提出了这么多解决方案，令我惊讶的是没有人提出我认为显而易见的解决方案（对于不可哈希但可比较的元素）-
[ itertools.groupby] [1]。
itertools提供快速，可重用的功能，并允许你将一些棘手的逻辑委托给经过良好测试的标准库组件。考虑例如：
import itertoolsimport operatordef most_common(L): # get an iterable of (item, iterable) pairs SL = sorted((x, i) for i, x in enumerate(L)) # print 'SL:', SL groups = itertools.groupby(SL, key=operator.itemgetter(0)) # auxiliary function to get "quality" for an item def _auxfun(g): item, iterable = g count = 0 min_index = len(L) for _, where in iterable: count += 1 min_index = min(min_index, where) # print 'item %r, count %r, minind %r' % (item, count, min_index) return count, -min_index # pick the highest-count/earliest item return max(groups, key=_auxfun)[0]
当然，这可以写得更简洁一些，但我的目标是最大程度地清晰。
print most_common(['goose', 'duck', 'duck', 'goose'])
发出：
SL: [('duck', 1), ('duck', 2), ('goose', 0), ('goose', 3)]item 'duck', count 2, minind 1item 'goose', count 2, minind 0goose如你所见，它SL是一个成对的列表，每对一个项目，后跟原始列表中该项目的索引（以实现关键条件，即如果具有相同最高计数的“最常见”项目> 1，则结果必须是最早出现的一个）。
groupby仅按项目分组（通过
operator.itemgetter）。辅助功能在max计算过程中每分组一次调用，它接收并在内部解压缩一个组-具有两个项目的元组，(
item, iterable)其中可迭代的项目也是两个项目元组
(item, original index)[[ SL]的项目]。
然后，辅助功能使用循环来确定组可迭代项中的条目数和最小原始索引。它将返回作为组合的“质量密钥”，并更改了最小索引符号，因此该max操作将“更好”地考虑原始列表中较早出现的那些项目。
此代码可能是更简单的，如果它担心一点点时间和空间，少谈大
O问题，如…：
def most_common(L): groups = itertools.groupby(sorted(L)) def _auxfun((item, iterable)): return len(list(iterable)), -L.index(item) return max(groups, key=_auxfun)[0]
相同的基本思想，只是表达得更简单，紧凑…但是，las，额外的
O（N）辅助空间（将组的可迭代对象体现到列表中）和O（N平方）时间（获取
L.index每个项目的总和） 。尽管过早的优化是编程中所有弊端的根源，但在有
O（N log N）个可用的情况下，故意选择O（N平方）的方法与可扩展性背道而驰！
最后，对于那些更喜欢“单线”而不是清晰度和性能的人，可以使用名称经过适当修饰的1线奖金版本：-)。
from itertools import groupby as gdef most_common_oneliner(L): return max(g(sorted(L)), key=lambda(x, v):(len(list(v)),-L.index(x)))[0]
