計算字典中特定列表的頻率

Question

假設我有一本字典：

thisdict = {
  "1": ['Vanilla','Chocolate']
  "2": ['Vanilla']
  "7": ['Chocolate']
  "8": ['Chocolate','Vanilla']
}

（注意：密鑰是ID號）

我想看看特定列表出現多少次的頻率，而忽略了元素的順序。 所以我希望我的結果是：

['Chocolate','Vanilla'] = 2
['Chocolate'] = 1
['Vanilla'] = 1

我該怎么做？

現在，我嘗試使用Chief作為字典的名稱來查找以下值的出現頻率：

track = {}

for key,value in chief.items():
    if value not in track:
        track[value]=0
    else:
        track[value]+=1

print(track)

但是列表不可散列，因此它不起作用。

非常感謝您的幫助！

Answer 1

您似乎想以一種順序無關緊要的方式來計算值。 您可以轉換為集合，但是集合不可散列，這會使操作變得更困難。 您可以使用Frozenset ，它是可哈希的 ，並允許['Chocolate','Vanilla']與['Vanilla','Chocolate'] ：

from collections import Counter

thisdict = {
  "1": ['Vanilla','Chocolate'],
  "2": ['Vanilla'],
  "7": ['Chocolate'],
  "8": ['Chocolate','Vanilla']
}

counts = Counter(map(frozenset, thisdict.values()))

counts將是一個計數器實例，例如：

Counter({frozenset({'Chocolate', 'Vanilla'}): 2,
     frozenset({'Vanilla'}): 1,
     frozenset({'Chocolate'}): 1})

Answer 2

由於可以忽略順序，因此可以將列表轉換為frozenset以便可以使用collections.Counter對每組值的頻率進行計數：

from collections import Counter

for combination, count in Counter(map(frozenset, thisdict.values())).items():
    print(f'{list(combination)} = {count}')

輸出：

['Vanilla', 'Chocolate'] = 2
['Vanilla'] = 1
['Chocolate'] = 1

Answer 3

首先如何生成dict中所有列表的排序副本，然后將每個列表轉換為元組，然后對每個元組進行哈希處理呢？ 這應該處理重復的值，也許比集合更好：

test =[tuple(sorted(x)) for x in thisdict.values()]

制作一個等效排序的哈希表以進行查找：

mytable = [hash(x) for x in test])

然后在其上運行一個循環：

result = []
for item in test:
    count = 0
    for i, value in enumerate(mytable):
        if hash(item) == value and count == 0:
            count += 1
            result.append([item, count])
        elif hash(item) == value and count >= 1:
            result[:1][0][1] += 1
            test[i] = '(None)'
        else:
            pass

給出：

[[('Chocolate', 'Vanilla'), 2], [('Vanilla',), 1], [('Chocolate',), 1]]

Answer 4

僅供參考-您的字典格式不正確，但格式正確后，您也可以使用熊貓以相對簡單的方式做到這一點：

import pandas as pd
df = pd.DataFrame({'vals':[*thisdict.values()],'keys':[*thisdict.keys()]})

df

                   vals keys
0  [Vanilla, Chocolate]    1
1             [Vanilla]    2
2           [Chocolate]    7
3  [Chocolate, Vanilla]    8

out = df['vals'].apply(lambda x: tuple(sorted(x))).value_counts()

out

(Chocolate, Vanilla)    2
(Chocolate,)            1
(Vanilla,)              1
Name: vals, dtype: int64