Python基于二进制求子集

若一个集合有$n$个元素，则其有$2^n-1$个子集；
集合种的每一个元素都只有两种状态：在或不在子集中；
可以通过二进制或向量表示元素在或不在子集的状态，例如：集合{a,b,c}，当所有元素都不在子集时，向量表示为(0,0,0)，对应二进制数为0，0也是用二级制表示元素在或或不在子集的最小二进制数；而所有元素都在时，向量表示为(1,1,1)，对应二进制数为7，7则是用二进制表示元素在不在子集的最大二进制数，而$2^3-1=7$。所以可以通过列举出0到$2^n-1$之间的所有整数的二进制数进而得出所有子集。

接下来将运用pandas DataFrame表示出集合的所有子集。直接上代码：

def get_subset(arr):
    arr=list(set(arr))  #去除重复值
    n=len(arr)  #计算元素个数
    main_set=[]
    for i in range(0,2**n):  #逐一列举0到2^n-1之间的整数
        sub_set=format(i,"b")  #十进制转化为整数，注意：是字符串格式
        if len(sub_set)<n:  #将“0”补全
            sub_set=(n-len(sub_set))*"0"+sub_set
        main_set.append(list(sub_set))
    main_set=pd.DataFrame(main_set)
    main_set=main_set.applymap(lambda x:int(x))#.applymap(lambda x:np.nan if x==0 else x)
    return main_set

例如集合包含元素$1,2,3$，用二进制表示所有子集的DataFrame格式如下：（而为了避免集合包含0，则需要将0替换为"NaN"）

接下来，通过DataFrame相乘就可以得到所有子集：

A=[1,2,3]
main_set=get_subset(A).applymap(lambda x:np.nan if x==0 else x)
Arr=pd.DataFrame([A]*2**len(A))
subset=Arr*main_set
subset

将子集表示为DataFrame格式也为后续的运算带来了很多便利。