共计 4810 个字符，预计需要花费 13 分钟才能阅读完成。
Python Sets: What, Why and How
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：
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。
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 [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。
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[2]”。
根据 Hitchhiker 对 Python 的建议[3]:
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。
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]
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]：
集合不正是这样美丽、明了、简单且扁平吗？
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。
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。
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。
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() 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 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} |
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} |
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} |
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。
via: https://www.pythoncheatsheet.org/blog/python-sets-what-why-how
作者：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
