获取字符串出现次数最多的第一个字母

Question

我想获取字符串出现次数最多的第一个字母。

例如：

 "google" -> g  
 "azerty" -> a  
 "bbbaaa" -> b

我已经有一个工作代码，使用OrdererDict() 来避免自动键重新排列：

from collections import OrderedDict

sentence = "google"

d = OrderedDict()

for letter in sentence:
    if letter not in d.keys():
        d[letter] = sentence.count(letter)

print(max(d, key=d.get)) # g

但我正在寻找一种可能的单行或更优雅的解决方案（如果可能的话）。

注意： 我已经尝试使用Counter()，但它不起作用，因为 python 中的 dict 不记得插入键的顺序。

例如

from collections import Counter

sentence = "bbbaaa"

c = Counter(sentence)
print(c.most_common()[0][0]) # have 50% chances of printing 'a' rather than 'b'.

额外问题：有人能解释一下为什么 OrderedDict() 不是 python 中的默认字典行为吗？

Answer 1

可能不是很快，但单线！

>>> s = "aaabbbbc"
>>> sorted(s, key=lambda c: (-s.count(c), s.index(c)))[0]
'b'

编辑

感谢@Ohad Eytan 的评论，甚至更短：

>>> min(s, key=lambda c: (-s.count(c), s.index(c)))
'b'

基准测试

今晚感觉很无聊，所以我基准测试（使用timeit）测试@Joohwan 的most_common_char() 解决方案（mostcc）、@Blender 的OrderedCounter 解决方案（odict）和我自己的一个班轮解决方案（onelin，使用min变体）。最快的解决方案始终是 mostcc：对于包含几个不同字符的长字符串，比 onelin 快 10 倍，对于非常短的字符串，比 odict 快 4 倍。对于短字符串或重复字符很少的字符串，onelin 胜过 odict（否则，反之）。以下是详细信息（长度=字符串的长度，#chars=为每个字符随机选择的不同 unicode 字符数，mostcc=执行 10,000 次 mostcc 的时间，odict=odict 与 mostcc 相比多长时间，onelin= oneline 比 mostcc 长了多少）。

Length  #chars  mostcc odict  onelin
10      10:     0.08s  3.76x  1.61x
10      100:    0.10s  3.57x  1.27x
10      1000:   0.12s  3.12x  1.34x
100     10:     0.43s  1.96x  3.29x
100     100:    0.59s  2.16x  2.18x
100     1000:   0.80s  1.92x  1.72x
1000    10:     3.48s  1.56x  9.79x
1000    100:    3.44s  1.72x  6.43x
1000    1000:   6.55s  1.68x  3.30x

Answer 2

我知道您想要一个单行，但是如果您必须多次重复此任务或处理非常长的句子怎么办？我不知道这里的确切用例，但考虑到算法的空间和时间复杂度，值得您花时间。

例如，在您的解决方案中，您使用sentence.count() 迭代句子的次数超过了必要的次数，这需要O(n * number of unique characters)。之后，您再次遍历 ordereddict 以找到最大值（另一个 O(number of unique characters) 操作）。

在公认的解决方案中，我们最终不得不定义一个新类（顺便说一句，它打破了您的 1 线要求）并使用大量样板代码和功能实例化新对象，您可能每次都不需要执行您的任务。

如果你不介意多写几行代码（我知道这不是问题要问的），我们可以构建一个可重用函数，它只需要遍历字符串 once 并使用恒定且最小的空间：

from collections import defaultdict


def most_common_char(sentence):
    if not sentence:
        return ''

    max_count = 1
    max_char = sentence[-1]
    char_counts = defaultdict(int)
    char_counts[max_char] = 1

    for i in xrange(len(sentence) - 2, -1, -1):
        char = sentence[i]
        char_counts[char] += 1
        if char_counts[char] >= max_count:
            max_count = char_counts[char]
            max_char = char

    return max_char

我们使用最大计数来跟踪字符因为我们遍历字符串并在迭代结束时将其吐出。请注意，我们会向后迭代，因为您想要先出现的字母（即最后更新的获胜）。

Answer 3

您可以使用Counter() 和next() 一起查找满足条件的第一个字母：

>>> s = "google"
>>> c = Counter(s)
>>> next(x for x in s if c[x] == c.most_common(1)[0][1])
'g'

Answer 4

您还可以通过将结果列表按各种属性排序来解决您在问题末尾描述的关于使用 Counter 的问题：首先是计数，其次是像这样的字典顺序：

from collections import Counter

sentence = "google"

c = Counter(sentence)
print(sorted(c.most_common(), key = lambda x: (-x[1], sentence.index(x[0]))))

输出：

=> [('g', 2), ('o', 2), ('l', 1), ('e', 1)]

只是为了好玩：

高尔夫版：

# If your sentence is s:
print(sorted(collections.Counter(s).most_common(),key=lambda x:(-x[1],s.index(x[0]))))

Answer 5

collections.OrderedDict 的文档实际上有 a recipe for an OrderedCounter：

In [5]: from collections import Counter, OrderedDict

In [6]: class OrderedCounter(Counter, OrderedDict):
   ...:     pass
   ...:

In [7]: OrderedCounter("google").most_common()[0][0]
Out[7]: 'g'