Python中如何高效统计两个关联列表中得票最高的姓名

现有两个一一对应的关联列表：

names = ['alan_grant', 'alan_grant', 'alan_grant', 'alan_grant', 'alan_grant', 'claire_dearing', 'claire_dearing', 'claire_dearing', 'claire_dearing', 'claire_dearing', 'ellie_sattler', 'ellie_sattler', 'ellie_sattler', 'ellie_sattler', 'ellie_sattler', 'ian_malcolm', 'ian_malcolm', 'ian_malcolm', 'ian_malcolm', 'ian_malcolm', 'john_hammond', 'john_hammond', 'john_hammond', 'john_hammond', 'john_hammond', 'owen_grady', 'owen_grady', 'owen_grady', 'owen_grady', 'owen_grady']
votes = [True, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, False, True, True, True, True]

votes列表是面部识别算法对names列表对应位置项的匹配结果，需求为关联所有取值为True的匹配结果和对应姓名，统计出现频次最高的姓名作为最终胜出结果。

目前已实现两种可得到正确结果owen_grady的方案：

• 方案1：原生字典遍历实现

characters = {}
for name, vote in list(zip(names, votes)):
    if vote == True:
        characters[name] = characters.get(name, 0) + 1
#print(characters)
print(max(characters, key=characters.get))

• 方案2：列表推导式结合collections.Counter实现

from collections import Counter

characters = [name for name, vote in list(zip(names, votes)) if vote == True]
#print(characters)
print(Counter(characters).most_common()[0][0])

待解答问题：

1. 上述两种实现哪一种效率更高？
2. 是否存在效率更优的实现方式，要求最终仅输出结果owen_grady即可。

两种现有方案的效率对比 #

小数据量场景下两者差异可以忽略，数据量较大时原生字典遍历的实现效率更高，原因如下：

• 方案2的列表推导式会先生成一个仅包含投票为True的姓名的中间列表，额外占用内存的同时，还多了一次遍历中间列表构建Counter的开销；方案1是单次遍历zip结果，边遍历边计数，没有中间列表的额外开销。
• 两个现有实现都存在一个无意义的性能损耗：给zip返回的可迭代对象套了list()，zip本身返回的迭代器可以直接用于遍历，强制转列表会额外生成一组元组，白白增加内存占用和耗时，去掉后两个方案的运行速度还能进一步提升。

更优实现方案 #

如果追求极致效率，可以采用单次遍历+边计数边维护当前最大值的写法，省去最后遍历计数字典找最大值的步骤，也不需要构建任何中间容器：

counts = {}
max_name = None
max_cnt = 0
for name, is_match in zip(names, votes):
    if not is_match:
        continue
    current = counts.get(name, 0) + 1
    counts[name] = current
    if current > max_cnt:
        max_cnt = current
        max_name = name
print(max_name)

如果希望代码更简洁，同时兼顾效率，可以用C实现的itertools.compress替代Python层的列表推导式筛选，省去中间列表开销：

from collections import Counter
from itertools import compress

print(Counter(compress(names, votes)).most_common(1)[0][0])

给most_common传入参数1可以让Counter内部不需要全量排序，只取Top1元素，比不传参的写法更快。

性能参考 #

在给出的30条测试数据下，各版本耗时差在微秒级，完全感知不到；当数据量提升到百万级时：

• 边遍历边维护最大值的原生实现，比原方案2快30%左右
• compress+Counter的简洁实现，比原方案2快20%左右
• 两种优化方案的逻辑和原方案一致，出现多姓名同票最高的情况时，会返回最先达到最高票数的姓名，和原有逻辑兼容。

内容的提问来源于stack exchange，提问作者blackraven