[[238266]]

Python Sets: What, Why and How

Python 配備了幾種內(nèi)置數(shù)據(jù)類型來(lái)幫我們組織數(shù)據(jù)。這些結(jié)構(gòu)包括列表、字典、元組和集合。

根據(jù) Python 3 文檔：

集合是一個(gè)無(wú)序集合，沒(méi)有重復(fù)元素。基本用途包括成員測(cè)試和消除重復(fù)的條目。集合對(duì)象還支持?jǐn)?shù)學(xué)運(yùn)算，如并集、交集、差集和對(duì)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(gè)要素的示例。讓我們馬上開(kāi)始，看看如何創(chuàng)建它。

初始化一個(gè)集合

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

使用內(nèi)置函數(shù) set() 來(lái)初始化一個(gè)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(jiàn)，這兩種方法都是有效的。但問(wèn)題是，如果我們想要一個(gè)空的集合呢？

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

沒(méi)錯(cuò)，如果我們使用空花括號(hào)，我們將得到一個(gè)字典而不是一個(gè)集合。=)

值得一提的是，為了簡(jiǎn)單起見(jiàn)，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(shuō)，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(gè)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(yīng)該把它放在我們的工具箱中。

為什么你需要使用它

寫(xiě)代碼時(shí)，你可以用不止一種方法來(lái)完成它。有些被認(rèn)為是相當(dāng)糟糕的，另一些則是清晰的、簡(jiǎn)潔的和可維護(hù)的，或者是 “Python 式的pythonic”。

根據(jù) Hitchhiker 對(duì) Python 的建議:

當(dāng)一個(gè)經(jīng)驗(yàn)豐富的 Python 開(kāi)發(fā)人員（Python 人Pythonista）調(diào)用一些不夠 “Python 式的pythonic” 的代碼時(shí)，他們通常認(rèn)為著這些代碼不遵循通用指南，并且無(wú)法被認(rèn)為是以一種好的方式（可讀性）來(lái)表達(dá)意圖。

讓我們開(kāi)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(shí)間的方式。

無(wú)序的集合元素

首先你需要明白的是：你無(wú)法使用索引訪問(wèn)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?jiǎng)h除重復(fù)項(xiàng)，或者進(jìn)行組合列表（與）之類的數(shù)學(xué)運(yùn)算，那么我們可以，并且應(yīng)該始終使用集合。

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

• 時(shí)間復(fù)雜度
• set() 是如何實(shí)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(shì)或劣勢(shì)，以確保***的列表?xiàng)l目？

沒(méi)有重復(fù)項(xiàng)

寫(xiě)這篇文章的時(shí)候，我總是不停地思考，我經(jīng)常使用 for 循環(huán)和 if 語(yǔ)句檢查并刪除列表中的重復(fù)元素。記得那時(shí)我的臉紅了，而且不止一次，我寫(xiě)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(méi)關(guān)系，因?yàn)槲覀儸F(xiàn)在有了武器裝備，沒(méi)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(fù)項(xiàng)時(shí)的執(zhí)行時(shí)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(dǎo)不僅讓我們編寫(xiě)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(qǐng)記住集合是無(wú)序的，因此無(wú)法保證在將它們轉(zhuǎn)換回列表時(shí)，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(jiǎn)潔勝于復(fù)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(jiǎn)單且扁平嗎？

成員測(cè)試

每次我們使用 if 語(yǔ)句來(lái)檢查一個(gè)元素，例如，它是否在列表中時(shí)，意味著你正在進(jìn)行成員測(cè)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(shí)，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(cè)試來(lái)自于這個(gè) StackOverflow 話題。

因此，如果你在巨大的列表中進(jìn)行這樣的比較，嘗試將該列表轉(zhuǎn)換為集合，它應(yīng)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(yīng)該使用它，現(xiàn)在讓我們快速瀏覽一下，看看我們?nèi)绾涡薷暮筒僮魉?/p>

添加元素

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

add() 適用于添加單個(gè)元素：

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

update() 適用于添加多個(gè)元素：

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

請(qǐng)記住，集合會(huì)移除重復(fù)項(xiàng)。

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(shí)收到警報(bào)，請(qǐng)使用 remove()。否則，discard() 提供了一個(gè)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(huì)引起任何錯(cuò)誤：

>>> s = {1, 2, 3}
>>> s.discard(3)
>>> s
{1, 2}
>>> s.discard(3)
>>> # 什么都不會(huì)發(fā)生

我們也可以使用 pop() 來(lái)隨機(jī)丟棄一個(gè)元素：

>>> s = {1, 2, 3, 4, 5}
>>> s.pop()  # 刪除一個(gè)任意的元素
1
>>> s
{2, 3, 4, 5}

或者 clear() 方法來(lái)清空一個(gè)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(gè)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(gè)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(gè)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(jié)論

我希望在閱讀本文之后，你會(huì)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(shí)使用集合無(wú)疑會(huì)幫助你編寫(xiě)更清晰的代碼并加速你的程序。

如果你有任何疑問(wèn)，請(qǐng)發(fā)表評(píng)論，我很樂(lè)意嘗試回答。另外，不要忘記，如果你已經(jīng)理解了集合，它們?cè)?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(rèn)知你已經(jīng)知道的內(nèi)容。