有一个xml配置文件，里面配置了许多关键词，由于许多人维护这个配置文件，导致关键词有可能重复，引发一些问题。现在用正则将所有关键词提取到一个pyhton的list 里面，那么如何快速的统计出那些是重复的呢？形如aa=[1,2,2,3,2,4]的一个list，其中有重复元素，由于集合中重复元素无意义，所以bb=list(set(aa))可很容易得到去除重复的列表[1,2,3,4]。若比较aa和bb的长度，很容易发现有重复，但无法指出重复的元素是哪些。
那么用网上一个比较两个list差集的方法可行吗？
print list(set(aa).difference(set(bb)))
结果是不行，因为bb和aa的差正好都是重复的元素，而set(aa)的转换已经去除了重复元素，所以得到aa和bb的差值是[]。可见这种方法只能用于比较两个列表中有不同元素的情况。最简单的方法其实是引入Counter包：
from collections import Counter
然后Counter(aa)，即可得到一个显示出所有元素重复次数的dict：Counter({2: 3, 1: 1, 3: 1, 4: 1})
出现频度最高的元素会默认在前面，也可用dict()操作符将其转换为一个普通的dict来进行额外处理。比如采用列表解析表达式来处理：
print [ str(k)+':'+str(v) for k,v in dict(Counter({2: 3, 1: 1, 3: 1, 4: 1})).items() if v>1]
将显示出仅含重复项的列表：[‘2:3’]
原创文章，作者：苏葳，如需转载，请注明出处：https://www.swmemo.com/549.html
赞 (0)
用Python的正则去除xml文件中的注释
« 上一篇
2014年4月18日 09:47
AIX5.2下编译安装Python2.5.6
下一篇 »
2014年4月18日 17:05