投票を行う関数を作成したい

Question

テキストファイルを使ってＬＤＡモデルを作成しテキストファイルのカテゴリをしたいと考えています。
「学習データのカテゴリ番号」リストと
ＬＤＡモデル作成によって得られた「各トピック番号が最大トピックだったファイル番号の一覧」リストを使って
「各トピック番号がそれぞれどのカテゴリを表しているのか」を決定したいと考えています。
まず、関数に用いるデータです。

#学習データのカテゴリ番号
category_list = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9]

#学習データの最大トピック
topic_result = [[11, 13, 26, 34, 37, 41, 46], 
                [7, 30],
                [61],
                [8, 10, 19, 27, 39, 48, 55, 62, 71],
                [3, 14, 17, 24, 32, 51, 56, 60, 70],
                [1, 9, 23, 25, 33, 38, 43, 44, 49, 57, 63], 
                [2, 6, 12, 21, 31, 32, 35, 50, 52, 58, 65],
                [5, 16, 22, 42, 45, 59, 66, 67],
                [18, 29, 53, 68],
                [0, 4, 15, 20, 28, 36, 40, 47, 54, 64, 69]]

#入力データのトピック（最大3つ）
top3 = [9, 6, 4]

このtop3[]場合、トピック9,6,4についてcategory_listとtopic_listを用いて
入力データのカテゴリを推定します。
以下にカテゴリの推定に用いる関数を記します。

def decide_category(category_list,topic_result,top3):
    test_data_category = []
    for i in top3:
        test_topic_list = topic_result[i]
        a = []
        for j in test_topic_list:
            a[category_list[j]] += 1
    　　test_data_category.append(max(a))
    return test_data_category

イメージとしては学習データの各ファイルがそれぞれ
「自分の最大トピックの番号」に１票投票し、
トピック番号毎に最も票数が多かったトピック番号をそのトピックのカテゴリとする
といったところです。
分かりづらかったら申し訳ありません。
この関数で出てしまったエラーは以下の通りです。

    a[category_list[j]] += 1
IndexError: list index out of range

a[] += 1という表現がまずかったということなのですが、解決策を教えていただきたいです。

Answer 1

リストのまま運用したい場合
前もってaを0のリストに初期化しておけばよいです。

a = [0] * 10

リストのままでなくても良い場合
辞書として扱ってよいなら、collections.defaultdictが便利でしょう。

ひょっとして

こういうことでしょうか？
このデータは何ぞや、という段階から考え直しているので、外していたらすみません。

from collections import Counter

# トピックごとのカテゴリ番号
topic_category_list = [0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 4, 5, 5, 5, 5, 5, 5, 5, 6, 6, 6, 6, 6, 6, 6, 6, 6, 7, 7, 7, 7, 8, 8, 8, 8, 8, 8, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9, 9]

# 各学習データの最大トピック
teacher_topic_list = [
    [11, 13, 26, 34, 37, 41, 46], 
    [7, 30],
    [61],
    [8, 10, 19, 27, 39, 48, 55, 62, 71],
    [3, 14, 17, 24, 32, 51, 56, 60, 70],
    [1, 9, 23, 25, 33, 38, 43, 44, 49, 57, 63], 
    [2, 6, 12, 21, 31, 32, 35, 50, 52, 58, 65],
    [5, 16, 22, 42, 45, 59, 66, 67],
    [18, 29, 53, 68],
    [0, 4, 15, 20, 28, 36, 40, 47, 54, 64, 69]
]

# 入力データと類似した学習データ
similar_teacher_data_indice = [9, 6, 4]

def get_category_list_by_topics(topic_category_list, topic_list):
    return [topic_category_list[i] for i in topic_list]

def decide_category(topic_category_list, teacher_topic_list, similar_teacher_data_indice):
    topic_list = []
    for index in similar_teacher_data_indice:
        topic_list.extend(
            get_category_list_by_topics(topic_category_list, teacher_topic_list[index])
        )
    
    return Counter(topic_list).most_common(1)[0][0]

print(
    decide_category(
        topic_category_list,
        teacher_topic_list,
        similar_teacher_data_indice
    )
)

同率一位が複数あるときはどうすんだろな、という思いもあります。