Python的集合set

set是python中一个无序且无重复元素的数据结构。无序，是因为set采用了hash技术进行元素的存储；无重复元素，本身就是set区别其他数据结构的一个重要特点，也是set之间能够进行并，交，差等各种集合运算的基础。set主要有两大类的操作。

（1）set本身的操作

1.初始化

s0 = {1, 2, 3}
s1 = set()
s2 = set('set')
s3 = set([1, 2, 3])
s4 = set((1, 2, 3))
print(s0, s1, s2, s3, s4, sep='\n')

  
  

   
   输出结果：
  
  
  
  

   
   

    
    {1, 2, 3}
   
   
   
   

    
    set()
   
   
   
   

    
    {'s', 't', 'e'}
   
   
   
   

    
    {1, 2, 3}
   
   
   
   

    
    {1, 2, 3}
   
   
  
  

注意：set与dict一样使用{}来表示，但s={}创建的是空dict，不是创建空set。创建一个空set需要使用s=set()。

字符串str、列表list、元组tuple可以直接转换成set。

2.新增元素add和update

s = {1, 2, 'a', 5, 'b'}
s.add(7)
print(s)
s.add('a')
print(s)
s.add('ab')
print(s)

  
  

   
   输出结果：
  
  
  
  

   
   

    
    {1, 2, 5, 'a', 7, 'b'}
   
   
   
   

    
    {1, 2, 5, 'a', 7, 'b'}
   
   
   
   

    
    {1, 2, 5, 'a', 7, 'ab', 'b'}
   
   
  
  

可以看出：1）如果新增的元素在原set已存在，则什么都不发生。2）add只是增加一个元素，所以即使一个字符串含有多个字符，也不会像初始化那样进行拆分。3）添加结果是无序的，并不一定是添加到尾部。

a = {1, 2, 3, 'a', 'b', 'c'}
b = 'xyz'
c = {'xyz', 'abc'}
a.update(b)
print(a)
a.update(c)
print(a)

   
   

    
    输出结果：
   
   
   
   

    
    {'b', 1, 2, 3, 'a', 'x', 'z', 'y', 'c'}
   
   
   
   

    
    {'b', 1, 2, 3, 'xyz', 'a', 'abc', 'x', 'z', 'y', 'c'}
    
    

   
   

可以看出：1）update是批量的添加多个元素或集合；2）添加结果是无序的，并非是添加到尾部。

3.删除元素remove/discard/pop/clear

s = {1, 2, 3, 'a', 'b', 'c'}
s.remove(1)
print(s)
s.discard('a')
print(s)
s.pop()
print(s)
s.clear()
print(s)

   
   

    
    输出结果：
   
   
   
   

    
    

     
     {2, 3, 'c', 'a', 'b'}
    
    
    
    

     
     {2, 3, 'c', 'b'}
    
    
    
    

     
     {3, 'c', 'b'}
    
    
    
    

     
     set()
    
    
   
   

删除元素有remove，discard，pop，clear操作。可以看出，clear是清空集合，使得集合重置为空；

pop是任意选一个元素删除，并返回这个元素的值，clear和pop都没有输入参数；remove和discard都是删除一个指定的元素，区别是如果该元素不存在集合中，则remove会报错。

（2）set与set之间的操作：并集、交集、差集等

set是集合的数据结构，集合也是数学中的重要概念，并集、交集、差集等是集合的基本运算。

1.并集union

union()返回两个集合的并集。

s1 = {1, 2, 3, 4, 5, 6, 7}
s2 = {6, 7, 8, 9, 10, 11, 12}
print(s1.union(s2))
print(s2.union(s1))
print(s1 | s2)

  
  

   
   输出结果：
  
  
  
  

   
   

    
    {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
   
   
   
   

    
    {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
   
   
   
   

    
    {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
   
   
  
  

可以看出：A.union(B)==B.union(A)==A|B==B|A

2.交集intersection

s1 = {1, 2, 3, 4, 5, 6, 7}
s2 = {6, 7, 8, 9, 10, 11, 12}
print(s1.intersection(s2))
print(s2.intersection(s1))
print(s1 & s2)

  
  

   
   输出结果：
  
  
  
  

   
   {6, 7}
  
  
  
  

   
   {6, 7}
  
  
  
  

   
   {6, 7}
  
  

可以看出：A.intersection(B)==B.intersection(A)==A&B==B&A

3.差集difference

s1 = {1, 2, 3, 4, 5, 6, 7}
s2 = {6, 7, 8, 9, 10, 11, 12}
print(s1.difference(s2))
print(s2.difference(s1))
print(s1 - s2)
print(s2 - s1)

  
  

   
   输出结果：
  
  
  
  

   
   {1, 2, 3, 4, 5}
  
  
  
  

   
   {8, 9, 10, 11, 12}
  
  
  
  

   
   {1, 2, 3, 4, 5}
  
  
  
  

   
   {8, 9, 10, 11, 12}
  
  

可以看出：1）A.difference(B) 不等于 B.difference(A)，从上图中也可以看出来；2）difference可以使用“-”减号代替。

4.对称差集symmetric_difference

在集合A或集合B中，但又不同时在集合A和集合B中。

s1 = {1, 2, 3, 4, 5, 6, 7}
s2 = {6, 7, 8, 9, 10, 11, 12}
print(s1.symmetric_difference(s2))
print(s2.symmetric_difference(s1))
print(s1 ^ s2)
print(s2 ^ s1)

  
  

   
   输出结果：
  
  
  
  

   
   {1, 2, 3, 4, 5, 8, 9, 10, 11, 12}
  
  
  
  

   
   {1, 2, 3, 4, 5, 8, 9, 10, 11, 12}
  
  
  
  

   
   {1, 2, 3, 4, 5, 8, 9, 10, 11, 12}
  
  
  
  

   
   {1, 2, 3, 4, 5, 8, 9, 10, 11, 12}
  
  

5.子集issubset，超集issuperset

判断一个集合是否是另一个集合的子集或超集，可以使用符号‘<=’，‘>’。

s1 = {1, 2, 3, 4, 5, 6, 7}
s2 = {6, 7, 8, 9, 10, 11, 12}
s3 = {1, 2, 3}
s4 = {1, 2, 3}
print(s1.issubset(s2))
print(s3.issubset(s1))
print(s1.issuperset(s3))
print(s4 <= s3)
print(s1 > s3)

  
  

   
   输出结果：
  
  
  
  

   
   

    
    False
   
   
   
   

    
    True
   
   
   
   

    
    True
   
   
   
   

    
    True
   
   
   
   

    
    True
   
   
  
  

（3）set的一些重要特点

除了可以进行并、交、差等集合运算外，set还有一些其他特点。

1.初始化时的元素必须是hashable的类型

s = {1, 2, [3, 4, 5]}

  
  

   
   TypeError: unhashable type: 'list'
  
  

初始化时，其中有一个列表[3,4,5]，列表是unhashable type，因此报错。

s = {1, 2, (3, 4, 5), 'abc'}
print(s)

  
  

   
   {'abc', (3, 4, 5), 2, 1}
  
  

元组、字符串等hashable类型是可以的。

2.不支持索引index和切片slice操作

set是一个无序的数据结构，没有位置的概念，因此不支持通常的序列索引和切片操作。所有意图进行indexing和slice的操作都将报错。

3.可以用于去除重复元素

s = {1, 1, 1, 2, 3, 4, 5, 2, 2, 3, 3, 4, 5, 5}
s = list(set(s))
print(s)

  
  

   
   输出结果：
  
  
  
  

   
   [1, 2, 3, 4, 5]
  
  

4.set的in或not in查询操作非常快

set使用hash技术进行元素的存储，因此其查询操作时间复杂度是O(1)的，远远高于列表的O(N)复杂度。

import time
st = time.clock()
N = 50000
arr = [i for i in range(N)]
A = [i for i in range(N) if i % 2 == 0]
B = [i for i in range(N) if i % 2 == 1]
count = 0
for x in arr:
if x in A:
        count += 1
elif x in B:
        count -= 1
print(count)
print(time.clock() - st)

  
  

   
   输出结果：
  
  
  
  

   
   0
  
  
  
  

   
   23.8880947819304
  
  

耗时近24秒。如果把A、B转换成set，进行同样的运算：

import time
st = time.clock()
N = 50000
arr = [i for i in range(N)]
A = set([i for i in range(N) if i % 2 == 0])
B = set([i for i in range(N) if i % 2 == 1])
count = 0
for x in arr:
if x in A:
        count += 1
elif x in B:
        count -= 1
print(count)
print(time.clock() - st)

  
  

   
   输出结果：
  
  
  
  

   
   0
  
  
  
  

   
   0.03624072844963256
  
  

耗时0.03624秒，list是set耗时的660倍。因此，当需要对一个无重复元素数据集频繁进行查询操作时，使用set是一个很好的选择。