Python列表元素统计的6种方法：len/count/Counter

脚本专家

在Python日常开发中，列表是最常用的数据容器，经常需要统计元素总数、特定值出现次数或满足条件的元素个数。本文整理6种主流方案，从内置函数到标准库，再到生成器表达式，覆盖常见业务场景，附带代码示例和性能说明。

一、获取列表总长度：len()
内置函数len()直接返回容器内元素的个数，只统计最外层一级。

2. arr = [10, 20, 30, "python", True]
3. print(len(arr))  # 输出5
5. # 嵌套列表只统计外层
6. nest_arr = [[0,0], [1,2], 99]
7. print(len(nest_arr))  # 输出3

复制代码

适用：需要知道列表总元素数量，不筛选类型。

二、统计指定元素出现次数：list.count()
实例方法count()精准匹配给定值，支持数字、字符串、布尔、子列表等可等值比较的元素。

2. data = [1, 0, 0, 1, 0, 5]
3. print(data.count(0))  # 输出3
5. # 统计子列表 [0,0] 数量
6. data2 = [[15, 0], [0, 0], [0, 0], [1, 1]]
7. print(data2.count([0,0]))  # 输出2

复制代码

优点：一行代码极简；缺点：只能匹配固定值，不能做范围或多条件筛选。

三、条件过滤统计：sum() + 生成器表达式（推荐高性能）
当需要自定义条件（如大于某数、子列表匹配、模糊匹配）时，使用 sum(1 for x in lst if condition) 遍历一次完成统计，不产生中间列表，内存占用低。

2. nums = [1, 5, 2, 8, 3, 10]
3. count = sum(1 for x in nums if x > 3)
4. print(count)  # 输出3
6. # 统计嵌套列表中 [0,0] 子列表
7. lst = [[15, 0], [0, 0], [0, 0], [1, 1]]
8. count2 = sum(1 for item in lst if item == [0, 0])
9. print(count2)  # 输出2
11. # 切片后统计前i个元素中0的个数
12. d = [0,1,2,3,4,5]
13. i = 3
14. zero_num = sum(1 for x in d[:i] if x == 0)
15. print(zero_num)  # 输出1

复制代码

适用：数据量大或需要复杂条件时，性能优秀。

四、列表推导式 + len()
先过滤出符合条件的元素生成新列表，再取长度。逻辑直观，适合初学者。

2. data = [2, 0, 0, 6, 0]
3. zero_list = [x for x in data if x == 0]
4. print(len(zero_list))  # 输出3

复制代码

缺点：会创建临时列表，百万级以上数据应改用生成器方案。

五、手动循环计数
当判断逻辑非常复杂（如需要中间运算、日志打印、分支判断）时，for循环加计数器的灵活性最高。

2. lst = [[15, 0], [0, 0], [0, 0], [1, 1]]
3. count = 0
4. for item in lst:
5.     if item == [0, 0]:  # 可插入任意复杂逻辑
6.         count += 1
7. print(count)  # 输出2

复制代码

适用：多层判断或需在循环内执行额外操作。

六、一次性统计所有元素频次：collections.Counter
标准库Counter可快速生成元素频次字典，适合多元素批量统计。注意元素需可哈希（数字、字符串、元组），子列表不可用。

2. from collections import Counter
3. data = [0, 0, 1, 2, 0, 2, 5]
4. counter = Counter(data)
5. print(counter[0])  # 输出3
6. print(counter[2])  # 输出2
7. print(counter)     # Counter({0: 3, 2: 2, 1: 1, 5: 1})

复制代码

扩展：若需统计嵌套子列表频次，应改用count()或sum生成器。

七、方法对比与场景速查
- 列表总长度 → len()
- 固定值精准计数 → list.count()
- 条件筛选（高性能） → sum(1 for x in lst if 条件)
- 新手简单过滤 → 列表推导式 + len()
- 复杂逻辑 → for循环手动计数
- 全局频次统计 → collections.Counter

八、常见踩坑
1. len()不递归嵌套列表，只返回外层元素个数。
2. count()使用严格等值匹配，[0]和(0,)不等，不能互计。
3. Counter只接受可哈希元素，列表和字典作为元素会触发TypeError。
4. 大数据量避免列表推导式产生中间列表，优先生成器表达式节省内存。

以上方法覆盖了Python列表计数的全部主流场景，实际开发中可根据数据规模、逻辑复杂度灵活选用。文中示例均可在真实项目中直接复用。

热心网友7

非常清晰实用的总结！感谢分享。我平时最常用的是 `sum(1 for x in lst if condition)` 生成器方式，确实在大数据量下内存友好。想请教一下，如果在统计的同时还需要记录符合条件的元素本身（比如保存到另一个列表），是不是只能先用列表推导式，或者循环手动追加到新列表？有没有办法一次遍历同时完成统计和收集？

热心网友7

楼主整理得很全面，从最基础的 `len()` 到 `Counter` 都覆盖了，而且每个方法都配了场景说明和避坑提示，非常实用。我个人平时最常用的是 `sum(1 for x in lst if cond)` 这种生成器写法，确实在大数据量下性能好，又灵活。另外补充一个小点：如果只是统计列表里满足条件的元素个数，用 `sum` + 生成器还能结合 `itertools.islice` 做切片统计，楼主文中用切片 `d[:i]` 也演示了这个思路。感谢分享，已收藏备用。

热心网友7

感谢分享！整理得非常清晰，从基础到进阶都覆盖了，代码示例也很直观。平时我主要用 `sum` + 生成器做条件统计，确实省内存；`Counter` 在批量统计时很方便，没注意过可哈希的限制，你这个提醒很及时。另外想问下，对于嵌套列表的深层元素（比如多层嵌套）有没有特别高效的统计方式？还是在需要时自己写递归？