Python 中 set 是什麼？爲什麼要是用它？

Python Sets: What, Why and How

Python 配備了幾種內置數據類型來幫咱們組織數據。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，如並集、交集、差集和對等差分。

在本文中，咱們將回顧並查看上述定義中列出的每一個要素的示例。讓咱們立刻開始，看看如何建立它。

初始化一個集合

有兩種方法能夠建立一個集合：一個是給內置函數 set() 提供一個元素列表，另外一個是使用花括號 {}。

使用內置函數 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，若是咱們想要一個空的集合呢？

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

沒錯，若是咱們使用空花括號，咱們將獲得一個字典而不是一個集合。=)

值得一提的是，爲了簡單起見，本文中提供的全部示例都將使用整數集合，但集合能夠包含 Python 支持的全部 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'

既然你知道了如何建立一個集合以及它能夠包含哪些類型的元素，那麼讓咱們繼續看看爲何咱們老是應該把它放在咱們的工具箱中。

爲何你須要使用它

寫代碼時，你能夠用不止一種方法來完成它。有些被認爲是至關糟糕的，另外一些則是清晰的、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，他們一般認爲着這些代碼不遵循通用指南，而且沒法被認爲是以一種好的方式（可讀性）來表達意圖。

讓咱們開始探索 Python 集合那些不只能夠幫助咱們提升可讀性，還能夠加快程序執行時間的方式。

無序的集合元素

首先你須要明白的是：你沒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

可是，若是咱們須要刪除重複項，或者進行組合列表（與）之類的數學運算，那麼咱們能夠，而且應該始終使用集合。

我不得不提一下，在迭代時，集合的表現優於列表。因此，若是你須要它，那就加深對它的喜好吧。爲何？好吧，這篇文章並不打算解釋集合的內部工做原理，可是若是你感興趣的話，這裏有幾個連接，你能夠閱讀它：

• 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點或劣勢，以確保獨一無二的列表條目？[7]

沒有重複項

寫這篇文章的時候，我老是不停地思考，我常用 for 循環和 if 語句檢查並刪除列表中的重複元素。記得那時個人臉紅了，並且不止一次，我寫了相似這樣的代碼：

>>> 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]

但不要緊，由於咱們如今有了武器裝備，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]
>>>

如今讓咱們使用 timeit 模塊，查看列表和集合在刪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，讓咱們看看列表的執行狀況：
>>> 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
>>> # 快速並且乾淨 =)

使用集合而不是列表推導不只讓咱們編寫更少的代碼，並且還能讓咱們得到更具可讀性和高性能的代碼。

注意：請記住集合是無序的，所以沒法保證在將它們轉換回列表時，元素的順序不變。

Python 之禪[8]：

優美勝於醜陋Beautiful is better than ugly.

明瞭勝於晦澀Explicit is better than implicit.

簡潔勝於複雜Simple is better than complex.

扁平勝於嵌套Flat is better than nested.

集合不正是這樣美麗、明瞭、簡單且扁平嗎？

成員測試

每次咱們使用 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!

在執行這些操做時，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：上面的測試來自於這個[9] StackOverflow 話題。

所以，若是你在巨大的列表中進行這樣的比較，嘗試將該列表轉換爲集合，它應該能夠加快你的速度。

如何使用

如今你已經瞭解了集合是什麼以及爲何你應該使用它，如今讓咱們快速瀏覽一下，看看咱們如何修改和操做它。

添加元素

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

add() 適用於添加單個元素：

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

update() 適用於添加多個元素：

>>> 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

若是你但願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()。不然，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() 不會引發任何錯誤：

>>> s = {1, 2, 3}
>>> s.discard(3)
>>> s
{1, 2}
>>> s.discard(3)
>>> # 什麼都不會發生

咱們也可使用 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 | 將建立一個新集合，其中包含咱們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 & 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 - 建立一個新集合，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一樣元素。

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

結論

我但願在閱讀本文以後，你會知道集合是什麼，如何操縱它的元素以及它能夠執行的操做。知道什麼時候使用集合無疑會幫助你編寫更清晰的代碼並加速你的程序。

若是你有任何疑問，請發表評論，我很樂意嘗試回答。另外，不要忘記，若是你已經理解了集合，它們在 Python Cheatsheet[10] 中有本身的一席之地[11]，在那裏你能夠快速參考並從新認知你已經知道的內容。

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

做者：wilfredinni[12] 譯者：MjSeven[13] 校對：wxy[14]

本文由 LCTT[15] 原創編譯，Linux中國[16] 榮譽推出

原文來自： https://www.linuxprobe.com/python-sets-what-why-how.html