从列表中查找需要多少元素才能达到一定的覆盖率答案

【问题标题】：Finding how many elements from a list you need to reach a certain percentage coverage从列表中查找需要多少元素才能达到一定的覆盖率
【发布时间】：2017-09-21 17:49:56
【问题描述】：

我有一长串 x = [4,6,7,8,8,8,9,0,9,1,7,7] 我知道我可以使用计数器来查看一个项目出现了多少次。

x = [4,6,7,8,8,8,9,0,9,1,7,7]
from collections import Counter
Counter(x)

>>Counter({0: 1, 1: 1, 4: 1, 6: 1, 7: 3, 8: 3, 9: 2})

我可以使用：

Counter(x).most_common()

>>Counter(x).most_common()
Out[33]: [(7, 3), (8, 3), (9, 2), (0, 1), (1, 1), (4, 1), (6, 1)]

现在，我想知道我需要多少元素才能覆盖 50% 的列表。比如 7 和 8 出现 6 次，有 12 个元素，所以我只需要 7 和 8 就可以覆盖列表中 50% 的元素。如果我加 9，我有 8 个元素，所以 7、8 和 9 覆盖了列表中 66% 的元素。

如果我的列表有数十万个元素，我该怎么做？

【问题讨论】：

您想用最少个不同元素覆盖列表中的50%吗？
@JoeIddon 是的，这就是我想要的，或者任何百分比

标签： python list counter

【解决方案1】：

我会遍历most_common 并累积项目，直到达到列表len 的给定百分比：

def common_elements(lst, pct):
    required = len(lst) * pct
    found = 0
    result = []
    for tup in Counter(lst).most_common():
        result.append(tup[0])
        found += tup[1]
        if found >= required:
            break
    return result

【讨论】：

【解决方案2】：

如果我的列表有几十万个元素

您可以编写一个生成器函数，该函数产生个项目，直到超过计数百分比。生成器函数只响应迭代，它们从不将结果收集到内存中，因此无论数据大小如何，函数的内存占用都是最小的：

def func(lst, percentage=0.5):
    cnt = 0
    for x, y in Counter(lst).most_common():
        cnt += y
        if cnt > len(lst)*percentage:
            return
        yield x

for p in func(x):
    print(p)
# 7
# 8

【讨论】：

善用发电机 :) +1

【解决方案3】：

如果您愿意使用numpy，则不需要循环，并使用分箱、排序和计数等概念来计算结果：

thresh = 0.5

vals, counts = np.unique(x, return_counts=True)
idx = counts.argsort()
vals = vals[idx][::-1]
w = np.where(np.cumsum(counts[idx][::-1]/len(x)) > thresh)[0][0]
print(vals[range(w)])

# for x = [4,6,7,8,8,8,9,0,9,1,7,7]
# the result is: [8, 7]

与@Moses 的性能比较

# large array
x = np.random.randint(0, 1000, 10000)

# @Moses : 
timeit.timeit("moses()", setup="from __main__ import func, moses", number=1000)
Out[8]: 1.9789454049896449

# @this :
timeit.timeit("f1()", setup="from __main__ import f1", number=1000)
Out[6]: 0.5699292980134487

【讨论】：