使用字典计算列表变量

Question

我必须编写一个程序来计算给定列表中的水果数量。

我已经尝试了一个for循环，但没有任何成功。我也尝试过Counter，但这会删除第二个'banana'，并且只能识别一个。

c = { 'banana': 'fruit', 'apple': 'fruit', 'pizza': 'fastfood', 'fries': 'fastfood' }
v = [ 'fries', 'banana', 'banana', 'apple', 'pizza' ]

r = len([v for v in c if c.items() == 'fruit' in c.value()])

print(r)

我原以为这会给出水果的数量，但是，我得到的输出是0。

Answer 1

你可以从所有的水果中构造一个集合并使用它：

c = { 'banana': 'fruit', 'apple': 'fruit', 'pizza': 'fastfood', 'fries': 'fastfood' }

# collect all fruits into a set that only contains fruit
fixed = set(k for k,v in c.items() if v=="fruit")  # cheating by creating the set in setup ;)

v = [ 'fries', 'banana', 'banana', 'apple', 'pizza' ]

r = sum(f in fixed for f in v)

print(r)

返回3-因为True ( O(1)集合查找的结果)等于1，而False等于0。

在大多数情况下，这种解决方案比Daniel Trugman's solution更差，在其他情况下，它会稍微快一些：

• 创建集合它访问字典的每个值一次，以构建集合-之后，它将使用创建的集合来确定某物是否为水果：

考虑一下：

c = {'banana':'fruit'}
v = ['banana' * 100000]
fixed = set(k for k,v in c.items() if v=="fruit")

字典理解直接访问c['banana']的值100000次，并做100000次c[val] == 'fruit'来检查它是否是水果。这比在构造的集合上检查100000倍的'banana' in fixed要慢。

对于手边的例子，dict comp是很好的。

大多数情况下，dict-comp速度更快：

setup_code = """
c = { 'banana': 'fruit', 'apple': 'fruit', 'pizza': 'fastfood', 'fries': 'fastfood' }
v = [ 'fries', 'banana', 'banana', 'apple', 'pizza' ]
fixed = set(k for k,v in c.items() if v=="fruit")
"""

setup_code2 = """
c = { 'banana': 'fruit', 'apple': 'fruit', 'pizza': 'fastfood', 'fries': 'fastfood' }
v = ['banana']*1000  
fixed = set(k for k,v in c.items() if v=="fruit")
"""

using_set = """
# collect all fruits into a set that only contains fruit

r = sum(1 if f in fixed else 0 for f in v)
"""

using_dict_comp = """
r = sum(1 for val in v if c[val] == 'fruit')
"""

import timeit

print("set:", timeit.timeit(using_set,setup=setup_code,number=10000))
print("dict:", timeit.timeit(using_dict_comp,setup=setup_code,number=1000))
print("set:", timeit.timeit(using_set,setup=setup_code2,number=10000))
print("dict:", timeit.timeit(using_dict_comp,setup=setup_code2,number=10000))

输出：

'set:', 0.0069959163665771484 
'dict:', 0.0006661415100097656

'set:', 0.6653687953948975  # this "fasteness" goes away as soon as more items are in the set
'dict:', 0.7533159255981445 

Answer 2

试试看：

r = sum(1 for val in v if c[val] == 'fruit')

或者，就像@jpp建议的那样(略短一点)：

r = sum(c[val] == 'fruit' for val in v)

或者，如果你需要速度，就像@Patrick Artner：

ctag = { k: v for k, v in c.items() if v == 'fruit' }
r = sum(1 for val in v if val in ctag)

解释：每次访问并比较这个值是相当昂贵的。创建一个新的字典，其中所有的键都是水果，然后简单地忽略这些值，这样的成本更低。这比使用集合更好，因为集合是使用平衡树实现的，搜索复杂度为O(logN)，而字典是使用哈希图实现的，搜索复杂度为O(1)，只要映射中的项目数量不超过内部容量太多...

Answer 3

首先尝试这个数字类型，然后查找字典c的键的匹配项

c = { 'banana': 'fruit', 'apple': 'fruit', 'pizza': 'fastfood', 'fries':'fastfood' }

v = [ 'fries', 'banana', 'banana', 'apple', 'pizza' ]

result = [c[i] for i in v] #this will iterate and give the type of element

output={}

for key in c.values(): output[key] =str(result.count(key))

print(output)