Python中如何统计匹配文件的数量？

Question

我有命名如下的文件：

>

文件-001-001.dat

文件-001-002.dat

文件-001-003.dat

文件-001-004.dat

文件-001-005.dat

文件-002-001.dat

文件-002-004.dat

文件-003-001.dat

file-003-008.dat

file-999-010.dat

我正在尝试计算相同第一个数字的文件数，例如代码应该给我以001开头的文件数为5,002为4，…999为1。

我已经成功地使用以下代码完成了这项工作，该代码统计了“file_count”文件夹中的文件：

from collections import Counter
import numpy as np
import os
import re
data_folders = []
data_files = []
for root, directories, files in sorted(os.walk('./file_count')):
    files = sorted([f for f in files if os.path.splitext(f)[1] in ('.dat,')])
    for file in files:
        data_folders.append(root)
        data_files.append((re.findall(r"[-+]?\d*\.\d+|\d+", file)[-2].zfill(3), re.findall(r"[-+]?\d*\.\d+|\d+", \
            file)[-1].zfill(3), os.path.join(root, file)))
data_folders = np.unique(data_folders)
data_files = sorted(data_files)
a = np.array(data_files)
print a[:, 0]
c = Counter(a[:, 0])
print c['001']

有没有比这更简单、更高效的代码？有什么内置函数可以解决这个问题吗？

Answer 1

当您将 R 标记添加到您的问题中（不确定为什么）时，这里有一个可能的 R 解决方案：

table(sub('file-([0-9]{3})-[0-9]{3}.dat', '\\1', list.files()))

如果目录中还有一些其他文件，则将该正则表达式作为 list.files 的模式参数传递，以仅列出相关文件。

Answer 2

您可以使用 os.listdir（），它将以字符串列表的形式返回您的文件名。

接下来，使用re.match和列表理解来获取要分组的数字字符串列表。

>>> stt = 'file-001-003.dat'
>>> import re
>>> k = re.match(r'.*?-(\d*?)-.*',stt)
>>> k.group(1)
'001'

最后，使用 groupby 模块获取相同数字字符串的计数。

请参见本SO for groupby：如何计算无序列表中元素的频率？

Answer 3

以下方法应该有效：

for k, g in itertools.groupby(files, key=lambda x:re.search('-(\d+)-', x).group(1)):
    print k, len(list(g))

这将显示：

001 5
002 4
003 8
999 1