[python][collections] Counter 计数器

在做文本统计分析的时候，我们经常会需要进行“计数”这样一个环节。而如果直接使用字典，代码难免会变得复杂。其实， collections 模块中早就给我们定义好了 Counter 类，它可以很方便地实现计数的功能。

只需要使用 Counter() 就可以创建一个 Counter 对象了，其中的参数可以有许多种写法：

接下来以一个小例子对比一下使用普通的字典与 Counter 统计词频的区别。在统计之前，我们先对文本进行一些处理：

s = 'A boy and a girl'
s = s.lower().split()

切分完文本之后，我们先展示使用普通的字典进行词频统计的方法：

d = {}

for word in s:
    if word in d:
        d[word] += 1;
    else:
        d[word] = 1;

print(d)

{'a': 2, 'boy': 1, 'and': 1, 'girl': 1}

虽然 python 的语法已经比其他编程语言简单不少，但是这样的结构看起来还是有些繁琐。而如果使用 Counter 对象的话，我们只需要用一行语句就可以完成：

c = Counter(s)
print(c)

Counter({'a': 2, 'boy': 1, 'and': 1, 'girl': 1})

可见， Counter 的确能够简化我们对计数的操作。不过除了能够在一开始的统计上简化代码外，它还有许多方便的方法可以使用。

Counter 获取值的方法与字典类似，只需要用 [key] 就可以获取对应的值。不过它与原先的字典不一样的是，如果 key 不存在，它不会有 KeyError 的报错，而是会返回 0 。

a = Counter('aabc')
print(a['d'])

在原先使用字典时，在查找键之前，我们都需要先进行检验。而使用 Counter 类型就十分方便。

其实， Counter 里面已经实现了对加减号的重载。它可以实现将两个计数器里面的对应值相加或相减。

a = Counter('aabc')
b = Counter('bbcd')
c = a + b
d = a - b
print(c)
print(d)

这段程序运行的结果如下：

Counter({'b': 3, 'a': 2, 'c': 2, 'd': 1})
Counter({'a': 2})

可以看到，当一个元素的计数被减至0时，它便不会再出现，而不需要单独处理“个数为负”的情况。

不过，如果你想要负的结果，那么你可以选择 subtract() 方法。

a = Counter('aabc')
b = Counter('aaaa')
a.subtract(b)
print(a)
print(+a)
print(-a)

+a 与 -a 可以返回 Counter 中正的部分与负的部分（不过 -a 返回的负值的相反数）。这一个操作十分常用。

Counter({'b': 1, 'c': 1, 'a': -2})
Counter({'b': 1, 'c': 1})
Counter({'a': 2})

词频统计中，我们往往需要取出最大的几个元素，用于后续的分析。而这项功能， Counter 也帮我们做好了。我们只需要调用 most_common(n) 方法，就可以取出 Counter 对象中最多的 n 个元素，并返回一个元组类型。

a = Counter('abracadabra')
print(a.most_common(3))

元组内的每一个元素都分别是对应的键值，并且已经按照降序排列：

[('a', 5), ('b', 2), ('r', 2)]

仅仅一行，我们就可以获取 Counter 计数器中最多的几项了，这极大的简化了我们的代码量。

上面的介绍展示了 Counter 计数器的常用方法。其实在了解它之前，我一直都是用字典做词频统计，因此也更发现 Counter 计数器在这一类问题上的简便性。大家也可以尝试一下自己用字典实现这一些功能，这样便能够更好地理解 Counter 的工作原理。