[[238266]]

Python Sets: What, Why and How

Python 配備了幾種內置數(shù)據(jù)類型來幫我們組織數(shù)據(jù)。這些結構包括列表、字典、元組和集合。

根據(jù) Python 3 文檔：

集合是一個無序集合，沒有重復元素?；居猛景?em>成員測試和消除重復的條目。集合對象還支持數(shù)學運算，如并集、交集、差集和對等差分。

在本文中，我們將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(chuàng)建它。

初始化一個集合

有兩種方法可以創(chuàng)建一個集合：一個是給內置函數(shù) set() 提供一個元素列表，另一個是使用花括號 {}。

使用內置函數(shù) 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號，我們將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將使用整數(shù)集合，但集合可以包含 Python 支持的所有 可哈希的hashable 數(shù)據(jù)類型。換句話說，即整數(shù)、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(chuàng)建一個集合以及它可以包含哪些類型的元素，那么讓我們繼續(xù)看看為什么我們總是應該把它放在我們的工具箱中。

為什么你需要使用它

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”。

根據(jù) Hitchhiker 對 Python 的建議:

當一個經(jīng)驗豐富的 Python 開發(fā)人員（Python 人Pythonista）調用一些不夠 “Python 式的pythonic” 的代碼時，他們通常認為著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(zhí)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，如果我們需要刪除重復項，或者進行組合列表（與）之類的數(shù)學運算，那么我們可以，并且應該始終使用集合。

我不得不提一下，在迭代時，集合的表現(xiàn)優(yōu)于列表。所以，如果你需要它，那就加深對它的喜愛吧。為什么？好吧，這篇文章并不打算解釋集合的內部工作原理，但是如果你感興趣的話，這里有幾個鏈接，你可以閱讀它：

• 時間復雜度
• set() 是如何實現(xiàn)的？
• Python 集合 vs 列表
• 在列表中使用集合是否有任何優(yōu)勢或劣勢，以確保***的列表條目？

沒有重復項

寫這篇文章的時候，我總是不停地思考，我經(jīng)常使用 for 循環(huán)和 if 語句檢查并刪除列表中的重復元素。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(xiàn)在有了武器裝備，沒有什么比這更重要的了：

>>> my_list = [1, 2, 3, 2, 3, 4]
>>> no_duplicate_list = list(set(my_list))
>>> no_duplicate_list
[1, 2, 3, 4]
>>>

現(xiàn)在讓我們使用 timeit 模塊，查看列表和集合在刪除重復項時的執(zhí)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(zhí)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
>>> # 快速而且干凈 =)

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，因此無法保證在將它們轉換回列表時，元素的順序不變。

Python 之禪：

優(yōu)美勝于丑陋Beautiful is better than ugly.

明了勝于晦澀Explicit is better than implicit.

簡潔勝于復雜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，意味著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(zhí)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 StackOverflow 話題。

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

如何使用

現(xiàn)在你已經(jīng)了解了集合是什么以及為什么你應該使用它，現(xiàn)在讓我們快速瀏覽一下，看看我們如何修改和操作它。

添加元素

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

add() 適用于添加單個元素：

>>> s = {1, 2, 3}
>>> s.add(4)
>>> s
{1, 2, 3, 4}

update() 適用于添加多個元素：

>>> s = {1, 2, 3}
>>> s.update([2, 3, 4, 5, 6])
>>> s
{1, 2, 3, 4, 5, 6}

請記住，集合會移除重復項。

移除元素

如果你希望在代碼中嘗試刪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)
>>> # 什么都不會發(fā)生

我們也可以使用 pop() 來隨機丟棄一個元素：

>>> s = {1, 2, 3, 4, 5}
>>> s.pop()  # 刪除一個任意的元素
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 | 將創(chuàng)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 & 將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(chuàng)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 ^ 將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后，你會知道集合是什么，如何操縱它的元素以及它可以執(zhí)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(fā)表評論，我很樂意嘗試回答。另外，不要忘記，如果你已經(jīng)理解了集合，它們在 Python Cheatsheet 中有自己的一席之地，在那里你可以快速參考并重新認知你已經(jīng)知道的內容。