python中集合（set）原理及其操作

原理

Python 中的集合（set）是一个无序的不重复元素序列。它们可以用来进行成员测试、去除重复项以及数学上的集合操作，如并集、交集、差集和对称差分。

Python 中的集合（set）是基于哈希表实现的。了解集合的原理，首先需要理解哈希表（Hash Table）的概念。

哈希表

哈希表是一种使用哈希函数组织数据，以支持快速插入和搜索的数据结构。它通过将键值对映射到表中一个位置来访问记录，以加快查找速度。这个映射函数称为哈希函数，存放记录的数组称为哈希表或散列表。

集合工作原理

当你向集合添加一个元素时，Python 会首先计算该元素的哈希值（hash value），这个值决定了该元素在内部数据结构中的存储位置。如果两个不同元素具有相同的哈希值，则会发生冲突；Python 内部通过开放寻址法或链地址法等方式来解决这种冲突。

1. 无序性：由于集合中元素位置是根据其哈希值确定，并不依赖于插入顺序，因此 Python 中集合是无序的。
2. 唯一性：在任何时候，每个元素都有唯一确定的哈希值（即使存在冲突），所以集合中不会有重复元素。
3. 高效性：由于基于哈希实现，大多数情况下（假设没有太多冲突），集合操作如添加、检查成员资格、删除等操作可以接近 O(1) 的时间复杂度完成。

动态调整大小

随着向集合添加更多元素，其内部结构可能变得过满（即装载因子过高）。为了保持操作效率，在达到某个阈值时，Python 会自动增加存储空间，并重新计算所有已存储对象的位置。这个过程称为“重新散列”或“扩容”，虽然它可能导致单次操作时间较长但确保整体上操作效率。

示例说明

考虑以下简单示例：

my_set = set()
print(my_set)

# 添加几个不同类型对象
my_set.add(42)
my_set.add("hello")
my_set.add((1, 2, 3))

print(my_set)

• 当我们逐一添加 42、"hello" 和 (1, 2, 3) 到 my_set 集合时：
  • 对每一个对象调用 hash() 函数获取其 hash 值。
  • 使用 hash 值找到在内部数据结构中应该存储该对象信息的位置并保存。
• 尽管 (1, 2, 3) 是可迭代类型且包含多项内容，在作为整体被添加进 set 的过程也仅视作单独一个条目进行处理和计算其 hash 值。（注意：只有不可变类型才能被加入到 set 中）

总之，在 Python 中使用集合进行去重和成员测试非常有效率且方便。但要记住背后实现机制——基于高效但复杂度较高且动态调整大小能力强大的“散列表”。

操作

创建集合

创建一个基本的集合可以使用大括号 {} 或者 set() 函数：

# 使用大括号
my_set = {1, 2, 3}

# 使用 set() 函数
my_set = set([1, 2, 3])

注意：空大括号 {} 不是用来创建空集合的，而是用来创建空字典。要创建一个空集合，你必须使用 set() 而不是 {}。

修改

• 添加元素

  • add(elem)：向集合中添加单个元素 elem。

    my_set.add(4)
    

• 更新元素

  • update(*others)：将其他集合中的元素添加到当前集合中。参数可以是列表、元组、字典等任何可迭代对象。

    my_set.update([4,5], {6,7})
    

• 删除元素

  • remove(elem)：从集合中移除元素 elem。如果该元素不存在，则抛出 KeyError。

    my_set.remove(1)
    

  • discard(elem)：从集合中移除元素 elem。如果该元素不存在，不会发生错误。

    my_set.discard(2)
    

  • pop()：随机移除一个元素并返回它。由于 set 是无序的，因此无法确定哪个是“下一个”被删除的项。

    elem = my_set.pop()
    

  • clear()：清空整个集合内容。

    my_set.clear()
    

查询

• 成员测试：
  使用关键字 in 来检查某个值是否存在于 set 中。

  if 1 in my_set:
      print("Found!")
  

• 长度计算：
  使用内置函数 len() 来获取 set 的大小（即其中有多少个项）。

  size = len(my_set)
  

数学运算

• 并集 (union 或者操作符 |)：
  合并两个或多个 sets 的所有唯一项。

• 交叉 (intersection 或者操作符 &)：
  找出两个或多个 sets 共有的项。

• 差异 (difference 或者操作符 -)：
  找出存在于第一个 set 中但不在其他 sets 中的所有项。

• 对称差异 (symmetric_difference 或者操作符 ^)：
  找出只存在于其中一个 set 中而不同时存在于两个 sets 中的所有项。

每种数学运算都提供了相应地就地执行版本方法，如:

a.intersection_update(b) # 将 a 更新为 a 和 b 的交叉结果.

这些方法会直接修改原始数据而不返回新值。

代码示例：

# 定义两个示例 set
a = {1, 2, 3}
b = {3, 4, 5}

# 并运算
print(a | b) # 输出 {1, 2, 3, 4, 5}

# 取交运算
print(a & b) # 输出 {3}

# 差运算 (a 中有而 b 中没有)
print(a - b) # 输出 {1, 2}

# 对称差分 (在 a 或 b 中但不同时在 a 和 b 中)
print(a ^ b) # 输出 {1, 2 ,4 ,5}