Python找数组中出现次数最多的数

第一段引用上面的摘要：

本文旨在提供一个高效的 Python 函数，用于查找给定数组中出现频率最高的数字。当多个数字具有相同频率时，该函数将返回这些数字中最大的一个。文章将详细解释该函数的实现原理，并提供示例代码和性能比较，同时讨论了不使用 defaultdict 的替代方案。

查找数组中频率最高的数字

在处理数据时，经常需要找出数组中出现频率最高的元素。如果存在多个频率相同的元素，则需要返回其中最大的一个。下面提供一个高效的 Python 函数来实现这个功能。

函数实现

该函数利用 collections.defaultdict 来统计每个数字出现的次数，并在遍历数组的过程中，动态更新频率最高的数字。

from collections import defaultdict

def highest_rank(arr):
    count = defaultdict(int)
    highest_rank = 0
    highest_rank_cnt = 0  # 初始化最高频率计数器
    for num in arr:
        cnt = count[num] + 1
        count[num] = cnt
        if cnt > highest_rank_cnt or (cnt == highest_rank_cnt and num > highest_rank):
            highest_rank = num
            highest_rank_cnt = cnt  # 更新最高频率计数器
    return highest_rank

代码解释：

1. from collections import defaultdict: 导入 defaultdict 类，用于创建一个字典，当访问不存在的键时，会自动创建一个默认值（这里是 0）。
2. count = defaultdict(int): 创建一个 defaultdict 对象，用于存储每个数字出现的次数。
3. highest_rank = 0: 初始化 highest_rank 变量，用于存储当前频率最高的数字。初始值为 0。
4. highest_rank_cnt = 0: 初始化 highest_rank_cnt 变量，用于存储当前最高频率的计数。初始值为 0。
5. for num in arr:: 遍历输入数组 arr。
6. cnt = count[num] + 1: 获取数字 num 的当前计数，并加 1。如果 num 之前没有出现过，count[num] 会返回默认值 0，然后加 1。
7. count[num] = cnt: 更新数字 num 的计数。
8. if cnt > highest_rank_cnt or (cnt == highest_rank_cnt and num > highest_rank):: 检查当前数字 num 的频率是否高于已知的最高频率，或者频率相同但 num 本身更大。
9. highest_rank = num: 如果 num 的频率更高，则更新 highest_rank 为 num。
10. highest_rank_cnt = cnt: 同时更新 highest_rank_cnt 为 num 的频率。
11. return highest_rank: 返回频率最高的数字。

示例：

arr = [9, 48, 1, 8, 44, 45, 32, 48]
result = highest_rank(arr)
print(result)  # 输出 48

性能比较

与使用 arr.count(i) 的方法相比，使用 defaultdict 的方法效率更高。arr.count(i) 会在每次循环中重复遍历数组，而 defaultdict 只需遍历一次数组即可完成计数。

下面是一个性能比较的例子：

import numpy as np
from collections import defaultdict
import time

def highest_rank(arr):
    count = defaultdict(int)
    highest_rank = 0
    highest_rank_cnt = 0
    for num in arr:
        cnt = count[num]+1
        count[num]=cnt
        if cnt > highest_rank_cnt or (cnt == highest_rank_cnt and num > highest_rank):
            highest_rank = num
            highest_rank_cnt = cnt
    return highest_rank

def highest_rank_slow(arr):
    count_num = {}
    for i in arr:
        if i not in count_num:
            count_num[i] = 0
        else:
            count_num[i] = arr.count(i)
    return max(count_num,key=lambda x:(count_num.get(x),x))

nums = list(np.random.randint(0,1000,10_000))

start_time = time.time()
highest_rank(nums)
end_time = time.time()
print(f"Time taken by highest_rank: {end_time - start_time:.4f} seconds")

start_time = time.time()
highest_rank_slow(nums)
end_time = time.time()
print(f"Time taken by highest_rank_slow: {end_time - start_time:.4f} seconds")

在包含 10,000 个随机数的数组上运行上述代码，可以观察到 highest_rank 函数的执行速度明显快于 highest_rank_slow 函数。

不使用 defaultdict 的替代方案

如果不希望使用 defaultdict，可以使用标准的字典和 if num not in count 技巧来实现相同的功能。

def highest_rank_no_defaultdict(arr):
    count = {}
    highest_rank = 0
    highest_rank_cnt = 0
    for num in arr:
        if num not in count:
            cnt=1
        else:
            cnt = count[num]+1
        count[num]=cnt
        if cnt > highest_rank_cnt or (cnt == highest_rank_cnt and num > highest_rank):
            highest_rank = num
            highest_rank_cnt = cnt
    return highest_rank

虽然这种方法也可以实现相同的功能，但通常来说，使用 defaultdict 的代码更简洁，效率也更高。

总结

本文提供了一个高效的 Python 函数，用于查找数组中频率最高的数字。该函数利用 collections.defaultdict 来提高性能，并提供了不使用 defaultdict 的替代方案。在实际应用中，可以根据具体的需求选择最适合的实现方式。