在我的代码中，我试图找出电影数据集中每种类型有多少部电影。找到了这个作为例子，但我找不到这个示例代码的解释。
from collections import Counter
flattened_genres = [item for sublist in movies_df.genres_arr for item in
sublist]
genre_dict = dict(Counter(flattened_genres))
print genre_dict
【问题讨论】：
标签： python-3.x dictionary collections counter
在不确切知道movies_df 数据集中的内容的情况下提供所有详细信息有些困难。但是......我最好的猜测是它是存储在子列表中的一系列电影类型。对于这个例子，我们大概可以认为它就像一个列表列表：
[[romance, horror, thriller],
[action, adventure, mystery],
[horror, thriller, action],
[romance, adventure, mystery]]
以下行从collections 库中导入Counter 类。 Counter 类接受一系列项目并计算每个项目出现的数量。它将数据存储在Counter 对象中，该对象非常类似于具有一些额外功能（例如向您显示最常见项目的能力）的字典。
from collections import Counter
下一位挖掘流派数组中的每个子列表，并从每个子列表中提取每个项目并将它们转储到一个巨大的列表中。这是使用称为列表推导的语法完成的。这种从嵌套子列表中提取数据到单个列表中的技术称为扁平化。
flattened_genres = [item for sublist in movies_df.genres_arr for item in sublist]
另一种编写上述方法的方法是使用嵌套的 for 循环并将数据附加到主列表：
flattened_genres = []
for sublist in movies_df.genres_arr:
for item in sublist:
flattened_genres.append(item)
列表推导通常比嵌套的 for 循环和附加函数调用具有更好的性能，但对于初学者来说往往更难理解，直到他们见过几次。
展平的结果如下所示：
[romance, horror, thriller, action, adventure, mystery, horror, thriller, action, romance, adventure, mystery]
任何序列都可以输入Counter 以获取计数。使用这个简单的列表，我们可以计算所有的 'a' 和所有 'b' 等等。
c = Counter(['a', 'b', 'c', 'b', 'a'])
这产生了一个看起来像这样的Counter 对象，并表明它计算了两个'a'和两个'b'，等等：
>>> c
Counter({'a': 2, 'b': 2, 'c': 1})
Counter 对象与dicts 有点不同，所以如果你真的需要字典，可以通过dict 工厂函数运行Counter 来将其转换为字典来进行转换。在这种情况下，我们将 flattened_genres list 作为参数提供给 dict 工厂函数内的 Counter 类。
genre_dict = dict(Counter(flattened_genres))
最后，我们打印新字典。这个print 语句在Python 2 中使用。提供Python 版本3 的print() 函数是为了完整性：
print genre_dict
print(genre_dict) # for those using Python 3
【讨论】：