Python语言中计数方法的演变

Python语言中计数方法的演变 by EarlGrey@codingpy.com

文中如对专业术语的翻译有误，请Python高手指正（Pythonistas），谢谢！另外，原文中的Pythonic一词，大意指符合Python语言规范、特性和数据结构的编码方式，蕴涵较为丰富，为了行文更顺畅、容易理解，此文暂时用简洁、优雅代替。-- <cite>EarlGrey@编程派</cite>

原文链接：Trey Hunner，发布于11月9日。
译文链接：编程派

有时候，利用Python语言简洁、优雅地解决问题的方法，会随着时间变化。随着Python不断进化，统计列表元素数量的方法也在改变。

以计算元素在列表中出现的次数为例，我们可以编写出许多不同的实现方法。在分析这些方法时，我们先不关注性能，只考虑代码风格。

要理解这些不同的实现方式，我们得先知道一些历史背景。幸运的是，我们生活在"future"世界，拥有一台时间机器。接下来，我们一起坐上时光机，回到1997年吧。

if 语句

1997年1月1日，我们使用的是Python 1.4。现在有一个不同颜色组成的列表，我们想知道列表里每种颜色出现的次数。我们用字典来计算吧！

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = {}
for c in colors:
    if color_counts.has_key(c):
        color_counts[c] = color_counts[c] + 1
    else:
        color_counts[c] = 1

注意：我们没有使用+=，因为增量赋值直到Python 2.0才出现；另外，我们也没有使用c in color_counts这个惯用法（idiom），因为这也是Python 2.2中才发明的，

运行上述代码之后，我们会发现color_counts字典里，现在包含了列表中每种颜色的出现次数。

>>> color_counts
{'brown': 3, 'yellow': 2, 'green': 1, 'black': 1, 'red': 1}

上面的实现很简单。我们遍历了每一种颜色，并判断该颜色是否在字典中。如果不在，就在字典加入该颜色；如果在，就增加这种颜色的计数。

我们还可以把上面的代码改写为：

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = {}
for c in colors:
    if not color_counts.has_key(c):
        color_counts[c] = 0
    color_counts[c] = color_counts[c] + 1

如果列表稀疏度高（即列表中不重复的颜色数量很多），这段代码可能运行的会有点慢。因为我们现在要执行两个语句，而不是一个。但是我们不关心性能问题，我们只关注编码风格。经过思考，我们决定采用新版的代码。

try代码块（Code Block）

1997年1月2日，我们使用的还是Python 1.4。今早醒来的时候，我们突然意识到：我们的代码遵循的是“三思而后行”（Look Before You Leap，即事先检查每一种可能出现的情况）原则，但实际上我们应该按照“获得谅解比获得许可容易”（Easier to Ask Forgiveness, Than Permission，即不检查，出了问题由异常处理来处理）的原则进行编程，因为后者更加简洁、优雅。我们用try-except代码块来重构下代码吧：

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = {}
for c in colors:
    try:
        color_counts[c] = color_counts[c] + 1
    except KeyError:
        color_counts[c] = 1

现在，我们的代码尝试增加每种颜色的计数。如果某颜色不在字典里，那么就会抛出KeyError，我们随之将该颜色的计数设置为1。

get方法

1998年1月1日，我们已经升级到了Python 1.5。我们决定重构之前的代码，使用字典中新增的get方法。

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = {}
for c in colors:
    color_counts[c] = color_counts.get(c, 0) + 1

现在，我们的代码会遍历每种颜色，从字典中获取该颜色的当前计数值。如果没有这个计数值，则该颜色的计数值默认为0，然后在数值的基础上加1。最后将字典中相应键的值设置为新的计数。

把主要代码都写在一行里，感觉很酷，但是我们不敢完全肯定这种做法更加简洁、优雅。我们觉得可能有点太聪敏了，所以还是撤销了这次的重构。

setdefault方法

2001年1月1日，我们现在使用的是Python 2.0。我们听说字典类型现在有一个setdefault方法，决定利用它重构我们的代码。我们还决定使用新增加的+=增量赋值运算符。

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = {}
for c in colors:
    color_counts.setdefault(c, 0)
    color_counts[c] += 1

无论是否需要，我们在每一次循环时都会调用setdefault方法。但这样做，的确会让代码看上去可读性更高。我们发现这种方法比之前的代码更加简洁、优雅，所以提交了此次修改。

fromkeys方法

2004年1月1日，我们使用的是Python 2.3。我们听说字典新增了一个叫fromkeys的类方法（class method），可以利用列表中的元素作为键来构建字典。我们使用新方法重构了代码：

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = dict.fromkeys(colors, 0)
for c in colors:
    color_counts[c] += 1

这段代码将不同的颜色作为键，创建了一个新的字典，每个键的值被默认设置为0。这样，我们增加每个键的值时，就不用担心是否已经进行了设置。我们也不需要在代码中进行检查或异常处理了，这看上去是个改进。我们决定就这样修改代码。

推导式（Comprehension）与集合

2005年1月1日，我们现在用的是Python 2.4。我们发现可以利用集合（Python 2.3中发布，2.4版成为内置类型）与列表推导式（Python 2.0中发布）来解决计数问题。进一步思考之后，我想起来Python 2.4中还发布了生成器表达式（generator expressions），我们最后决定不用列表推导式，而是采用生成器表达式。

colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = dict((c, colors.count(c)) for c in set(colors))

注意：我们这里使用的不是字典推导式，因为字典推导式直到Python 2.7才被发明。

运行成功了，而且只有一行代码。但是这种代码够简洁、优雅吗 ？

我们想起了Python之禅（Zen of Python），这个Python编程指导原则起源于一个Python邮件列表，并悄悄地收进了Python 2.2.1版本中。我们在REPL（read-eval-print loop，交互式解释器）界面中输入import this：

>>> import this
The Zen of Python, by Tim Peters

Beautiful is better than ugly. # 优美胜过丑陋
Explicit is better than implicit. # 明确胜过含蓄
Simple is better than complex. # 简单胜过复杂
Complex is better than complicated. # 复杂胜过难懂
Flat is better than nested. # 扁平胜过嵌套
Sparse is better than dense. # 稀疏胜过密集
Readability counts. # 易读亦有价
Special cases aren't special enough to break the rules. # 特例也不能特殊到打破规则
Although practicality beats purity. # 尽管实用会击败纯洁
Errors should never pass silently. # 错误永远不应默默地溜掉 
Unless explicitly silenced. # 除非明确地使其沉默
In the face of ambiguity, refuse the temptation to guess.  # 面对着不确定，要拒绝猜测的诱惑
There should be one-- and preferably only one --obvious way to do it.  # 应该有一个–宁肯只有一个–明显的实现方法
Although that way may not be obvious at first unless you're Dutch. # 也许这个方法开始不是很明显，除非你是荷兰人
Now is better than never. #现在做也要胜过不去做
Although never is often better than right now. # 尽管不做通常好过立刻做
If the implementation is hard to explain, it's a bad idea. # 如果实现很难解释，那它就是一个坏想法
If the implementation is easy to explain, it may be a good idea. # 如果实现容易解释，那它可能就是一个好想法
Namespaces are one honking great idea -- let's do more of those! # 命名空间是一个响亮的出色想法–就让我们多用用它们

译者注：Python之禅的翻译版本很多，这里选用的译文出自啄木鸟社区。

我们的代码变得更复杂，时间复杂度从O(n)增加到了O(n²)；还变的更丑，可读性更差了。我们那样改，是一次有趣的尝试，但是一行代码的实现形式，没有我们之前的方法简洁、优雅。我们最后还是决定撤销修改。

defaultdict方法

2007年1月1日，我们使用的是Python 2.5。我们刚发现，defaultdict已经被加入标准库。这样，我们就可以把字典的默认键值设置为0了。让我们使用defaultdict重构代码：

from collections import defaultdict
    colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
    color_counts = defaultdict(int)
    for c in colors:
        color_counts[c] += 1

那个for循环现在变得真简单！这样肯定是更加简洁、优雅了。

我们发现，color_counts这个变量的行为现在有点不同，但是它的确继承了字典的特性，支持所有相同的映射功能。

>>> color_counts
defaultdict(<type 'int'>, {'brown': 3, 'yellow': 2, 'green': 1, 'black': 1, 'red': 1})

我们在这里没有把color_counts转换成字典，而是假设其他的代码也使用鸭子类型（duck typing， Python中动态类型的一种，这里的意思是：其他代码会将color_counts视作字典类型），不再改动这个类似字典的对象。

Counter类

2011年1月1日，我们使用的是Python 2.7。别人告诉我们，之前使用defaultdict编写的代码，不再是统计颜色出现次数最简洁、优雅的方法了。Python 2.7中新引入了一个Counter类，可以完全解决我们的问题。

from collections import Counter
colors = ["brown", "red", "green", "yellow", "yellow", "brown", "brown", "black"]
color_counts = Counter(colors)

还有比这更简单的方法吗？这个一定是最简洁、优雅的实现了。

与defaultdict一样，Counter类返回的也是一个类似字典的对象（实际是字典的一个子类）。这对满足我们的需求来说足够了，所以我们就这么干了。

>>> color_counts
Counter({'brown': 3, 'yellow': 2, 'green': 1, 'black': 1, 'red': 1})

性能考虑

请注意，在编写这些实现方式时，我们都没有关注效率问题。大部分方法的时间复杂度相同（O(n)），但是不同的Python语言实现形式（如CPython, PyPy，或者Jython）下，运行时间会有差异。

尽管性能不是我们的主要关注点，我还是在CPython 3.5.0的实现下测试了运行时间。从中，你会发现一个有趣的现象：随着列表中颜色元素的密度（即相同元素的数量）变化，每一种实现方法的相对效率也会不同。

结语

根据Python之禅，“ 应该有一个——宁肯只有一个明显的实现方法”。这句话所说的状态值得追求，但事实是，并不总是只有一种明显的方法。这个“明显”的方法会随着时间、需求和专业水平，不断地变化。

“简洁、优雅”（即Pythonic）也是一个相对的概念。