯一元組的頻率，但順序無關緊要。順序無關緊要意味著元組 (1,2,3) 和 (1,3,2) 將被視為相同，即使它們的順序不同。
例如，考慮以下情況：
輸入
[(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
輸出
2
解釋
索引為 0、1、3 和 4 的元組相同，因此頻率計數增加 1。索引為 2 的元組 (4,5,6) 是唯一的，因此頻率計數再次增加 1。因此，唯一元組的總數為 2。
方法一：使用集合儲存唯一元組
集合推導式迭代“data”列表中的每個元組。
在推導式中，我們對每個元組進行排序；因此，新的元組出現，其元素以升序排列。
程式碼執行三個主要任務：首先顯示原始“data”列表；然後，它計算並顯示此“data”列表中唯一元組的數量；重要的是，由於排序步驟，它將具有相同元素但順序不同的類似元組視為不同的元組。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
unique_tuples_set = set(tuple(sorted(item)) for item in data)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_set))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法二：使用字典過濾唯一元組
我們迭代輸入列表，每個元素（實際上是一個元組）都轉換為排序後的元組。此過程涉及建立一個字典，其中：鍵成為排序後的元組；值保持為原始元組。
隨後，我們將排序後的元組作為鍵新增到字典中；同時，我們分配其對應的值——原始元組。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
unique_tuples_dict = {tuple(sorted(item)): item for item in data}
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_dict))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法三：使用簡單的迴圈和條件語句
我們初始化一個空列表；這是為了容納唯一元組。
然後我們迭代輸入列表——我們將每個元組轉換為排序後的元組。
隨後，我們驗證排序後的元組——如果它不在我們的唯一元組列表中，我們將追加它。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
unique_tuples_list = []
for item in data:
unique_tuple = tuple(sorted(item))
if unique_tuple not in unique_tuples_list:
unique_tuples_list.append(unique_tuple)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_list))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法四：使用自定義函式
在這裡，我們定義了我們獨特的函式——一個專門用於消除重複元組的工具。
在這個函式中，我們生成一個空列表——這用於儲存唯一元組。
然後，我們進行以下過程：迭代輸入列表；依次將每個元組轉換為排序後的元組。
接下來，我們評估排序後的元組是否已存在於我們的唯一元組列表中——如果不存在，我們將其追加。
最後，我們檢索唯一元組的列表——然後，透過列印其長度（也表示唯一元組的頻率）來返回它。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
def remove_duplicate_tuples(data_list):
unique_tuples = []
for item in data_list:
unique_tuple = tuple(sorted(item))
if unique_tuple not in unique_tuples:
unique_tuples.append(unique_tuple)
return unique_tuples
unique_tuples_list = remove_duplicate_tuples(data)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_list))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法五：使用 itertools.groupby
我們在這裡從 itertools 模組匯入 groupby 函式。
然後我們對輸入列表進行排序——此過程取決於每個元組的排序版本。
接下來，我們使用 groupby 迭代排序後的列表。
有效地刪除重複項，我們從每個組中提取第一個專案；最後，我們列印頻率。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
from itertools import groupby
def remove_duplicate_tuples_groupby(data_list):
data_list.sort(key=lambda x: sorted(x))
unique_tuples = [next(group) for key, group in groupby(data_list, key=lambda x: sorted(x))]
return unique_tuples
unique_tuples_list = remove_duplicate_tuples_groupby(data)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_list))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法六：使用集合和凍結集合
下面的程式碼主動建立一個名為“unique_tuples_set”的唯一集合；它最初是空的。
集合推導式是它的首選工具——它遍歷“data”列表中的每個元組。
在推導式中——每個元組都被轉換為一個凍結集合——一個不可變的集合。
程式碼執行兩個主要功能：首先，它列印原始“data”列表；其次，它計算並輸出在此“data”列表中找到的唯一元組的數量。但是，由於使用了凍結集合，因此應用了等價原則，其中如果元組包含相似的元素，則無論其排列如何，都將它們視為相同的元組。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
unique_tuples_set = {frozenset(item) for item in data}
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_set))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法七：使用迴圈和集合來跟蹤唯一元組
我們例項化一個空集合——這作為一個容器，我們在其中儲存唯一元組。
接下來——我們開始迭代輸入列表。
將每個元組轉換為排序版本；隨後，將其新增到集合中。
顯示輸入列表——隨後，指示集合的大小：這有效地演示了唯一元組的頻率。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
unique_tuples = set()
for item in data:
unique_tuple = tuple(sorted(item))
unique_tuples.add(unique_tuple)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
方法八：使用 collections.Counter 和列表推導式
Python 的 collections 模組主動列舉“data”中唯一元組的頻率；特別是，它使用其 Counter 功能。
在計數之前，它對每個元組中的元素進行排序；這確保了對等效元組（即使是元素順序不同的元組）的統一處理。
隨後，程式碼執行兩個操作：它列印原始“data”列表；此外，它計算（將排序後的元素視為等效元組）此列表中唯一元組的數量。
示例
data = [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)]
from collections import Counter
unique_tuples_counter = Counter(tuple(sorted(item)) for item in data)
print("Input List:", data)
print("Frequency of unique tuples =", len(unique_tuples_counter))
輸出
Input List: [(1, 2, 3), (2, 1, 3), (4, 5, 6), (1, 2, 3), (3, 2, 1)] Frequency of unique tuples = 2
結論
在本文中，我們介紹了列印列表中唯一元組頻率的不同方法（順序無關緊要）。演示的方法包括集合、字典、列表推導式、自定義函式、itertools、凍結集合、迴圈和 collections.Counter，每種方法都有其自身的優缺點。這些方法不僅幫助我們找到頻率，還幫助我們練習一般的程式設計和 Python 技能。
瀏覽量：205
