如何在 Python 列表中找到重复项并创建另一个重复项列表？该列表仅包含整数。
【问题讨论】：
标签： python list duplicates
要删除重复项，请使用set(a)。要打印重复项，例如：
a = [1,2,3,2,1,5,6,5,5,5]
import collections
print([item for item, count in collections.Counter(a).items() if count > 1])
## [1, 2, 5]
请注意，Counter 并不是特别有效 (timings)，而且在这里可能有点矫枉过正。 set 会表现得更好。此代码按源顺序计算唯一元素列表：
seen = set()
uniq = []
for x in a:
if x not in seen:
uniq.append(x)
seen.add(x)
或者，更简洁：
seen = set()
uniq = [x for x in a if x not in seen and not seen.add(x)]
我不推荐后一种风格，因为not seen.add(x)在做什么并不明显（设置add()方法总是返回None，因此需要not）。
要计算没有库的重复元素列表：
seen = set()
dupes = []
for x in a:
if x in seen:
dupes.append(x)
else:
seen.add(x)
或者，更简洁：
seen = set()
dupes = [x for x in a if x in seen or seen.add(x)]
如果列表元素不可散列，则不能使用集合/字典，而必须求助于二次时间解决方案（将每个元素与每个元素进行比较）。例如：
a = [[1], [2], [3], [1], [5], [3]]
no_dupes = [x for n, x in enumerate(a) if x not in a[:n]]
print no_dupes # [[1], [2], [3], [5]]
dupes = [x for n, x in enumerate(a) if x in a[:n]]
print dupes # [[1], [3]]
【讨论】：
O(n)，因为它只迭代列表一次并且设置查找是O(1)。
dup = []else: dup.append(x)
print()987654339@ 中是用括号调用的
seen = set() 然后dupe = set(x for x in a if x in seen or seen.add(x))
collections.Counter 是 python 2.7 中的新功能：
Python 2.5.4 (r254:67916, May 31 2010, 15:03:39)
[GCC 4.1.2 20080704 (Red Hat 4.1.2-46)] on linux2
a = [1,2,3,2,1,5,6,5,5,5]
import collections
print [x for x, y in collections.Counter(a).items() if y > 1]
Type "help", "copyright", "credits" or "license" for more information.
File "", line 1, in
AttributeError: 'module' object has no attribute 'Counter'
>>>
在早期版本中，您可以改用传统的 dict：
a = [1,2,3,2,1,5,6,5,5,5]
d = {}
for elem in a:
if elem in d:
d[elem] += 1
else:
d[elem] = 1
print [x for x, y in d.items() if y > 1]
【讨论】：
您不需要计数，只需要该项目之前是否见过。针对这个问题改编that answer：
def list_duplicates(seq):
seen = set()
seen_add = seen.add
# adds all elements it doesn't know yet to seen and all other to seen_twice
seen_twice = set( x for x in seq if x in seen or seen_add(x) )
# turn the set into a list (as requested)
return list( seen_twice )
a = [1,2,3,2,1,5,6,5,5,5]
list_duplicates(a) # yields [1, 2, 5]
以防万一速度很重要，这里有一些时间安排：
# file: test.py
import collections
def thg435(l):
return [x for x, y in collections.Counter(l).items() if y > 1]
def moooeeeep(l):
seen = set()
seen_add = seen.add
# adds all elements it doesn't know yet to seen and all other to seen_twice
seen_twice = set( x for x in l if x in seen or seen_add(x) )
# turn the set into a list (as requested)
return list( seen_twice )
def RiteshKumar(l):
return list(set([x for x in l if l.count(x) > 1]))
def JohnLaRooy(L):
seen = set()
seen2 = set()
seen_add = seen.add
seen2_add = seen2.add
for item in L:
if item in seen:
seen2_add(item)
else:
seen_add(item)
return list(seen2)
l = [1,2,3,2,1,5,6,5,5,5]*100
这是结果：（干得好@JohnLaRooy！）
$ python -mtimeit -s 'import test' 'test.JohnLaRooy(test.l)'
10000 loops, best of 3: 74.6 usec per loop
$ python -mtimeit -s 'import test' 'test.moooeeeep(test.l)'
10000 loops, best of 3: 91.3 usec per loop
$ python -mtimeit -s 'import test' 'test.thg435(test.l)'
1000 loops, best of 3: 266 usec per loop
$ python -mtimeit -s 'import test' 'test.RiteshKumar(test.l)'
100 loops, best of 3: 8.35 msec per loop
有趣的是，除了计时本身，使用 pypy 时排名也会略有变化。最有趣的是，基于计数器的方法从 pypy 的优化中受益匪浅，而我建议的方法缓存方法似乎几乎没有效果。
$ pypy -mtimeit -s 'import test' 'test.JohnLaRooy(test.l)'
100000 loops, best of 3: 17.8 usec per loop
$ pypy -mtimeit -s 'import test' 'test.thg435(test.l)'
10000 loops, best of 3: 23 usec per loop
$ pypy -mtimeit -s 'import test' 'test.moooeeeep(test.l)'
10000 loops, best of 3: 39.3 usec per loop
显然，这种影响与输入数据的“重复性”有关。我设置了l = [random.randrange(1000000) for i in xrange(10000)] 并得到了这些结果：
$ pypy -mtimeit -s 'import test' 'test.moooeeeep(test.l)'
1000 loops, best of 3: 495 usec per loop
$ pypy -mtimeit -s 'import test' 'test.JohnLaRooy(test.l)'
1000 loops, best of 3: 499 usec per loop
$ pypy -mtimeit -s 'import test' 'test.thg435(test.l)'
1000 loops, best of 3: 1.68 msec per loop
【讨论】：
add。
>>> l = [1,2,3,4,4,5,5,6,1]
>>> set([x for x in l if l.count(x) > 1])
set([1, 4, 5])
【讨论】：
l 替换为 set(l) 只会降低最坏情况的时间复杂度，因此 没有 解决此答案的大规模效率问题。毕竟可能没那么简单。简而言之，不要这样做。
list2 = [1, 2, 3, 4, 1, 2, 3]
lset = set()
[(lset.add(item), list2.append(item))
for item in list2 if item not in lset]
print list(lset)
【讨论】：
有点晚了，但可能对某些人有帮助。 对于较大的列表，我发现这对我有用。
l=[1,2,3,5,4,1,3,1]
s=set(l)
d=[]
for x in l:
if x in s:
s.remove(x)
else:
d.append(x)
d
[1,3,1]
仅显示所有重复项并保留顺序。
【讨论】：
一线解决方案：
set([i for i in list if sum([1 for a in list if a == i]) > 1])
【讨论】：
我在查看相关内容时遇到了这个问题 - 并且想知道为什么没有人提供基于生成器的解决方案？解决这个问题的方法是：
>>> print list(getDupes_9([1,2,3,2,1,5,6,5,5,5]))
[1, 2, 5]
我担心可扩展性，因此测试了几种方法，包括在小列表上运行良好的幼稚项目，但随着列表变大而可怕地扩展（注意 - 使用 timeit 会更好，但这只是说明性的）。
我包含了@moooeeeeep 进行比较（它的速度非常快：如果输入列表是完全随机的，则速度最快）和一个 itertools 方法，对于大多数排序的列表来说它再次更快......现在包括来自@firelynx 的 pandas 方法——慢，但并不可怕，而且简单。注意 - 在我的机器上，排序/tee/zip 方法始终是最快的，对于大部分排序的大型列表，moooeeeep 对于随机列表最快，但您的里程可能会有所不同。
优势
假设
最快的解决方案，1m 条目：
def getDupes(c):
'''sort/tee/izip'''
a, b = itertools.tee(sorted(c))
next(b, None)
r = None
for k, g in itertools.izip(a, b):
if k != g: continue
if k != r:
yield k
r = k
测试方法
import itertools
import time
import random
def getDupes_1(c):
'''naive'''
for i in xrange(0, len(c)):
if c[i] in c[:i]:
yield c[i]
def getDupes_2(c):
'''set len change'''
s = set()
for i in c:
l = len(s)
s.add(i)
if len(s) == l:
yield i
def getDupes_3(c):
'''in dict'''
d = {}
for i in c:
if i in d:
if d[i]:
yield i
d[i] = False
else:
d[i] = True
def getDupes_4(c):
'''in set'''
s,r = set(),set()
for i in c:
if i not in s:
s.add(i)
elif i not in r:
r.add(i)
yield i
def getDupes_5(c):
'''sort/adjacent'''
c = sorted(c)
r = None
for i in xrange(1, len(c)):
if c[i] == c[i - 1]:
if c[i] != r:
yield c[i]
r = c[i]
def getDupes_6(c):
'''sort/groupby'''
def multiple(x):
try:
x.next()
x.next()
return True
except:
return False
for k, g in itertools.ifilter(lambda x: multiple(x[1]), itertools.groupby(sorted(c))):
yield k
def getDupes_7(c):
'''sort/zip'''
c = sorted(c)
r = None
for k, g in zip(c[:-1],c[1:]):
if k == g:
if k != r:
yield k
r = k
def getDupes_8(c):
'''sort/izip'''
c = sorted(c)
r = None
for k, g in itertools.izip(c[:-1],c[1:]):
if k == g:
if k != r:
yield k
r = k
def getDupes_9(c):
'''sort/tee/izip'''
a, b = itertools.tee(sorted(c))
next(b, None)
r = None
for k, g in itertools.izip(a, b):
if k != g: continue
if k != r:
yield k
r = k
def getDupes_a(l):
'''moooeeeep'''
seen = set()
seen_add = seen.add
# adds all elements it doesn't know yet to seen and all other to seen_twice
for x in l:
if x in seen or seen_add(x):
yield x
def getDupes_b(x):
'''iter*/sorted'''
x = sorted(x)
def _matches():
for k,g in itertools.izip(x[:-1],x[1:]):
if k == g:
yield k
for k, n in itertools.groupby(_matches()):
yield k
def getDupes_c(a):
'''pandas'''
import pandas as pd
vc = pd.Series(a).value_counts()
i = vc[vc > 1].index
for _ in i:
yield _
def hasDupes(fn,c):
try:
if fn(c).next(): return True # Found a dupe
except StopIteration:
pass
return False
def getDupes(fn,c):
return list(fn(c))
STABLE = True
if STABLE:
print 'Finding FIRST then ALL duplicates, single dupe of "nth" placed element in 1m element array'
else:
print 'Finding FIRST then ALL duplicates, single dupe of "n" included in randomised 1m element array'
for location in (50,250000,500000,750000,999999):
for test in (getDupes_2, getDupes_3, getDupes_4, getDupes_5, getDupes_6,
getDupes_8, getDupes_9, getDupes_a, getDupes_b, getDupes_c):
print 'Test %-15s:%10d - '%(test.__doc__ or test.__name__,location),
deltas = []
for FIRST in (True,False):
for i in xrange(0, 5):
c = range(0,1000000)
if STABLE:
c[0] = location
else:
c.append(location)
random.shuffle(c)
start = time.time()
if FIRST:
print '.' if location == test(c).next() else '!',
else:
print '.' if [location] == list(test(c)) else '!',
deltas.append(time.time()-start)
print ' -- %0.3f '%(sum(deltas)/len(deltas)),
print
print
'all dupes' 测试的结果是一致的，在此数组中找到“第一个”重复项，然后是“所有”重复项：
Finding FIRST then ALL duplicates, single dupe of "nth" placed element in 1m element array
Test set len change : 500000 - . . . . . -- 0.264 . . . . . -- 0.402
Test in dict : 500000 - . . . . . -- 0.163 . . . . . -- 0.250
Test in set : 500000 - . . . . . -- 0.163 . . . . . -- 0.249
Test sort/adjacent : 500000 - . . . . . -- 0.159 . . . . . -- 0.229
Test sort/groupby : 500000 - . . . . . -- 0.860 . . . . . -- 1.286
Test sort/izip : 500000 - . . . . . -- 0.165 . . . . . -- 0.229
Test sort/tee/izip : 500000 - . . . . . -- 0.145 . . . . . -- 0.206 *
Test moooeeeep : 500000 - . . . . . -- 0.149 . . . . . -- 0.232
Test iter*/sorted : 500000 - . . . . . -- 0.160 . . . . . -- 0.221
Test pandas : 500000 - . . . . . -- 0.493 . . . . . -- 0.499
当列表首先被洗牌时，排序的代价就变得明显了——效率明显下降，@moooeeeeep 方法占主导地位，set 和 dict 方法相似但表现不佳：
Finding FIRST then ALL duplicates, single dupe of "n" included in randomised 1m element array
Test set len change : 500000 - . . . . . -- 0.321 . . . . . -- 0.473
Test in dict : 500000 - . . . . . -- 0.285 . . . . . -- 0.360
Test in set : 500000 - . . . . . -- 0.309 . . . . . -- 0.365
Test sort/adjacent : 500000 - . . . . . -- 0.756 . . . . . -- 0.823
Test sort/groupby : 500000 - . . . . . -- 1.459 . . . . . -- 1.896
Test sort/izip : 500000 - . . . . . -- 0.786 . . . . . -- 0.845
Test sort/tee/izip : 500000 - . . . . . -- 0.743 . . . . . -- 0.804
Test moooeeeep : 500000 - . . . . . -- 0.234 . . . . . -- 0.311 *
Test iter*/sorted : 500000 - . . . . . -- 0.776 . . . . . -- 0.840
Test pandas : 500000 - . . . . . -- 0.539 . . . . . -- 0.540
【讨论】：
random.shuffle(c) 来说明这一点。此外，在运行未更改的脚本时，我也无法复制您的结果（完全不同的顺序），所以它可能也取决于 CPU。
itertools.tee 增加了不必要的开销。尝试c = sorted(c)，然后改为a, b = iter(c), iter(c)。
我会用熊猫做这个，因为我经常使用熊猫
import pandas as pd
a = [1,2,3,3,3,4,5,6,6,7]
vc = pd.Series(a).value_counts()
vc[vc > 1].index.tolist()
给予
[3,6]
可能效率不高，但它肯定比许多其他答案的代码少，所以我想我会贡献的
【讨论】：
pda = pd.Series(a) print list(pda[pda.duplicated()])
这是我必须这样做的方式，因为我挑战自己不要使用其他方法：
def dupList(oldlist):
if type(oldlist)==type((2,2)):
oldlist=[x for x in oldlist]
newList=[]
newList=newList+oldlist
oldlist=oldlist
forbidden=[]
checkPoint=0
for i in range(len(oldlist)):
#print 'start i', i
if i in forbidden:
continue
else:
for j in range(len(oldlist)):
#print 'start j', j
if j in forbidden:
continue
else:
#print 'after Else'
if i!=j:
#print 'i,j', i,j
#print oldlist
#print newList
if oldlist[j]==oldlist[i]:
#print 'oldlist[i],oldlist[j]', oldlist[i],oldlist[j]
forbidden.append(j)
#print 'forbidden', forbidden
del newList[j-checkPoint]
#print newList
checkPoint=checkPoint+1
return newList
所以您的示例如下：
>>>a = [1,2,3,3,3,4,5,6,6,7]
>>>dupList(a)
[1, 2, 3, 4, 5, 6, 7]
【讨论】：
duplist = list(set(a))。
使用sort() 函数。可以通过循环并检查l1[i] == l1[i+1]来识别重复项。
【讨论】：
接受答案的第三个示例给出了错误的答案，并且不尝试给出重复的答案。这是正确的版本：
number_lst = [1, 1, 2, 3, 5, ...]
seen_set = set()
duplicate_set = set(x for x in number_lst if x in seen_set or seen_set.add(x))
unique_set = seen_set - duplicate_set
【讨论】：
这里有很多答案，但我认为这是一种相对可读且易于理解的方法：
def get_duplicates(sorted_list):
duplicates = []
last = sorted_list[0]
for x in sorted_list[1:]:
if x == last:
duplicates.append(x)
last = x
return set(duplicates)
注意事项：
【讨论】：
这是一个快速生成器，它使用 dict 将每个元素存储为带有布尔值的键，用于检查重复项是否已经产生。
对于所有元素都是可散列类型的列表：
def gen_dupes(array):
unique = {}
for value in array:
if value in unique and unique[value]:
unique[value] = False
yield value
else:
unique[value] = True
array = [1, 2, 2, 3, 4, 1, 5, 2, 6, 6]
print(list(gen_dupes(array)))
# => [2, 1, 6]
对于可能包含列表的列表：
def gen_dupes(array):
unique = {}
for value in array:
is_list = False
if type(value) is list:
value = tuple(value)
is_list = True
if value in unique and unique[value]:
unique[value] = False
if is_list:
value = list(value)
yield value
else:
unique[value] = True
array = [1, 2, 2, [1, 2], 3, 4, [1, 2], 5, 2, 6, 6]
print(list(gen_dupes(array)))
# => [2, [1, 2], 6]
【讨论】：
在 Python 中通过一次迭代找到受骗者的非常简单快捷的方法是：
testList = ['red', 'blue', 'red', 'green', 'blue', 'blue']
testListDict = {}
for item in testList:
try:
testListDict[item] += 1
except:
testListDict[item] = 1
print testListDict
输出如下：
>>> print testListDict
{'blue': 3, 'green': 1, 'red': 2}
这个以及更多在我的博客http://www.howtoprogramwithpython.com
【讨论】：
这是一个简洁明了的解决方案 -
for x in set(li):
li.remove(x)
li = list(set(li))
【讨论】：
使用熊猫：
>>> import pandas as pd
>>> a = [1, 2, 1, 3, 3, 3, 0]
>>> pd.Series(a)[pd.Series(a).duplicated()].values
array([1, 3, 3])
【讨论】：
你可以使用iteration_utilities.duplicates:
>>> from iteration_utilities import duplicates
>>> list(duplicates([1,1,2,1,2,3,4,2]))
[1, 1, 2, 2]
或者，如果您只想要每个副本中的一个，则可以将其与 iteration_utilities.unique_everseen 结合使用：
>>> from iteration_utilities import unique_everseen
>>> list(unique_everseen(duplicates([1,1,2,1,2,3,4,2])))
[1, 2]
它还可以处理不可散列的元素（但是以性能为代价）：
>>> list(duplicates([[1], [2], [1], [3], [1]]))
[[1], [1]]
>>> list(unique_everseen(duplicates([[1], [2], [1], [3], [1]])))
[[1]]
这是这里只有少数其他方法可以处理的问题。
我做了一个快速基准测试，其中包含这里提到的大部分（但不是全部）方法。
第一个基准测试仅包含一小部分列表长度，因为某些方法具有O(n**2) 行为。
在图表中，y 轴代表时间，因此值越低越好。它还绘制了对数对数，因此可以更好地可视化广泛的值：
删除 O(n**2) 方法我做了另一个基准测试，列表中的元素多达 50 万：
如您所见，iteration_utilities.duplicates 方法比任何其他方法都快，甚至链接 unique_everseen(duplicates(...)) 也比其他方法更快或同样快。
这里要注意的另外一个有趣的事情是，pandas 方法对于小列表非常慢，但可以轻松竞争更长的列表。
但是，由于这些基准测试显示大多数方法的性能大致相同，因此使用哪一种方法并不重要（除了具有 O(n**2) 运行时的 3 种方法）。
from iteration_utilities import duplicates, unique_everseen
from collections import Counter
import pandas as pd
import itertools
def georg_counter(it):
return [item for item, count in Counter(it).items() if count > 1]
def georg_set(it):
seen = set()
uniq = []
for x in it:
if x not in seen:
uniq.append(x)
seen.add(x)
def georg_set2(it):
seen = set()
return [x for x in it if x not in seen and not seen.add(x)]
def georg_set3(it):
seen = {}
dupes = []
for x in it:
if x not in seen:
seen[x] = 1
else:
if seen[x] == 1:
dupes.append(x)
seen[x] += 1
def RiteshKumar_count(l):
return set([x for x in l if l.count(x) > 1])
def moooeeeep(seq):
seen = set()
seen_add = seen.add
# adds all elements it doesn't know yet to seen and all other to seen_twice
seen_twice = set( x for x in seq if x in seen or seen_add(x) )
# turn the set into a list (as requested)
return list( seen_twice )
def F1Rumors_implementation(c):
a, b = itertools.tee(sorted(c))
next(b, None)
r = None
for k, g in zip(a, b):
if k != g: continue
if k != r:
yield k
r = k
def F1Rumors(c):
return list(F1Rumors_implementation(c))
def Edward(a):
d = {}
for elem in a:
if elem in d:
d[elem] += 1
else:
d[elem] = 1
return [x for x, y in d.items() if y > 1]
def wordsmith(a):
return pd.Series(a)[pd.Series(a).duplicated()].values
def NikhilPrabhu(li):
li = li.copy()
for x in set(li):
li.remove(x)
return list(set(li))
def firelynx(a):
vc = pd.Series(a).value_counts()
return vc[vc > 1].index.tolist()
def HenryDev(myList):
newList = set()
for i in myList:
if myList.count(i) >= 2:
newList.add(i)
return list(newList)
def yota(number_lst):
seen_set = set()
duplicate_set = set(x for x in number_lst if x in seen_set or seen_set.add(x))
return seen_set - duplicate_set
def IgorVishnevskiy(l):
s=set(l)
d=[]
for x in l:
if x in s:
s.remove(x)
else:
d.append(x)
return d
def it_duplicates(l):
return list(duplicates(l))
def it_unique_duplicates(l):
return list(unique_everseen(duplicates(l)))
from simple_benchmark import benchmark
import random
funcs = [
georg_counter, georg_set, georg_set2, georg_set3, RiteshKumar_count, moooeeeep,
F1Rumors, Edward, wordsmith, NikhilPrabhu, firelynx,
HenryDev, yota, IgorVishnevskiy, it_duplicates, it_unique_duplicates
]
args = {2**i: [random.randint(0, 2**(i-1)) for _ in range(2**i)] for i in range(2, 12)}
b = benchmark(funcs, args, 'list size')
b.plot()
funcs = [
georg_counter, georg_set, georg_set2, georg_set3, moooeeeep,
F1Rumors, Edward, wordsmith, firelynx,
yota, IgorVishnevskiy, it_duplicates, it_unique_duplicates
]
args = {2**i: [random.randint(0, 2**(i-1)) for _ in range(2**i)] for i in range(2, 20)}
b = benchmark(funcs, args, 'list size')
b.plot()
1 这是来自我写过的第三方库：iteration_utilities。
【讨论】：
plt.savefig('duplicates.png', dpi=300) 保存了我的）并删除了实际情节周围的大部分空白。然后图像更大更清晰，无论是在嵌入视图中还是在独立视图中（单击图像时）。较高的分辨率会增加文件大小，但您可以通过降低颜色深度来解决此问题。
如何简单地通过检查出现次数来遍历列表中的每个元素，然后将它们添加到一个集合中，然后打印重复项。希望这对那里的人有所帮助。
myList = [2 ,4 , 6, 8, 4, 6, 12];
newList = set()
for i in myList:
if myList.count(i) >= 2:
newList.add(i)
print(list(newList))
## [4 , 6]
【讨论】：
我们可以使用itertools.groupby 来查找所有有重复的项目：
from itertools import groupby
myList = [2, 4, 6, 8, 4, 6, 12]
# when the list is sorted, groupby groups by consecutive elements which are similar
for x, y in groupby(sorted(myList)):
# list(y) returns all the occurences of item x
if len(list(y)) > 1:
print x
输出将是：
4
6
【讨论】：
dupes = [x for x, y in groupby(sorted(myList)) if len(list(y)) > 1]
def removeduplicates(a):
seen = set()
for i in a:
if i not in seen:
seen.add(i)
return seen
print(removeduplicates([1,1,2,2]))
【讨论】：
如果不转换为列表，可能最简单的方法如下所示。 这可能在面试时要求不要使用集合时很有用
a=[1,2,3,3,3]
dup=[]
for each in a:
if each not in dup:
dup.append(each)
print(dup)
======= else 获得 2 个单独的唯一值和重复值列表
a=[1,2,3,3,3]
uniques=[]
dups=[]
for each in a:
if each not in uniques:
uniques.append(each)
else:
dups.append(each)
print("Unique values are below:")
print(uniques)
print("Duplicate values are below:")
print(dups)
【讨论】：
其他一些测试。当然可以……
set([x for x in l if l.count(x) > 1])
...太贵了。使用下一个 final 方法大约快 500 倍（数组越长，结果越好）：
def dups_count_dict(l):
d = {}
for item in l:
if item not in d:
d[item] = 0
d[item] += 1
result_d = {key: val for key, val in d.iteritems() if val > 1}
return result_d.keys()
只有 2 个循环，没有非常昂贵的 l.count() 操作。
这是一个比较方法的代码。代码如下，输出如下：
dups_count: 13.368s # this is a function which uses l.count()
dups_count_dict: 0.014s # this is a final best function (of the 3 functions)
dups_count_counter: 0.024s # collections.Counter
测试代码：
import numpy as np
from time import time
from collections import Counter
class TimerCounter(object):
def __init__(self):
self._time_sum = 0
def start(self):
self.time = time()
def stop(self):
self._time_sum += time() - self.time
def get_time_sum(self):
return self._time_sum
def dups_count(l):
return set([x for x in l if l.count(x) > 1])
def dups_count_dict(l):
d = {}
for item in l:
if item not in d:
d[item] = 0
d[item] += 1
result_d = {key: val for key, val in d.iteritems() if val > 1}
return result_d.keys()
def dups_counter(l):
counter = Counter(l)
result_d = {key: val for key, val in counter.iteritems() if val > 1}
return result_d.keys()
def gen_array():
np.random.seed(17)
return list(np.random.randint(0, 5000, 10000))
def assert_equal_results(*results):
primary_result = results[0]
other_results = results[1:]
for other_result in other_results:
assert set(primary_result) == set(other_result) and len(primary_result) == len(other_result)
if __name__ == '__main__':
dups_count_time = TimerCounter()
dups_count_dict_time = TimerCounter()
dups_count_counter = TimerCounter()
l = gen_array()
for i in range(3):
dups_count_time.start()
result1 = dups_count(l)
dups_count_time.stop()
dups_count_dict_time.start()
result2 = dups_count_dict(l)
dups_count_dict_time.stop()
dups_count_counter.start()
result3 = dups_counter(l)
dups_count_counter.stop()
assert_equal_results(result1, result2, result3)
print 'dups_count: %.3f' % dups_count_time.get_time_sum()
print 'dups_count_dict: %.3f' % dups_count_dict_time.get_time_sum()
print 'dups_count_counter: %.3f' % dups_count_counter.get_time_sum()
【讨论】：
使用toolz时：
from toolz import frequencies, valfilter
a = [1,2,2,3,4,5,4]
>>> list(valfilter(lambda count: count > 1, frequencies(a)).keys())
[2,4]
【讨论】：
我进入这个讨论的时间很晚。尽管如此，我想用一个衬垫来处理这个问题。因为这就是 Python 的魅力所在。 如果我们只想将重复项放入单独的列表（或任何集合）中，我建议按照以下方式进行操作。假设我们有一个重复的列表，我们可以将其称为“目标”
target=[1,2,3,4,4,4,3,5,6,8,4,3]
现在如果我们想得到重复的，我们可以使用下面的一个衬垫：
duplicates=dict(set((x,target.count(x)) for x in filter(lambda rec : target.count(rec)>1,target)))
此代码会将重复的记录作为键并将计数作为值放入字典'duplicates'中。'duplicate'字典如下所示：
{3: 3, 4: 4} #it saying 3 is repeated 3 times and 4 is 4 times
如果您只希望列表中包含重复的所有记录，那么它的代码又要短得多：
duplicates=filter(lambda rec : target.count(rec)>1,target)
输出将是：
[3, 4, 4, 4, 3, 4, 3]
这在 python 2.7.x + 版本中完美运行
【讨论】：
方法一：
list(set([val for idx, val in enumerate(input_list) if val in input_list[idx+1:]]))
解释： [val for idx, val in enumerate(input_list) if val in input_list[idx+1:]] 是一个列表推导式，它返回一个元素，如果相同的元素从它的当前位置出现，在列表中，索引。
示例： input_list = [42,31,42,31,3,31,31,5,6,6,6,6,6,7,42]
从列表中的第一个元素 42 开始，索引为 0，它检查元素 42 是否存在于 input_list[1:] 中（即，从索引 1 到列表末尾） 因为 42 存在于 input_list[1:] 中，所以它会返回 42。
然后它转到下一个元素 31，索引为 1，并检查元素 31 是否存在于 input_list[2:] 中（即，从索引 2 到列表末尾）， 因为 31 存在于 input_list[2:] 中，所以它将返回 31。
类似地，它会遍历列表中的所有元素，并且只会将重复/重复的元素返回到列表中。
然后因为我们有重复，在一个列表中，我们需要在每个重复项中选择一个，即删除重复项中的重复项，为此，我们确实调用了一个名为 set() 的 python 内置函数，它会删除重复，
然后我们得到一个集合，但不是列表，因此为了从集合转换为列表，我们使用类型转换 list()，并将元素集合转换为列表。
方法二：
def dupes(ilist):
temp_list = [] # initially, empty temporary list
dupe_list = [] # initially, empty duplicate list
for each in ilist:
if each in temp_list: # Found a Duplicate element
if not each in dupe_list: # Avoid duplicate elements in dupe_list
dupe_list.append(each) # Add duplicate element to dupe_list
else:
temp_list.append(each) # Add a new (non-duplicate) to temp_list
return dupe_list
解释： 在这里，我们首先创建两个空列表。 然后继续遍历列表的所有元素，看看它是否存在于 temp_list 中（最初为空）。如果它不在 temp_list 中，那么我们使用 append 方法将它添加到 temp_list 中。
如果它已经存在于 temp_list 中，则意味着列表的当前元素是重复的，因此我们需要使用 append 方法将其添加到 dupe_list 中。
【讨论】：
raw_list = [1,2,3,3,4,5,6,6,7,2,3,4,2,3,4,1,3,4,]
clean_list = list(set(raw_list))
duplicated_items = []
for item in raw_list:
try:
clean_list.remove(item)
except ValueError:
duplicated_items.append(item)
print(duplicated_items)
# [3, 6, 2, 3, 4, 2, 3, 4, 1, 3, 4]
您基本上通过转换为集合 (clean_list) 来删除重复项，然后迭代 raw_list，同时删除干净列表中的每个 item 以在 raw_list 中出现。如果未找到item，则会捕获引发的ValueError 异常并将item 添加到duplicated_items 列表中。
如果需要重复项的索引，只需enumerate 列表并使用索引。 (for index, item in enumerate(raw_list):) 更快，并且针对大型列表（如数千个元素）进行了优化
【讨论】：
在列表中使用list.count()方法找出给定列表的重复元素
arr=[]
dup =[]
for i in range(int(input("Enter range of list: "))):
arr.append(int(input("Enter Element in a list: ")))
for i in arr:
if arr.count(i)>1 and i not in dup:
dup.append(i)
print(dup)
【讨论】：
单行，为了好玩，需要一个语句。
(lambda iterable: reduce(lambda (uniq, dup), item: (uniq, dup | {item}) if item in uniq else (uniq | {item}, dup), iterable, (set(), set())))(some_iterable)
【讨论】：
我想在列表中查找重复项的最有效方法是：
from collections import Counter
def duplicates(values):
dups = Counter(values) - Counter(set(values))
return list(dups.keys())
print(duplicates([1,2,3,6,5,2]))
它对所有元素使用一次Counter，然后对所有唯一元素使用一次。用第二个减去第一个将只删除重复项。
【讨论】：