def countfrequncyinarray(arr1):
    r=len(arr1)
    return {i:arr1.count(i) for i in range(1,r+1)}
arr1=[4,4,4,4]
a=countfrequncyinarray(arr1)
print(a)

如果只需要单个项目的计数，请使用计数方法：

>>> [1, 2, 3, 4, 1, 4, 1].count(1)
3

---

重要提示：如果您正在计算多个不同的项目，这会非常缓慢

每个计数调用都会遍历n个元素的整个列表。在循环中调用计数n次意味着总共检查n次，这可能会对性能造成灾难性影响。

如果要计数多个项目，请使用计数器，它只进行n次总检查。

给定一个项目，我如何在Python的列表中计算它的出现次数？

下面是一个示例列表：

>>> l = list('aaaaabbbbcccdde')
>>> l
['a', 'a', 'a', 'a', 'a', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'd', 'd', 'e']

列表计数

有list.count方法

>>> l.count('b')
4

这适用于任何列表。元组也有这种方法：

>>> t = tuple('aabbbffffff')
>>> t
('a', 'a', 'b', 'b', 'b', 'f', 'f', 'f', 'f', 'f', 'f')
>>> t.count('f')
6

集合。计数器

然后是collections.Counter。您可以将任何可迭代项转储到Counter中，而不仅仅是列表，Counter将保留元素计数的数据结构。

用法：

>>> from collections import Counter
>>> c = Counter(l)
>>> c['b']
4

计数器基于Python字典，它们的键是元素，因此键需要是可散列的。它们基本上类似于允许冗余元素进入其中的集合。

进一步使用集合。计数器

您可以从计数器中添加或减去可迭代项：

>>> c.update(list('bbb'))
>>> c['b']
7
>>> c.subtract(list('bbb'))
>>> c['b']
4

您还可以使用计数器执行多组操作：

>>> c2 = Counter(list('aabbxyz'))
>>> c - c2                   # set difference
Counter({'a': 3, 'c': 3, 'b': 2, 'd': 2, 'e': 1})
>>> c + c2                   # addition of all elements
Counter({'a': 7, 'b': 6, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c | c2                   # set union
Counter({'a': 5, 'b': 4, 'c': 3, 'd': 2, 'e': 1, 'y': 1, 'x': 1, 'z': 1})
>>> c & c2                   # set intersection
Counter({'a': 2, 'b': 2})

愚蠢的回答，求和

有很好的内置答案，但这个例子有点指导意义。在这里，我们对字符c等于“b”的所有情况求和：

>>> sum(c == 'b' for c in l)
4

对于这个用例来说不是很好，但是如果你需要有一个可迭代的计数，其中case为True，那么对布尔结果求和是非常好的，因为True等于1。

为什么不是熊猫？

另一个答案是：

为什么不使用熊猫？

Pandas是一个通用库，但它不在标准库中。将其添加为需求是非常重要的。

列表对象本身以及标准库中都有针对该用例的内置解决方案。

如果您的项目还不需要panda，那么仅将其作为此功能的需求将是愚蠢的。

虽然这是一个很古老的问题，但由于我没有找到一个单行，所以我做了一个。

# original numbers in list
l = [1, 2, 2, 3, 3, 3, 4]

# empty dictionary to hold pair of number and its count
d = {}

# loop through all elements and store count
[ d.update( {i:d.get(i, 0)+1} ) for i in l ]

print(d)
# {1: 1, 2: 2, 3: 3, 4: 1}

如果你能使用熊猫，那么value_counts就在那里救援。

>>> import pandas as pd
>>> a = [1, 2, 3, 4, 1, 4, 1]
>>> pd.Series(a).value_counts()
1    3
4    2
3    1
2    1
dtype: int64

它还会根据频率自动对结果进行排序。

如果希望结果在列表中，请执行以下操作

>>> pd.Series(a).value_counts().reset_index().values.tolist()
[[1, 3], [4, 2], [3, 1], [2, 1]]

建议使用numpy的bincount，但它只适用于具有非负整数的1d数组。此外，生成的数组可能会令人困惑（它包含原始列表中从最小值到最大值的整数，并将缺失的整数设置为0）。

使用numpy的更好方法是使用属性return_counts设置为True的唯一函数。它返回一个元组，其中包含一个唯一值数组和每个唯一值的出现数组。

# a = [1, 1, 0, 2, 1, 0, 3, 3]
a_uniq, counts = np.unique(a, return_counts=True)  # array([0, 1, 2, 3]), array([2, 3, 1, 2]

然后我们可以将它们配对为

dict(zip(a_uniq, counts))  # {0: 2, 1: 3, 2: 1, 3: 2}

它也适用于其他数据类型和“2d列表”，例如。

>>> a = [['a', 'b', 'b', 'b'], ['a', 'c', 'c', 'a']]
>>> dict(zip(*np.unique(a, return_counts=True)))
{'a': 3, 'b': 3, 'c': 2}