如何统计字典中值列表的唯一组合及其出现频次

本文介绍如何准确统计字典中所有值列表（如 ['x', 'y']）的标准化组合（排序后去重）及其出现次数，并按频次降序输出形如 n=5: ('x', 'y') 的结果，避免因字典键重复导致的覆盖问题。

在数据处理中，常会遇到这样的需求：统计字典中每个值列表的唯一组合及其出现频次。比如，给定字典 {'HH1': ['x'], 'HH2': ['y', 'x'], ...}，目标是得到每个标准化组合（如 ('x', 'y')）出现的次数，并按频次降序输出。下面就来详细拆解正确做法。

核心目标直截了当：将每个值列表标准化为有序元组（例如 ['y', 'x'] → ('x', 'y')），然后统计每种标准化组合在整个字典中间出现的精确次数。但实际操作中，不少人容易掉进这几个坑里：

• 对子集组合（如 combinations(..., r)）进行计数，导致统计的是“子集出现频次”，而非“原始列表匹配频次”；
• 用 n=count 作为字典键，结果多个不同组合若具有相同频次（比如两个组合都出现 1 次），后写入的会覆盖先写入的；
• 未对列表排序即转元组，['x','y'] 和 ['y','x'] 被视为不同键，无法合并。

✅ 正确解法的关键在于：以标准化元组为字典键，频次为值。下面是推荐实现，简洁、高效且语义清晰：

from collections import defaultdict

HH_dict = {
    'HH1': ['x'], 'HH2': ['y', 'x'], 'HH3': ['x', 'z'], 'HH4': ['x'], 'HH5': ['x'],
    'HH6': ['x'], 'HH7': ['x'], 'HH8': ['x', 'y', 'z'], 'HH9': ['x'], 'HH10': ['x', 'y'],
    'HH11': ['x'], 'HH12': ['x'], 'HH13': ['x'], 'HH14': ['x'], 'HH15': ['x', 'y'],
    'HH16': ['x', 'y'], 'HH17': ['x', 'y'], 'HH18': ['x']
}

# 步骤1：统计每种标准化组合（排序后转tuple）的出现次数
combination_count = defaultdict(int)
for lst in HH_dict.values():
    # 标准化：去重 + 排序 + 转元组（确保 ['y','x'] 和 ['x','y'] 视为同一组合）
    key = tuple(sorted(set(lst)))
    combination_count[key] += 1

# 步骤2：按频次降序输出（频次相同时可选按元组字典序升序，增强可读性）
for combo, count in sorted(combination_count.items(), key=lambda x: (-x[1], x[0])):
    print(f"n={count}: {combo}")

输出结果：

n=11: ('x',)
n=5: ('x', 'y')
n=1: ('x', 'z')
n=1: ('x', 'y', 'z')

? 关键说明：

• set(lst) 消除列表内重复元素（本例虽无重复，但属于健壮性保障）；
• sorted(...) 确保顺序一致，使等价组合映射到同一键；
• 使用 defaultdict(int) 或原生 dict 手动判断均可，避免 Counter 在此处的误用；
• sorted(..., key=lambda x: (-x[1], x[0])) 实现主序按频次降序、次序按组合升序，输出稳定且易读。

⚠️ 注意事项：

• 不要使用 n=count 作为输出字典的键（如 renamed_lists[f"n={count}"]），这会丢失信息；
• 避免遍历 combinations(..., r)——本题要求的是完整列表的匹配，而非其幂集；
• 若原始数据中存在空列表 []，需单独处理（tuple(sorted(set([]))) 得 ()），根据业务决定是否纳入统计。

该方法时间复杂度为 O(N×M log M)，其中 N 为字典长度，M 为单个列表平均长度，兼顾效率与可维护性，适用于中等规模数据场景。