如何用GroupBy统计列表中相同a、b、c属性值的对象数量

我完全懂你的需求——手里攒了1000万条自定义类的实例，每个实例有a、b、c三个属性（取值0-24），想要像SQL里GROUP BY a,b,c那样统计每个组合的出现次数，却一直没找到靠谱的实现方式。别着急，这里有几种高效且易上手的方案，专门适配你这种大数据量的场景：

方法一：用collections.Counter（最简洁高效） #

Python标准库的Counter就是为这类计数场景量身定做的，它能自动帮你统计可哈希元素的出现次数，而且处理1000万条数据的性能也很可观。

步骤示例： #

假设你的类和实例列表是这样的：

from random import randint

class MyData:
    def __init__(self, a, b, c):
        self.a = a
        self.b = b
        self.c = c

# 你的1000万条实例列表（这里用模拟数据举例）
instances = [MyData(randint(0,24), randint(0,24), randint(0,24)) for _ in range(10_000_000)]

统计代码：

from collections import Counter

# 用生成器表达式逐个提取(a,b,c)三元组（避免一次性创建大列表占内存）
counter = Counter((obj.a, obj.b, obj.c) for obj in instances)

# 转换成你需要的「(a,b,c) + 次数」列表，还可以按a/b/c排序
result_list = sorted(counter.items(), key=lambda x: (x[0][0], x[0][1], x[0][2]))

# 控制台输出结果
for (a, b, c), count in result_list:
    print(f"a={a}, b={b}, c={c} | 出现次数：{count}")

方法二：手动用字典计数（更灵活） #

如果你需要对计数过程做自定义控制，也可以手动用字典实现，原理和Counter一致，但能让你更清楚每一步的逻辑：

count_dict = {}

for obj in instances:
    # 把(a,b,c)组合成元组作为字典的键（元组是可哈希的，能被字典识别）
    key = (obj.a, obj.b, obj.c)
    # 计数：存在就加1，不存在就初始化为1
    count_dict[key] = count_dict.get(key, 0) + 1

# 后续的排序和输出和方法一完全一致
result_list = sorted(count_dict.items(), key=lambda x: (x[0][0], x[0][1], x[0][2]))
for (a, b, c), count in result_list:
    print(f"a={a}, b={b}, c={c} | 出现次数：{count}")

为什么你之前可能失败？ #

大概率是没把三个属性组合成可哈希的键——比如如果你用列表[obj.a, obj.b, obj.c]当字典键，会直接报错，因为列表是不可哈希的。而元组(obj.a, obj.b, obj.c)是可哈希的，完美适配字典的键要求。

另外，如果之前用了嵌套循环去逐个统计，那效率会极低（时间复杂度O(n²)），1000万条数据根本跑不完，而上面两种方法都是O(n)的时间复杂度，速度快得多。

内容的提问来源于stack exchange，提问作者ImtehQ