最安全的是传入列表、字符串或元组等显式可迭代对象；字典会被当作预设频次构造而非统计键，易误用；单个数字等不可迭代对象会报TypeError。
Counter 初始化时传入什么类型最安全？
Counter 接受任何可迭代对象，但不同输入类型行为差异明显。字符串、列表、元组都行，但字典会被当作“键值对初始化”，容易误用。
- 传入字符串：
Counter('aabbc')→ 统计每个字符频次 - 传入列表：
Counter(['a', 'b', 'a'])→ 统计元素频次 - 传入字典：
Counter({'a': 2, 'b': 1})→ 直接按该频次构造，不是统计字典的键 - 错误写法：
Counter({'a': 2, 'b': 1}.keys())才是统计键出现次数（各 1 次）
常见坑：把原始数据误包成单层字典再传入，结果没统计、只是复制了频次。
如何获取前 N 高频项而不排序全部？
most_common() 是唯一推荐方式，它内部用堆实现，时间复杂度 O(n + k log n)，比先 sorted(items(), key=lambda x: x[1], reverse=True) 快得多。
-
cnt.most_common(3)返回前 3 个(element, count)元组 -
cnt.most_common()（无参数）返回全部，按频次降序，频次相同时按插入顺序（Python 3.7+ 保持 dict 插入序） - 不要用
list(cnt.keys())[:3]—— 这取的是“前三个插入的”，和频率无关
注意：most_common() 返回的是 list，不是新 Counter；如需继续统计操作，别覆盖原变量。
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
Counter 相减或取交集时的负数行为怎么处理？
Counter 支持 -、&、| 等运算符，但语义和直觉有偏差：
-
cnt1 - cnt2：对应元素相减，负值自动被截断为 0（不是保留负数） -
cnt1 & cnt2：取各元素最小频次（交集） -
cnt1 | cnt2：取各元素最大频次（并集） -
cnt1 + cnt2：对应元素相加，缺失项视为 0
典型误用：cnt1 - cnt2 想找“cnt1 中有但 cnt2 中没有的元素”，结果发现频次为 0 的项直接消失，得用 cnt1 - cnt2 后再手动过滤非零项，或改用 {k: v for k, v in (cnt1 - cnt2).items() if v > 0}。
和普通 dict 混用时哪些方法会出问题？
Counter 继承自 dict，但重写了部分行为：
-
cnt['missing_key']返回0（不是KeyError），这点常被依赖，但若后续转成普通 dict 就失效 -
cnt.update(iterable)是累加，不是覆盖；而dict.update()是覆盖 -
cnt.elements()返回一个生成器，含所有重复元素（如Counter(a=2).elements()→['a', 'a']），普通 dict 没这方法
最容易忽略的是：把 Counter 当普通 dict 序列化（比如 json.dumps(cnt)）没问题，但反序列化后是 dict，不再有 most_common() 或自动补 0 行为，得手动转回 Counter。
实际写代码时，别只记“Counter 好用”，要盯住它和 dict 的三处关键差异：缺省值、update 语义、负值截断——这些地方一松懈就埋 bug。
