python裡的set是什麼意思? Python 配備了幾種内置數據類型來幫我們組織數據這些結構包括列表、字典、元組和集合，下面我們就來聊聊關于python裡的set是什麼意思?接下來我們就一起去了解一下吧!

python裡的set是什麼意思

Python 配備了幾種内置數據類型來幫我們組織數據。這些結構包括列表、字典、元組和集合。

根據 Python 3 文檔：

集合是一個無序集合，沒有重複元素。基本用途包括成員測試和消除重複的條目。集合對象還支持數學運算，如并集、交集、差集和對等差分。

在本文中，我們将回顧并查看上述定義中列出的每個要素的示例。讓我們馬上開始，看看如何創建它。

初始化一個集合

有兩種方法可以創建一個集合：一個是給内置函數 set() 提供一個元素列表，另一個是使用花括号 {}。

使用内置函數 set() 來初始化一個集合：

>>> s1 = set([1, 2, 3])

>>> s1

{1, 2, 3}

>>> type(s1)

<class 'set'>

使用 {}：

>>> s2 = {3, 4, 5}

>>> s2

{3, 4, 5}

>>> type(s2)

<class 'set'>

>>>

如你所見，這兩種方法都是有效的。但問題是，如果我們想要一個空的集合呢？

>>> s = {}

>>> type(s)

<class 'dict'>

沒錯，如果我們使用空花括号，我們将得到一個字典而不是一個集合。=)

值得一提的是，為了簡單起見，本文中提供的所有示例都将使用整數集合，但集合可以包含 Python 支持的所有 可哈希的

hashable

[1] 數據類型。換句話說，即整數、字符串和元組，而不是列表或字典這樣的可變類型。

>>> s = {1, 'coffee', [4, 'python']}

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

TypeError: unhashable type: 'list'

既然你知道了如何創建一個集合以及它可以包含哪些類型的元素，那麼讓我們繼續看看為什麼我們總是應該把它放在我們的工具箱中。

為什麼你需要使用它

寫代碼時，你可以用不止一種方法來完成它。有些被認為是相當糟糕的，另一些則是清晰的、簡潔的和可維護的，或者是 “Python 式的

pythonic

[2]”。

根據 Hitchhiker 對 Python 的建議[3]:

當一個經驗豐富的 Python 開發人員（Python 人

Pythonista

）調用一些不夠 “Python 式的

pythonic

” 的代碼時，他們通常認為着這些代碼不遵循通用指南，并且無法被認為是以一種好的方式（可讀性）來表達意圖。

讓我們開始探索 Python 集合那些不僅可以幫助我們提高可讀性，還可以加快程序執行時間的方式。

無序的集合元素

首先你需要明白的是：你無法使用索引訪問集合中的元素。

>>> s = {1, 2, 3}

>>> s[0]

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

TypeError: 'set' object does not support indexing

或者使用切片修改它們：

>>> s[0:2]

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

TypeError: 'set' object is not subscriptable

但是，如果我們需要删除重複項，或者進行組合列表（與）之類的數學運算，那麼我們可以，并且應該始終使用集合。

我不得不提一下，在叠代時，集合的表現優于列表。所以，如果你需要它，那就加深對它的喜愛吧。為什麼？好吧，這篇文章并不打算解釋集合的内部工作原理，但是如果你感興趣的話，這裡有幾個鍊接，你可以閱讀它：

時間複雜度[4]

set() 是如何實現的？[5]

Python 集合 vs 列表[6]

在列表中使用集合是否有任何優勢或劣勢，以确保獨一無二的列表條目？[7]

沒有重複項

寫這篇文章的時候，我總是不停地思考，我經常使用 for 循環和 if 語句檢查并删除列表中的重複元素。記得那時我的臉紅了，而且不止一次，我寫了類似這樣的代碼：

>>> my_list = [1, 2, 3, 2, 3, 4]

>>> no_duplicate_list = []

>>> for item in my_list:

... if item not in no_duplicate_list:

... no_duplicate_list.append(item)

...

>>> no_duplicate_list

[1, 2, 3, 4]

或者使用列表解析：

>>> my_list = [1, 2, 3, 2, 3, 4]

>>> no_duplicate_list = []

>>> [no_duplicate_list.append(item) for item in my_list if item not in no_duplicate_list]

[None, None, None, None]

>>> no_duplicate_list

[1, 2, 3, 4]

但沒關系，因為我們現在有了武器裝備，沒有什麼比這更重要的了：

>>> my_list = [1, 2, 3, 2, 3, 4]

>>> no_duplicate_list = list(set(my_list))

>>> no_duplicate_list

[1, 2, 3, 4]

>>>

現在讓我們使用 timeit 模塊，查看列表和集合在删除重複項時的執行時間：

>>> from timeit import timeit

>>> def no_duplicates(list):

... no_duplicate_list = []

... [no_duplicate_list.append(item) for item in list if item not in no_duplicate_list]

... return no_duplicate_list

...

>>> # 首先，讓我們看看列表的執行情況：

>>> print(timeit('no_duplicates([1, 2, 3, 1, 7])', globals=globals(), number=1000))

0.0018683355819786227

>>> from timeit import timeit

>>> # 使用集合:

>>> print(timeit('list(set([1, 2, 3, 1, 2, 3, 4]))', number=1000))

0.0010220493243764395

>>> # 快速而且幹淨 =)

使用集合而不是列表推導不僅讓我們編寫更少的代碼，而且還能讓我們獲得更具可讀性和高性能的代碼。

注意：請記住集合是無序的，因此無法保證在将它們轉換回列表時，元素的順序不變。

Python 之禅[8]：

優美勝于醜陋

Beautiful is better than ugly.

明了勝于晦澀

Explicit is better than implicit.

簡潔勝于複雜

Simple is better than complex.

扁平勝于嵌套

Flat is better than nested.

集合不正是這樣美麗、明了、簡單且扁平嗎？

成員測試

每次我們使用 if 語句來檢查一個元素，例如，它是否在列表中時，意味着你正在進行成員測試：

my_list = [1, 2, 3]

>>> if 2 in my_list:

... print('Yes, this is a membership test!')

...

Yes, this is a membership test!

在執行這些操作時，集合比列表更高效：

>>> from timeit import timeit

>>> def in_test(iterable):

... for i in range(1000):

... if i in iterable:

... pass

...

>>> timeit('in_test(iterable)',

... setup="from __main__ import in_test; iterable = list(range(1000))",

... number=1000)

12.459663048726043

>>> from timeit import timeit

>>> def in_test(iterable):

... for i in range(1000):

... if i in iterable:

... pass

...

>>> timeit('in_test(iterable)',

... setup="from __main__ import in_test; iterable = set(range(1000))",

... number=1000)

.12354438152988223

注意：上面的測試來自于這個[9] StackOverflow 話題。

因此，如果你在巨大的列表中進行這樣的比較，嘗試将該列表轉換為集合，它應該可以加快你的速度。

如何使用

現在你已經了解了集合是什麼以及為什麼你應該使用它，現在讓我們快速浏覽一下，看看我們如何修改和操作它。

添加元素

根據要添加的元素數量，我們要在 add() 和 update() 方法之間進行選擇。

add() 适用于添加單個元素：

>>> s = {1, 2, 3}

>>> s.add(4)

>>> s

{1, 2, 3, 4}

update() 适用于添加多個元素：

>>> s = {1, 2, 3}

>>> s.update([2, 3, 4, 5, 6])

>>> s

{1, 2, 3, 4, 5, 6}

請記住，集合會移除重複項。

移除元素

如果你希望在代碼中嘗試删除不在集合中的元素時收到警報，請使用 remove()。否則，discard() 提供了一個很好的選擇：

>>> s = {1, 2, 3}

>>> s.remove(3)

>>> s

{1, 2}

>>> s.remove(3)

Traceback (most recent call last):

File "<stdin>", line 1, in <module>

KeyError: 3

discard() 不會引起任何錯誤：

>>> s = {1, 2, 3}

>>> s.discard(3)

>>> s

{1, 2}

>>> s.discard(3)

>>> # 什麼都不會發生

我們也可以使用 pop() 來随機丢棄一個元素：

>>> s = {1, 2, 3, 4, 5}

>>> s.pop() # 删除一個任意的元素

1

>>> s

{2, 3, 4, 5}

或者 clear() 方法來清空一個集合：

>>> s = {1, 2, 3, 4, 5}

>>> s.clear() # 清空集合

>>> s

set()

union()

union() 或者 | 将創建一個新集合，其中包含我們提供集合中的所有元素：

>>> s1 = {1, 2, 3}

>>> s2 = {3, 4, 5}

>>> s1.union(s2) # 或者 's1 | s2'

{1, 2, 3, 4, 5}

intersection()

intersection 或 & 将返回一個由集合共同元素組成的集合：

>>> s1 = {1, 2, 3}

>>> s2 = {2, 3, 4}

>>> s3 = {3, 4, 5}

>>> s1.intersection(s2, s3) # 或者 's1 & s2 & s3'

{3}

difference()

使用 diference() 或 - 創建一個新集合，其值在 “s1” 中但不在 “s2” 中：

>>> s1 = {1, 2, 3}

>>> s2 = {2, 3, 4}

>>> s1.difference(s2) # 或者 's1 - s2'

{1}

symmetric_diference()

symetric_difference 或 ^ 将返回集合之間的不同元素。

>>> s1 = {1, 2, 3}

>>> s2 = {2, 3, 4}

>>> s1.symmetric_difference(s2) # 或者 's1 ^ s2'

{1, 4}

結論

我希望在閱讀本文之後，你會知道集合是什麼，如何操縱它的元素以及它可以執行的操作。知道何時使用集合無疑會幫助你編寫更清晰的代碼并加速你的程序。

如果你有任何疑問，請發表評論，我很樂意嘗試回答。另外，不要忘記，如果你已經理解了集合，它們在 Python Cheatsheet[10]中有自己的一席之地[11]，在那裡你可以快速參考并重新認知你已經知道的内容。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!