统计列表里每个词出现几次：Counter构造、most_common与查不存在项

假设你在练习目录里准备了一份自建词列表，比如从一段自己写的文字里按空格拆出来的词，想知道每个词各出现几次。这类“计数”任务用collections.Counter最直接。

Counter是dict的子类，专门用来统计可哈希对象的出现次数。它把元素存成字典的键，把计数存成字典的值。也就是说，它长得像字典，但用途是计数。

本文只处理三件事：怎么构造Counter、怎么用most_common取出现次数最多的若干项、查询一个不存在的词会得到什么。所有示例都是自建的练习数据，不读取网页，也不涉及真实语料。

动手前建议在练习目录里新建一个脚本，例如exercise/count_demo.py，不要拿重要数据直接试。

Counter的构造方式不止一种，选哪种取决于你手里已经有什么。

第一种，先建一个空Counter，再逐个累加。适合边读边数的场景：

from collections import Counter

cnt = Counter()
for word in ["red", "blue", "red", "green", "blue", "blue"]:
    cnt[word] += 1
print(cnt)

这段代码里，cnt[word] += 1 能直接对还不存在的键做加法，是因为Counter对缺失项返回0，而不是抛KeyError。运行后输出形如 Counter({'blue': 3, 'red': 2, 'green': 1})。

第二种，直接把可迭代对象交给Counter，一步完成计数：

from collections import Counter

words = ["red", "blue", "red", "green", "blue", "blue"]
print(Counter(words))

结果和第一种一样。列表、字符串这类可迭代对象都能这样传进去。

第三种，从一个映射或关键字参数初始化：

from collections import Counter

print(Counter({"red": 4, "blue": 2}))
print(Counter(cats=4, dogs=8))

第一种写法把已有计数字典直接变成Counter，第二种用关键字参数指定元素和计数。三种方式得到的是同一种对象，后续方法都能用。

数完次数后，通常想知道出现最多的几个词。most_common就是做这件事的。

它返回一个列表，元素是（词, 次数）这样的元组，按次数从多到少排列。传入n就只返回前n项：

from collections import Counter

words = ["red", "blue", "red", "green", "blue", "blue"]
cnt = Counter(words)
print(cnt.most_common(2))

按资料给出的示例形式，输出是 [('blue', 3), ('red', 2)]。

如果不传参数，或者传None，most_common()返回全部元素，同样按次数从多到少排列。

有一个细节值得记住：次数相同的元素，按它们第一次被遇到的顺序排列。所以并列第二的项谁在前，取决于它在数据里先出现的位置，不是按字母顺序。

如果你只想看最少出现的几项，资料里给出的写法是 c.most_common()[:-n-1:-1]，这是对完整结果做反向切片，属于进阶用法，初学时可以先只用正序的most_common(n)。

这是Counter和普通字典差别最明显的一处，也是初学者容易踩坑的地方。

普通字典用方括号取一个不存在的键，会抛KeyError。Counter不会，它返回0：

from collections import Counter

c = Counter(["eggs", "ham"])
print(c["bacon"])

输出是 0。

这个行为带来两个后果。

第一，你可以放心地写 cnt[word] += 1，不用先判断这个词在不在里面。第一次遇到时，它读到0，加1后变成1，键也就此建立。

第二，查询结果里的0有两种可能：这个词真的出现过0次，或者这个词根本没在数据里出现过。Counter不区分这两种情况，都返回0。如果你需要区分，可以用 in 判断键是否存在，例如 "bacon" in c。

还有一个容易误解的点：把某个计数设成0，并不会把这个键删掉。要彻底移除，得用del：

c["sausage"] = 0
del c["sausage"]

第一行只是把计数写成0，键还在；第二行才真正移除这个条目。

把前面几节串起来，用一份自建词列表完整走一遍。

from collections import Counter

words = ["tea", "coffee", "tea", "water", "tea", "coffee"]
cnt = Counter(words)

print(cnt)
print(cnt.most_common(2))
print(cnt["juice"])
print("juice" in cnt)

按资料说明的行为，可以预期：

1. cnt 显示每个词和它的次数，tea出现3次，coffee出现2次，water出现1次。

2. most_common(2) 返回前两名，即 tea 和 coffee 及其次数。

3. cnt["juice"] 返回0，因为juice不在数据里。

4. "juice" in cnt 返回False，说明这个键确实不存在，而不是计数为0。

第3步和第4步放在一起看，就能理解为什么单看返回值0不够——它既可能是“出现过0次”，也可能是“没出现过”。

以上数值只针对这份自建列表，换一份数据结果就会不同。

拿到计数结果后，建议按下面几点核对，避免误读。

1. 大小写和空格。Counter按元素原样计数，"Tea"和"tea"是两个不同的键。如果你的词列表来自自己拆分的文本，先确认拆分规则是否统一。

2. most_common的并列顺序。次数相同的项按首次遇到的顺序排，不要以为它按字母排。

3. 计数为0不等于键不存在。用 in 判断键是否存在，别只看返回值。

4. 计数可以是0或负数。Counter允许计数为任意整数，包括0和负数。如果你看到负数，说明数据或累加过程里有减法操作，不是Counter本身出错。

5. most_common要求值可排序。它需要计数之间能比较大小，所以计数得是能排序的类型。

这些检查都是围绕自建数据做的，不涉及对真实语料的判断。

本文只讲Counter的构造、most_common和查询不存在项这三件事，处理的是自建词列表。不涉及从网页抓取文本、不涉及文件读写、不涉及Counter之间的加减与集合运算。

示例中的词列表、文件名和输出都是自建的练习数据，不是对真实语料或真实项目的记录。运行前请在练习目录里操作，不要拿重要数据直接试。

关于Counter的构造方式、most_common的排序规则、缺失项返回0、以及计数为0与删除键的区别，依据是Python官方collections模块文档中Counter objects一节。文档还说明Counter自Python 3.1加入，3.7起作为dict子类会记住插入顺序。

如果你需要统计的是文件里的词，那属于读取和分词环节，本文不展开。