从字符串中的列表中计算出现次数的 Pythonic 方法

Question

从目标字符串的列表中查找字符串出现次数的最佳方法是什么？具体来说，我有一个清单：

string_list = [
    "foo",
    "bar",
    "baz"
]

target_string = "foo bar baz bar"

# Trying to write this function!
count = occurrence_counter(target_string) # should return 4

我想优化以最小化速度和内存使用量，如果这会有所不同的话。在大小方面，我预计string_list 最终可能包含数百个子字符串。

Answer 1

使用collelctions.Counter的另一种方式：

from collections import Counter
word_counts = Counter(target_string.split(' '))
total = sum(word_counts.get(w, 0)) for w in string_list)

Answer 2

这行得通！

def occurrence_counter(target_string):
    return sum(map(lambda x: x in string_list, target_string.split(' ')))

字符串被拆分为标记，然后每个标记在列表中时转换为 1，否则为 0。 sum 函数最终将这些值相加。

编辑：也：

def occurrence_counter(target_string):
    return len(list(filter(lambda x: x in string_list, target_string.split(' '))))

Answer 3

这个 Python3 应该可以工作：

In [4]: string_list = [
   ...:     "foo",
   ...:     "bar",
   ...:     "baz"
   ...: ]
   ...: 
   ...: set_of_counted_word = set(string_list)
   ...: 
   ...: def occurrence_counter(target_str, words_to_count=set_of_counted_word):
   ...:     return sum(1 for word in target_str.strip().split()
   ...:                if word in words_to_count)
   ...: 
   ...: 
   ...: for target_string in ("foo bar baz bar", " bip foo bap foo dib baz   "):
   ...:     print("Input: %r -> Count: %i" % (target_string, occurrence_counter(target_string)))
   ...: 
   ...: 
Input: 'foo bar baz bar' -> Count: 4
Input: ' bip foo bap foo dib baz   ' -> Count: 3

In [5]:

Answer 4

您可以使用变量来存储运行计数，如果您像这样遍历列表：

def occurence_counter(x):
    count = 0
    for y in x:
        count +=1
    return count

Answer 5

另一种解决方案：

def occurrence_counter(target_string, string_list):
    target_list = target_string.split(' ')
    return len([w for w in target_list if w in string_list])

Answer 6

sum 和 string.count 的组合：

def counter(s, lst)
    return sum(s.count(sub) for sub in lst)

这不会计算相同模式的重叠出现次数。

Answer 7

您可以使用Trie 将您的子字符串转换为正则表达式模式（例如(?:ba[rz]|foo)）并解析您的target_string：

import re
from trie import Trie

trie = Trie()

substrings = [
    "foo",
    "bar",
    "baz"
]
for substring in substrings:
    trie.add(substring)
print(trie.pattern())
# (?:ba[rz]|foo)

target_string = "foo bar baz bar"
print(len(re.findall(trie.pattern(), target_string)))
# 4

所需的库在这里：trie.py

它应该比为每个 substring 解析整个 target_string 快得多，但它可能不会返回重叠子字符串的所需结果。它为["foo", "bar", "foobar"] 和"foobar" 返回2。

一个相关的问题是：“Speed up millions of regex replacements in Python 3”：这是answer with sets 和one with a trie regex。

Answer 8

我不确定这是最pythonic的方式，但你可以试试：

string_list_B = target_string.split(" ")
commonalities = set(string_list) - (set(string_list) - set(string_list_B))