Python 中 set 是什么?为何要是用它?

Python 配备了几种内置数据类型来帮我们组织数据。这些结构包括列表、字典、元组和集合。

根据 Python 3 文档:

集合是一个无序集合,没有重复元素。基本用途包括成员测试和消除重复的条目。集合对象还支持数学运算,如并集、交集、差集和对等差分。

在本文中,我们将回顾并查看上述定义中列出的每个要素的示例。让我们马上开始,看看如何创建它。

初始化一个集合

有两种方法可以创建一个集合:一个是给内置函数 set() 提供一个元素列表,另一个是使用花括号 {}。

使用内置函数 set() 来初始化一个集合:

>>> 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'>

>>>

如你所见,这两种方法都是有效的。但问题是,如果我们想要一个空的集合呢?

>>> s = {}

>>> type(s)

<class 'dict'>

没错,如果我们使用空花括号,我们将得到一个字典而不是一个集合。=)

值得一提的是,为了简单起见,本文中提供的所有示例都将使用整数集合,但集合可以包含 Python 支持的所有 可哈希的

hashable

[1] 数据类型。换句话说,即整数、字符串和元组,而不是列表或字典这样的可变类型。

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

Traceback (most recent call last):

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

TypeError: unhashable type: 'list'

既然你知道了如何创建一个集合以及它可以包含哪些类型的元素,那么让我们继续看看为什么我们总是应该把它放在我们的工具箱中。

为什么你需要使用它

写代码时,你可以用不止一种方法来完成它。有些被认为是相当糟糕的,另一些则是清晰的、简洁的和可维护的,或者是 “Python 式的

pythonic

[2]”。

根据 Hitchhiker 对 Python 的建议[3]:

当一个经验丰富的 Python 开发人员(Python 人

Pythonista

)调用一些不够 “Python 式的

pythonic

” 的代码时,他们通常认为着这些代码不遵循通用指南,并且无法被认为是以一种好的方式(可读性)来表达意图。

让我们开始探索 Python 集合那些不仅可以帮助我们提高可读性,还可以加快程序执行时间的方式。

无序的集合元素

首先你需要明白的是:你无法使用索引访问集合中的元素。

>>> 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们:

>>> s[0:2]

Traceback (most recent call last):

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

TypeError: 'set' object is not subscriptable

但是,如果我们需要删除重复项,或者进行组合列表(与)之类的数学运算,那么我们可以,并且应该始终使用集合。

我不得不提一下,在迭代时,集合的表现优于列表。所以,如果你需要它,那就加深对它的喜爱吧。为什么?好吧,这篇文章并不打算解释集合的内部工作原理,但是如果你感兴趣的话,这里有几个链接,你可以阅读它:

  • 时间复杂度[4]
  • set() 是如何实现的?[5]
  • Python 集合 vs 列表[6]
  • 在列表中使用集合是否有任何优势或劣势,以确保独一无二的列表条目?[7]

没有重复项

写这篇文章的时候,我总是不停地思考,我经常使用 for 循环和 if 语句检查并删除列表中的重复元素。记得那时我的脸红了,而且不止一次,我写了类似这样的代码:

>>> 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]

但没关系,因为我们现在有了武器装备,没有什么比这更重要的了:

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

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

>>> no_duplicate_list

[1, 2, 3, 4]

>>>

现在让我们使用 timeit 模块,查看列表和集合在删除重复项时的执行时间:

>>> 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,让我们看看列表的执行情况:

>>> 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

>>> # 快速而且干净 =)

使用集合而不是列表推导不仅让我们编写更少的代码,而且还能让我们获得更具可读性和高性能的代码。

注意:请记住集合是无序的,因此无法保证在将它们转换回列表时,元素的顺序不变。

Python 之禅[8]:

优美胜于丑陋

Beautiful is better than ugly.

明了胜于晦涩

Explicit is better than implicit.

简洁胜于复杂

Simple is better than complex.

扁平胜于嵌套

Flat is better than nested.

集合不正是这样美丽、明了、简单且扁平吗?

成员测试

每次我们使用 if 语句来检查一个元素,例如,它是否在列表中时,意味着你正在进行成员测试:

my_list = [1, 2, 3]

>>> if 2 in my_list:

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

...

Yes, this is a membership test!

在执行这些操作时,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:上面的测试来自于这个[9] StackOverflow 话题。

因此,如果你在巨大的列表中进行这样的比较,尝试将该列表转换为集合,它应该可以加快你的速度。

如何使用

现在你已经了解了集合是什么以及为什么你应该使用它,现在让我们快速浏览一下,看看我们如何修改和操作它。

添加元素

根据要添加的元素数量,我们要在 add() 和 update() 方法之间进行选择。

add() 适用于添加单个元素:

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

>>> s.add(4)

>>> s

{1, 2, 3, 4}

update() 适用于添加多个元素:

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

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

>>> s

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

请记住,集合会移除重复项。

移除元素

如果你希望在代码中尝试删除不在集合中的元素时收到警报,请使用 remove()。否则,discard() 提供了一个很好的选择:

>>> 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() 不会引起任何错误:

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

>>> s.discard(3)

>>> s

{1, 2}

>>> s.discard(3)

>>> # 什么都不会发生

我们也可以使用 pop() 来随机丢弃一个元素:

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

>>> s.pop() # 删除一个任意的元素

1

>>> s

{2, 3, 4, 5}

或者 clear() 方法来清空一个集合:

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

>>> s.clear() # 清空集合

>>> s

set()

union()

union() 或者 | 将创建一个新集合,其中包含我们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 & 将返回一个由集合共同元素组成的集合:

>>> 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 - 创建一个新集合,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 ^ 将返回集合之间的不同元素。

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

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

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

{1, 4}

结论

我希望在阅读本文之后,你会知道集合是什么,如何操纵它的元素以及它可以执行的操作。知道何时使用集合无疑会帮助你编写更清晰的代码并加速你的程序。

如果你有任何疑问,请发表评论,我很乐意尝试回答。另外,不要忘记,如果你已经理解了集合,它们在 Python Cheatsheet[10]中有自己的一席之地[11],在那里你可以快速参考并重新认知你已经知道的内容。

相关推荐