Python中如何统计两个元组列表中所有字节序列的出现次数（含0次）

最高效实现方案（基于collections.Counter） #

这个方案的时间复杂度为 O(len(ListB) + len(ListA))，完全不需要嵌套遍历两个列表做匹配，是当前场景的最优解：

1. 首先用Counter统计ListB的出现次数，这一步耗时仅和ListB的长度正相关：

from collections import Counter

b_counter = Counter(ListB)

2. 补全0次出现的序列，根据你的使用场景二选一即可：

场景1：需要拿到包含所有序列计数的完整集合 #

直接用字典推导式遍历ListA，从Counter中取数，不存在则默认返回0：

full_count = {seq: b_counter.get(seq, 0) for seq in ListA}

场景2：n值较大（比如n≥3，全量序列超过10万），不需要同时持有全量计数 #

不需要生成完整字典，需要查询某个序列的次数时直接调用b_counter.get(目标序列, 0)即可，能节省大量内存开销。

简化写法（需要保留Counter对象能力） #

如果后续需要用到Counter的内置方法（比如most_common取高频序列），可以直接初始化带0值的Counter再做更新，逻辑更直观：

# 先初始化所有可能序列的计数为0
full_counter = Counter({seq: 0 for seq in ListA})
# 传入ListB累加计数，自动覆盖初始0值
full_counter.update(ListB)

效率验证 #

两种实现的核心都是基于哈希表的O(1)平均读写复杂度，不会出现双列表嵌套匹配的O(len(ListA)*len(ListB))的极差性能：

• 统计ListB的过程是哈希表批量插入，单元素操作平均耗时常数级
• 补全0值的过程是单轮遍历ListA做哈希查询，无额外开销
  即便是n=3的场景（全量序列共16777216个），在普通消费级CPU上也可在秒级完成计算。

内容的提问来源于stack exchange，提问作者Athmos