5.【Python编程】集合Set相关知识及基本操作

备注&＃xff1a; 本教程主要使用Python3.6在jupyter notebook上编程实现。Python环境配置参考《【Python学习】Windows10开始你的Anaconda安装与Python环境管理》或者《【Python学习】纯终端命令开始你的Anaconda安装与Python环境管理》。

5.1 集合的创建

集合&＃xff08;set&＃xff09;是一个无序的不重复元素序列。可以使用大括号{ }或者set()函数创建集合&＃xff0c;注意&＃xff1a;创建一个空集合必须用set()而不是{ }&＃xff0c;因为{ }是用来创建一个空字典。此外&＃xff0c;集合中的元素必须是不可变类型。
python3版本&＃xff0c;对于数据量很小的集合并且数字很少的时候&＃xff0c;确实是做了一个排序&＃xff0c;但集合的本质还是无序的&＃xff01;
Python内置的集合set中元素顺序是按元素的哈希值进行存储的&＃xff0c;并不是按先后顺序。

• 可以被哈希的数据结构&＃xff1a;int、float、str、tuple 和 NoneType。
• 不可以被哈希的数据结构&＃xff1a;dict、list 和 set。
  参考&＃xff1a;python集合中的元素必须是可哈希的

set1 &＃61; {"北京","上海","广州","深圳","成都"}
print(set1)
set2 &＃61; set()
print(set2)
list1 &＃61; [1,1,1,2,2,3,4,5,6,7,8,8,9,10]
set3 &＃61; set(list1) # 集合具有去重功能
print(set3)


{&＃39;成都&＃39;, &＃39;深圳&＃39;, &＃39;上海&＃39;, &＃39;广州&＃39;, &＃39;北京&＃39;}
set()
{1, 2, 3, 4, 5, 6, 7, 8, 9, 10}


# 集合的元素是按元素的哈希值进行存储的
set4 &＃61; set([9,4,1,6,100,101,119,222,333,301,1000,1301,200])
print(set4)set4_2 &＃61; set([9,4,1,6,100,101,119,222,333,301,1000,1301,200])
print(set4_2)set5 &＃61; set([4,9,1,6,222,101,119,100,333,301,1000,1301,200])
print(set5)


{1, 100, 4, 6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
{1, 100, 4, 6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
{1, 4, 101, 6, 100, 1000, 9, 200, 333, 301, 1301, 119, 222}


5.2 集合的常见操作

• 集合推导式

# 找出字符串&＃39;我是中国人&＃xff0c;中国人不骗中国人&＃39;中存在而字符串&＃39;我是谁&＃39;中不存在的所有元素
set1 &＃61; {x for x in &＃39;我是中国人&＃xff0c;中国人不骗中国人&＃39; if x not in &＃39;我是谁&＃39;} # 与列表推导式的区别是使用了“{}”
print(set1)


{&＃39;&＃xff0c;&＃39;, &＃39;国&＃39;, &＃39;中&＃39;, &＃39;骗&＃39;, &＃39;不&＃39;, &＃39;人&＃39;}


• 计算集合的元素个数

empty_set &＃61; set()
print("len(empty_set)&＃61;", len(empty_set))
set1 &＃61; {1,3,5,7,9}
print("len(set1)&＃61;", len(set1))


len(empty_set)&＃61; 0
len(set1)&＃61; 5


• 清空集合

set1 &＃61; {1,3,5,7,9}
print(set1)
set1.clear()
print("执行set1.clear()之后...")
print(set1) # set()表示空集


{1, 3, 5, 7, 9}
执行set1.clear()之后...
set()


• 集合增加元素

A &＃61; {1,2,3,4,5,6}
print(A)
A.add(1)
print(A)
A.add(7)
print(A)


{1, 2, 3, 4, 5, 6}
{1, 2, 3, 4, 5, 6}
{1, 2, 3, 4, 5, 6, 7}


A.update(x)可以添加元素&＃xff0c;且参数可以是列表&＃xff0c;元组&＃xff0c;字典等

A &＃61; {1,2,3,4,5,6}
A.update([1,3],[8,9]) # 列表
print(A)
A.update((11,12,13)) # 元组
print(A)
A.update({15,16,17}) # 集合
print(A)
A.update({18:19,20:21}) # 字典
print(A) # 字典的键会被添加到集合当中


{1, 2, 3, 4, 5, 6, 8, 9}
{1, 2, 3, 4, 5, 6, 8, 9, 11, 12, 13}
{1, 2, 3, 4, 5, 6, 8, 9, 11, 12, 13, 15, 16, 17}
{1, 2, 3, 4, 5, 6, 8, 9, 11, 12, 13, 15, 16, 17, 18, 20}


• 移除集合当中的元素

A &＃61; {1,2,3,4,5,6}
A.remove(1)
#A.remove(7) # 元素必须在集合当中&＃xff0c;否则会报错如下&＃xff1a;
&＃39;&＃39;&＃39;
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
in 1 A &＃61; {1,2,3,4,5,6}2 A.remove(1)
----> 3 A.remove(7) # 元素必须在集合当中&＃xff0c;否则会报错如下&＃xff1a;
KeyError: 7
&＃39;&＃39;&＃39;
print(A)
A.discard(2) # # 元素不一定需要在集合当中
A.discard(8)
print(A)


{2, 3, 4, 5, 6}
{3, 4, 5, 6}


• .pop()函数的特性
  参考&＃xff1a;Python Set pop() 方法

集合里只有0~31范围内的数字&＃xff0c;执行.pop()删除时, 删掉的是最小的数字, 其余数字升序排列
实际上&＃xff0c;.pop执行的是删除实际存储在集合当中最前面的元素

set1 &＃61; {9,31,4,1,6,21,8,3,11,0,21,24,25,29} #,99,21,35,33,34}
print("set1:",set1) # 自动按从小到大排序
set1.pop()
print("set1:",set1)
set1.pop()
print("set1:",set1)
set1.pop()
print("set1:",set1)set2 &＃61; {9,4,1,6,100,101,119,222,333,301,1000,1301,200}
print("set2:",set2) # 自动按从小到大排序
set2.pop() # 移除1
print("set2:",set2)
set2.pop() # 移除100
print("set2:",set2)
set2.pop() # 移除4
print("set2:",set2)set3&＃61; set(&＃39;我是中国人&＃39;)
print("set3:",set3)
set3.pop()
print("set3:",set3)
set3.pop()
print("set3:",set3)
set3.pop()
print("set3:",set3)


set1: {0, 1, 3, 4, 6, 8, 9, 11, 21, 24, 25, 29, 31}
set1: {1, 3, 4, 6, 8, 9, 11, 21, 24, 25, 29, 31}
set1: {3, 4, 6, 8, 9, 11, 21, 24, 25, 29, 31}
set1: {4, 6, 8, 9, 11, 21, 24, 25, 29, 31}
set2: {1, 100, 4, 6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
set2: {100, 4, 6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
set2: {4, 6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
set2: {6, 101, 1000, 9, 200, 333, 301, 1301, 119, 222}
set3: {&＃39;国&＃39;, &＃39;中&＃39;, &＃39;是&＃39;, &＃39;我&＃39;, &＃39;人&＃39;}
set3: {&＃39;中&＃39;, &＃39;是&＃39;, &＃39;我&＃39;, &＃39;人&＃39;}
set3: {&＃39;是&＃39;, &＃39;我&＃39;, &＃39;人&＃39;}
set3: {&＃39;我&＃39;, &＃39;人&＃39;}


5.3 集合的基本运算

set()与list()的区别

# 利用set的特性&＃xff0c;计算字符串有多少个不同的字符
sentence_set &＃61; set(&＃39;我是中国人&＃xff0c;中国人不骗中国人&＃39;)
print(sentence_set)
print(&＃39;句子中的不同字符个数&＃xff1a;&＃39;,len(sentence_set))
# 利用list把句子转化为字组成的列表&＃xff0c;BERT、GPT模型常用的NLP处理操作
sentence_list &＃61; list(&＃39;我是中国人&＃xff0c;中国人不骗中国人&＃39;)
print(sentence_list)
print(&＃39;句子的长度&＃xff1a;&＃39;,len(sentence_list))


{&＃39;我&＃39;, &＃39;&＃xff0c;&＃39;, &＃39;国&＃39;, &＃39;骗&＃39;, &＃39;是&＃39;, &＃39;人&＃39;, &＃39;中&＃39;, &＃39;不&＃39;}
8
[&＃39;我&＃39;, &＃39;是&＃39;, &＃39;中&＃39;, &＃39;国&＃39;, &＃39;人&＃39;, &＃39;&＃xff0c;&＃39;, &＃39;中&＃39;, &＃39;国&＃39;, &＃39;人&＃39;, &＃39;不&＃39;, &＃39;骗&＃39;, &＃39;中&＃39;, &＃39;国&＃39;, &＃39;人&＃39;]


两个集合的基本运算

• 并集&＃xff1a;集合A或者集合B中存在的元素

A &＃61; {1,2,3,4}
B &＃61; {3,4,5,6}
print("集合A与B的并集&＃xff1a;",A | B)
C &＃61; A.union(B) # C&＃61;A&＃43;B&＃xff0c;union: 联合
print("集合A与B的并集&＃xff1a;", C)


集合A与B的并集&＃xff1a; {1, 2, 3, 4, 5, 6}
集合A与B的并集&＃xff1a; {1, 2, 3, 4, 5, 6}


• 交集&＃xff1a;集合A与集合B中都存在的元素

A &＃61; {1,2,3,4}
B &＃61; {3,4,5,6}
print("集合A与B的交集&＃xff1a;",A & B)
D &＃61; A.intersection(B) # D&＃61;A&＃43;B&＃xff0c;intersection: 交叉
print("集合A与B的交集&＃xff1a;", D)


集合A与B的交集&＃xff1a; {3, 4}
集合A与B的交集&＃xff1a; {3, 4}


• 补集/差集&＃xff1a;集合A中存在而集合B中不存在的元素

A &＃61; {1,2,3,4}
B &＃61; {3,4,5,6}
print("集合A与B的差运算&＃xff1a;",A - B)
E &＃61; A.difference(B) # E&＃61;A-B
print("集合A与B的差运算",E)


集合A与B的差运算&＃xff1a; {1, 2}
集合A与B的差运算 {1, 2}


• A^B&＃61; (A-(A&B))|(B-(A&B))

A &＃61; {1,2,3,4}
B &＃61; {3,4,5,6}
print("集合A与B中不同时存在的元素&＃xff1a;",A ^ B)
F &＃61; A.symmetric_difference(B)
print("集合A与B中不同时存在的元素&＃xff1a;",F)
print("集合A与B中不同时存在的元素&＃xff1a;",(A-(A&B))|(B-(A&B)))


集合A与B中不同时存在的元素&＃xff1a; {1, 2, 5, 6}
集合A与B中不同时存在的元素&＃xff1a; {1, 2, 5, 6}
集合A与B中不同时存在的元素&＃xff1a; {1, 2, 5, 6}


5.4 元素与集合的关系

A &＃61; {1,2,3,4,5,6,7}
print(1 in A)
print(8 in A)


True
False