攝影或3C

Python Counter 速查與實戰指南;from collections import Counter

collections.Counter 是專門用來做“可雜湊元素的頻率統計”的 dict 子類。
核心概念：Counter = dict where key = item, value = 出現次數（int >= 0）。
比普通 dict 多一組方便的初始化 / 運算方法。

1. 建立 Counter 的幾種方式

from collections import Counter

Counter(['a', 'b', 'a'])              # {'a': 2, 'b': 1}
Counter('banana')                     # {'a':3,'n':2,'b':1}
Counter({'a': 2, 'b': 5})             # 直接用 dict
Counter(a=2, b=5)                     # 關鍵字參數

空的：

c = Counter()

遞增：

c.update(['a','b','a'])

輸出:

2. 常用屬性與方法

3. 與數學運算子的結合

假設：

from collections import Counter
c1 = Counter("aabbbc")
c2 = Counter("bbccdd")

運算:

c1 / c2:

運算與交集/聯集:

4. 典型實戰場景

4.1 統計字元 / 詞頻

words = "test plan heading heading remove".split()
freq = Counter(words)
print(freq.most_common(2))  # [('heading', 2), ('test', 1)] (順序視版本)

輸出:

4.2 比較兩組元素差異

before = Counter(['H1','H2','H2','H3'])
after  = Counter(['H1','H2','H4'])
removed = before - after      # Counter({'H2':1,'H3':1})
added   = after - before      # Counter({'H4':1})

輸出:

4.3 正規化“分層編號”時的層級計數

counters = Counter()
# 每遇到 level = L 的 heading:
counters[L] += 1
# 取得目前路徑
path = '.'.join(str(counters[i]) for i in range(1, L+1))

（也可以用普通 dict；Counter 的好處是缺席 key 自動回 0）

4.4 計算多個來源合併頻率

total = Counter()
for chunk in chunks:  # 每個 chunk 是 list 或字串
    total.update(chunk)

4.5 找出“不平衡”或“負數異常”

c = Counter("aab")
c.subtract("abc")  # a:1, b:0, c:-1
negatives = {k:v for k,v in c.items() if v < 0}

5. 常被忽略的細節

6. 與 defaultdict(int) 差異

如果你只做“線性累加”且不需要報表功能，兩者都可；
若要排名、集合運算 → 用 Counter。

7. 防禦性小技巧

8. 與（章節編號 / 刪除報表）結合範例

8.1 建立刪除前後差異報告

def diff_headings(before_titles, after_titles):
    b = Counter(before_titles)
    a = Counter(after_titles)
    removed = list((b - a).elements())
    added = list((a - b).elements())
    return {"removed": removed, "added": added}

# 用法
before = ["1 Product", "2 Plan", "2 Plan", "3 Flow"]
after  = ["1 Product", "3 Flow", "4 Extra"]
print(diff_headings(before, after))
# {'removed': ['2 Plan', '2 Plan'], 'added': ['4 Extra']}

輸出:

list(c.elements()):

8.2 計算每個 level 出現次數（驗證層級合理性）

levels = [1,1,2,2,3,1,2,3,3]
level_counter = Counter(levels)
# 假設最大層級不能超過 3，且每層至少 1
invalid = [lvl for lvl,cnt in level_counter.items() if lvl < 1 or lvl > 3 or cnt == 0]

8.3 生成 slug 衝突處理次序

slugs = ["test-flow","test-flow","test-flow","plan"]
c = Counter()
unique = []
for s in slugs:
    c[s] += 1
    if c[s] == 1:
        unique.append(s)
    else:
        unique.append(f"{s}-{c[s]}")
# ['test-flow','test-flow-2','test-flow-3','plan']

9. 效能概念

基於 dict → 單次計數操作平均 O(1)
與手寫 dict +=1 相比 overhead 很低（多數場景可忽略）
大量合併建議：改用 update 一次餵 iterable 避免 Python 層 for-loop

10. 小心誤用（常見雷點）

11. 超精簡備忘（可貼註解）

from collections import Counter
c = Counter()              # 建立
c.update(data)             # 加
c.subtract(other)          # 減（允許負數）
top3 = c.most_common(3)    # 前 3
intersection = c1 & c2     # min
union = c1 | c2            # max
positive_only = +c         # 等價 c - Counter()；過濾 <=0
expanded = list(c.elements())

（+c 在某些版本等價於 c.copy() 再丟棄 <=0 的值，語意上是“去掉非正”。）
+c（一元加號 / unary plus）跟 c += …（就地加法）是兩件完全不同的東西：

+c 是什麼？
對 collections.Counter 物件做「一元加號」會回傳一個「新的 Counter」，把所有計數 <= 0 的 key 濾掉。
官方文件的定義（邏輯上等同）：+c == c – Counter()（做一次“與空 Counter 的減法”會刪除非正值）。

12. 何時不要用 Counter

13. 自製封裝

快速統計“刪掉章節／新增章節差異”：

def summarize_heading_changes(before, after):
    before_set = Counter(before)
    after_set = Counter(after)
    removed = before_set - after_set
    added = after_set - before_set
    return {
        "removed_count": sum(removed.values()),
        "added_count": sum(added.values()),
        "removed_list": list(removed.elements()),
        "added_list": list(added.elements()),
    }