Python 中 set 是什么？为什么要是用它？

Python Sets: What, Why and How

Python 配备了几种内置数据类型来帮咱们组织数据。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，咱们将回顾并查看上述定义中列出的每一个要素的示例。让咱们立刻开始，看看如何建立它。

初始化一个集合

有两种方法能够建立一个集合：一个是给内置函数 set() 提供一个元素列表，另外一个是使用花括号 {}。

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，若是咱们想要一个空的集合呢？

>>> s = {}
>>> type(s)
<class 'dict'>

没错，若是咱们使用空花括号，咱们将获得一个字典而不是一个集合。=)

值得一提的是，为了简单起见，本文中提供的全部示例都将使用整数集合，但集合能够包含 Python 支持的全部 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'

既然你知道了如何建立一个集合以及它能够包含哪些类型的元素，那么让咱们继续看看为何咱们老是应该把它放在咱们的工具箱中。

为何你须要使用它

写代码时，你能够用不止一种方法来完成它。有些被认为是至关糟糕的，另外一些则是清晰的、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，他们一般认为着这些代码不遵循通用指南，而且没法被认为是以一种好的方式（可读性）来表达意图。

让咱们开始探索 Python 集合那些不只能够帮助咱们提升可读性，还能够加快程序执行时间的方式。

无序的集合元素

首先你须要明白的是：你没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

可是，若是咱们须要删除重复项，或者进行组合列表（与）之类的数学运算，那么咱们能够，而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。因此，若是你须要它，那就加深对它的喜好吧。为何？好吧，这篇文章并不打算解释集合的内部工做原理，可是若是你感兴趣的话，这里有几个连接，你能够阅读它：

• 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点或劣势，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，我老是不停地思考，我常用 for 循环和 if 语句检查并删除列表中的重复元素。记得那时个人脸红了，并且不止一次，我写了相似这样的代码：

>>> 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]

但不要紧，由于咱们如今有了武器装备，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]
>>>

如今让咱们使用 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，让咱们看看列表的执行状况：
>>> 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
>>> # 快速并且干净 =)

使用集合而不是列表推导不只让咱们编写更少的代码，并且还能让咱们得到更具可读性和高性能的代码。

注意：请记住集合是无序的，所以没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

每次咱们使用 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!

在执行这些操做时，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。

所以，若是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，它应该能够加快你的速度。

如何使用

如今你已经了解了集合是什么以及为何你应该使用它，如今让咱们快速浏览一下，看看咱们如何修改和操做它。

添加元素

根据要添加的元素数量，咱们要在 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

若是你但愿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()。不然，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() 不会引发任何错误：

>>> s = {1, 2, 3}
>>> s.discard(3)
>>> s
{1, 2}
>>> s.discard(3)
>>> # 什么都不会发生

咱们也可使用 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 | 将建立一个新集合，其中包含咱们提供集合中的全部元素：

>>> 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 - 建立一个新集合，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一样元素。

>>> s1 = {1, 2, 3}
>>> s2 = {2, 3, 4}
>>> s1.symmetric_difference(s2)  # 或者 's1 ^ s2'
{1, 4}

结论

我但愿在阅读本文以后，你会知道集合是什么，如何操纵它的元素以及它能够执行的操做。知道什么时候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。

若是你有任何疑问，请发表评论，我很乐意尝试回答。另外，不要忘记，若是你已经理解了集合，它们在 Python Cheatsheet[10] 中有本身的一席之地[11]，在那里你能够快速参考并从新认知你已经知道的内容。

via: https://www.pythoncheatsheet.org/blog/python-sets-what-why-how

做者：wilfredinni[12] 译者：MjSeven[13] 校对：wxy[14]

本文由 LCTT[15] 原创编译，Linux中国[16] 荣誉推出

原文来自： https://www.linuxprobe.com/python-sets-what-why-how.html