第八篇：Python集合: 高效的无序集数据结构

1.集合的定义

Python中的集合(set)是一种高度优化的无序且不重复的数据结构。它在概念上类似于数学中的集合,能够存储多个不同的元素。集合的这种特性使其成为处理唯一性和成员资格检查的理想选择。在Python中,我们可以通过两种主要方式定义集合:

a) 使用花括号{}:

set1 = {1, 2, 3, 4, 5}
​

这种方法直观简洁,但要注意空花括号{}会创建一个字典而不是集合。

b) 使用set()函数:

set2 = set([1, 2, 3, 3, 4, 5])

set()函数可以将其他可迭代对象转换为集合,同时自动去除重复元素。这种方法特别适合从已有数据创建集合或创建空集合。

集合的不重复特性使其成为数据去重的有力工具:

numbers = [1, 2, 2, 3, 3, 3, 4, 5, 5]
unique_numbers = set(numbers)  # 结果: {1, 2, 3, 4, 5}

2.集合的键与值

与字典不同,集合只包含键,没有对应的值。在集合中,每个元素本身就是一个独立的值,同时也扮演着键的角色。这种设计使得集合在某些操作上比字典更加高效。

集合对元素类型有严格要求:只有不可变(immutable)的数据类型才能作为集合的元素。这包括:

• 数字(整数、浮点数、复数)
• 字符串
• 元组(仅当元组内所有元素也都是不可变类型时)

例如,以下是合法的集合:

valid_set = {1, 'hello', (1, 2, 3)}

而以下操作会引发异常:

invalid_set = {[1, 2, 3]}  # 列表是可变的,不能作为集合元素

3.集合与列表、元组、字典的比较

a) 与列表和元组的比较:

• 有序性: 列表和元组是有序的,而集合是无序的。这意味着集合不支持索引和切片操作。
• 重复性: 列表和元组允许重复元素,而集合自动去除重复。
• 可变性: 列表是可变的,元组是不可变的,而集合是可变的(但其元素必须是不可变的)。

b) 与字典的比较:

• 结构: 字典存储键值对,而集合只存储单个元素。
• 键的要求: 字典的键和集合的元素都必须是不可变的。
• 用途: 字典用于存储关联数据,而集合主要用于存储唯一元素和进行集合运算。

c) 性能比较:

• 成员检测: 集合和字典的成员检测(使用in操作符)通常比列表快得多,时间复杂度为O(1)。
• 添加元素: 向集合添加元素通常比向列表

添加元素更快，特别是当处理大量数据时。

• 内存使用：对于存储唯一元素，集合通常比列表更节省内存。

示例比较：

import timeit

# 列表查找
list_time = timeit.timeit(stmt='99999 in my_list', setup='my_list = list(range(100000))', number=1000)

# 集合查找
set_time = timeit.timeit(stmt='99999 in my_set', setup='my_set = set(range(100000))', number=1000)

print(f"列表查找时间: {list_time}")
print(f"集合查找时间: {set_time}")

这个简单的性能测试通常会显示集合的查找速度远快于列表。

集合的常见操作

a) 添加元素:

add(element): 添加单个元素到集合中。如果元素已存在，集合不会改变。

s = {1, 2, 3}
s.add(4)  # s现在是 {1, 2, 3, 4}
s.add(2)  # s不变，仍是 {1, 2, 3, 4}

update(iterable): 将一个可迭代对象中的所有元素添加到集合中。

s = {1, 2, 3}
s.update([3, 4, 5])  # s现在是 {1, 2, 3, 4, 5}

b) 删除元素:

remove(element): 从集合中移除指定元素。如果元素不存在，会引发KeyError。

s = {1, 2, 3}
s.remove(2)  # s现在是 {1, 3}
s.remove(4)  # 引发KeyError

discard(element): 从集合中移除指定元素。如果元素不存在，不会引发错误。

s = {1, 2, 3}
s.discard(2)  # s现在是 {1, 3}
s.discard(4)  # s不变，不会引发错误

pop(): 随机移除并返回集合中的一个元素。如果集合为空，会引发KeyError。

s = {1, 2, 3}
element = s.pop()  # element可能是1、2或3中的任何一个

clear(): 移除集合中的所有元素。

s = {1, 2, 3}
s.clear()  # s现在是空集合 set()

c) 集合运算:

intersection(other_set): 返回两个集合的交集。

a = {1, 2, 3}
b = {3, 4, 5}
print(a.intersection(b))  # 输出: {3}

union(other_set): 返回两个集合的并集。

print(a.union(b))  # 输出: {1, 2, 3, 4, 5}

difference(other_set): 返回在当前集合中但不在另一个集合中的元素。

print(a.difference(b))  # 输出: {1, 2}

d) 其他操作:

len(set): 返回集合中元素的数量。

s = {1, 2, 3}
print(len(s))# 输出3

in 操作符: 检查元素是否在集合中。

s = {1, 2, 3}
print(2 in s)  # 输出: True
print(4 in s)  # 输出: False

issubset(other_set) 和 issuperset(other_set): 检查一个集合是否是另一个的子集或超集。

a = {1, 2}
b = {1, 2, 3, 4}
print(a.issubset(b))  # 输出: True
print(b.issuperset(a))  # 输出: True

集合的高级用法和注意事项

1. 不可变集合（frozenset）:
   Python还提供了不可变的集合类型，称为frozenset。这种类型的集合创建后就不能被修改，可以用作字典的键或其他集合的元素。

   fs = frozenset([1, 2, 3])
   regular_set = {fs, 4, 5}  # 这是合法的

2. 集合推导式：
   类似于列表推导式，Python也支持集合推导式，这是一种简洁创建集合的方法。

   squares = {x**2 for x in range(10)

3. 集合的数学运算：
   集合支持多种数学运算，可以使用操作符简化代码：

   交集：&

   并集：|

   差集：-

   对称差集：^

a = {1, 2, 3}
b = {3, 4, 5}
print(a & b)  # 交集，输出: {3}
print(a | b)  # 并集，输出: {1, 2, 3, 4, 5}
print(a - b)  # 差集，输出: {1, 2}
print(a ^ b)  # 对称差集，输出: {1, 2, 4, 5}

性能考虑：

集合的许多操作（如添加、删除、检查成员）的平均时间复杂度为O(1)，这使得集合在处理大量数据时非常高效。

但是，集合消耗的内存通常比列表多，因为它需要存储哈希表。

应用场景：

去重：快速删除重复元素

成员资格测试：高效检查元素是否存在

数学集合运算：进行交集、并集、差集等操作

数据筛选：结合其他数据结构快速筛选数据

总结

Python的集合是一个强大而灵活的数据结构，它结合了列表的多元素存储能力和字典的快速查找特性。集合特别适合需要存储唯一元素、快速成员检测以及进行集合运算的场景。通过合理使用集合，可以显著提高某些类型操作的效率，尤其是在处理大量数据时。然而，使用集合时也需要注意其无序性和元素类型的限制。在选择使用集合时，应该根据具体的应用需求和性能要求来权衡。