Python 配备了几种内置数据类型来帮我们组织数据。这些结构包括列表、字典、元组和集合。
根据 Python 3 文档：
集合是一个无序集合，没有重复元素。基本用途包括成员测试和消除重复的条目。集合对象还支持数学运算，如并集、交集、差集和对等差分。
在本文中，我们将回顾并查看上述定义中列出的每个要素的示例。让我们马上开始，看看如何创建它。
初始化一个集合
有两种方法可以创建一个集合：一个是给内置函数 set() 提供一个元素列表，另一个是使用花括号 {}。
1、使用内置函数 set() 来初始化一个集合：
- >>> s1 = set([1, 2, 3])
- >>> s1
- {1, 2, 3}
- >>> type(s1)
- <class 'set'>
2、使用花括号初始化集合 {}
- >>> s2 = {3, 4, 5}
- >>> s2
- {3, 4, 5}
- >>> type(s2)
- <class 'set'>
- >>>
如你所见，这两种方法都是有效的。但问题是，如果我们想要一个空的集合呢？
- >>> s = {}
- >>> type(s)
- <class 'dict'>
没错，如果我们使用空花括号，我们将得到一个字典而不是一个集合。=)
值得一提的是，为了简单起见，本文中提供的所有示例都将使用整数集合，但集合可以包含 Python 支持的所有 可哈希的 数据类型。换句话说，即整数、字符串和元组，而不是列表或字典这样的可变类型。
- >>> s = {1, 'coffee', [4, 'python']}
- Traceback (most recent call last):
- File "<stdin>", line 1, in <module>
- TypeError: unhashable type: 'list'
既然你知道了如何创建一个集合以及它可以包含哪些类型的元素，那么让我们继续看看为什么我们总是应该把它放在我们的工具箱中。
为什么你需要使用它
写代码时，你可以用不止一种方法来完成它。有些被认为是相当糟糕的，另一些则是清晰的、简洁的和可维护的，或者是 “Python 式的”。
根据 Hitchhiker 对 Python 的建议:
当一个经验丰富的 Python 开发人员（Python 人）调用一些不够 “Python 式的” 的代码时，他们通常认为着这些代码不遵循通用指南，并且无法被认为是以一种好的方式（可读性）来表达意图。
让我们开始探索 Python 集合那些不仅可以帮助我们提高可读性，还可以加快程序执行时间的方式。
无序的集合元素
首先你需要明白的是：你无法使用索引访问集合中的元素。
- >>> s = {1, 2, 3}
- >>> s[0]
- Traceback (most recent call last):
- File "<stdin>", line 1, in <module>
- TypeError: 'set' object does not support indexing
或者使用切片修改它们：
- >>> s[0:2]
- Traceback (most recent call last):
- File "<stdin>", line 1, in <module>
- TypeError: 'set' object is not subscriptable
但是，如果我们需要删除重复项，或者进行组合列表（与）之类的数学运算，那么我们可以，并且应该始终使用集合。
我不得不提一下，在迭代时，集合的表现优于列表。所以，如果你需要它，那就加深对它的喜爱吧。为什么？好吧，这篇文章并不打算解释集合的内部工作原理，但是如果你感兴趣的话，这里有几个链接，你可以阅读它：
- 时间复杂度
- set() 是如何实现的？
- Python 集合 vs 列表
- 在列表中使用集合是否有任何优势或劣势，以确保独一无二的列表条目？
没有重复项
写这篇文章的时候，我总是不停地思考，我经常使用 for 循环和 if 语句检查并删除列表中的重复元素。记得那时我的脸红了，而且不止一次，我写了类似这样的代码：
- >>> my_list = [1, 2, 3, 2, 3, 4]
- >>> no_duplicate_list = []
- >>> for item in my_list:
- ... if item not in no_duplicate_list:
- ... no_duplicate_list.append(item)
- ...
- >>> no_duplicate_list
- [1, 2, 3, 4]
或者使用列表解析：
- >>> my_list = [1, 2, 3, 2, 3, 4]
- >>> no_duplicate_list = []
- >>> [no_duplicate_list.append(item) for item in my_list if item not in no_duplicate_list]
- [None, None, None, None]
- >>> no_duplicate_list
- [1, 2, 3, 4]
但没关系，因为我们现在有了武器装备，没有什么比这更重要的了：
- >>> my_list = [1, 2, 3, 2, 3, 4]
- >>> no_duplicate_list = list(set(my_list))
- >>> no_duplicate_list
- [1, 2, 3, 4]
- >>>
现在让我们使用 timeit 模块，查看列表和集合在删除重复项时的执行时间：
- >>> from timeit import timeit
- >>> def no_duplicates(list):
- ... no_duplicate_list = []
- ... [no_duplicate_list.append(item) for item in list if item not in no_duplicate_list]
- ... return no_duplicate_list
- ...
- >>> # first, let's see how the list perform:
- >>> print(timeit('no_duplicates([1, 2, 3, 1, 7])', globals=globals(), number=1000))
- 0.0018683355819786227
- >>> from timeit import timeit
- >>> # and the set:
- >>> print(timeit('list(set([1, 2, 3, 1, 2, 3, 4]))', number=1000))
- 0.0010220493243764395
- >>> # faster and cleaner =)
使用集合而不是列表推导不仅让我们编写更少的代码，而且还能让我们获得更具可读性和高性能的代码。
注意：请记住集合是无序的，因此无法保证在将它们转换回列表时，元素的顺序不变。
Python 之禅：
优美胜于丑陋
明了胜于晦涩
简洁胜于复杂
扁平胜于嵌套
集合不正是这样美丽、明了、简单且扁平吗？
成员测试
每次我们使用 if 语句来检查一个元素，例如，它是否在列表中时，意味着你正在进行成员测试：
- my_list = [1, 2, 3]
- >>> if 2 in my_list:
- ... print('Yes, this is a membership test!')
- ...
- Yes, this is a membership test!
在执行这些操作时，集合比列表更高效：
- >>> from timeit import timeit
- >>> def in_test(iterable):
- ... for i in range(1000):
- ... if i in iterable:
- ... pass
- ...
- >>> timeit('in_test(iterable)',
- ... setup="from __main__ import in_test; iterable = list(range(1000))",
- ... number=1000)
- 12.459663048726043
- >>> from timeit import timeit
- >>> def in_test(iterable):
- ... for i in range(1000):
- ... if i in iterable:
- ... pass
- ...
- >>> timeit('in_test(iterable)',
- ... setup="from __main__ import in_test; iterable = set(range(1000))",
- ... number=1000)
- 0.12354438152988223
- >>>
注意：上面的测试来自于这个 StackOverflow 话题。
因此，如果你在巨大的列表中进行这样的比较，尝试将该列表转换为集合，它应该可以加快你的速度。
如何使用
现在你已经了解了集合是什么以及为什么你应该使用它，现在让我们快速浏览一下，看看我们如何修改和操作它。
添加元素
根据要添加的元素数量，我们要在 add() 和 update() 方法之间进行选择。
add() 适用于添加单个元素：
- >>> s = {1, 2, 3}
- >>> s.add(4)
- >>> s
- {1, 2, 3, 4}
update() 适用于添加多个元素：
- >>> s = {1, 2, 3}
- >>> s.update([2, 3, 4, 5, 6])
- >>> s
- {1, 2, 3, 4, 5, 6}
请记住，集合会移除重复项。
移除元素
如果你希望在代码中尝试删除不在集合中的元素时收到警报，请使用 remove()。否则，discard() 提供了一个很好的选择：
- >>> s = {1, 2, 3}
- >>> s.remove(3)
- >>> s
- {1, 2}
- >>> s.remove(3)
- Traceback (most recent call last):
- File "<stdin>", line 1, in <module>
- KeyError: 3
discard() 不会引起任何错误：
- >>> s = {1, 2, 3}
- >>> s.discard(3)
- >>> s
- {1, 2}
- >>> s.discard(3)
- >>> # nothing happens!
我们也可以使用 pop() 来随机丢弃一个元素：
- >>> s = {1, 2, 3, 4, 5}
- >>> s.pop() # removes an arbitrary element
- 1
- >>> s
- {2, 3, 4, 5}
或者 clear() 方法来清空一个集合：
- >>> s = {1, 2, 3, 4, 5}
- >>> s.clear() # discard all the items
- >>> s
- set()
union()
union() 或者 | 将创建一个新集合，其中包含我们提供集合中的所有元素：
- >>> s1 = {1, 2, 3}
- >>> s2 = {3, 4, 5}
- >>> s1.union(s2) # or 's1 | s2'
- {1, 2, 3, 4, 5}
intersection()
intersection 或 & 将返回一个由集合共同元素组成的集合：
- >>> s1 = {1, 2, 3}
- >>> s2 = {2, 3, 4}
- >>> s3 = {3, 4, 5}
- >>> s1.intersection(s2, s3) # or 's1 & s2 & s3'
- {3}
difference()
使用 diference() 或 - 创建一个新集合，其值在 “s1” 中但不在 “s2” 中：
- >>> s1 = {1, 2, 3}
- >>> s2 = {2, 3, 4}
- >>> s1.difference(s2) # or 's1 - s2'
- {1}
symmetric_diference()
symetric_difference 或 ^ 将返回集合之间的不同元素。
- >>> s1 = {1, 2, 3}
- >>> s2 = {2, 3, 4}
- >>> s1.symmetric_difference(s2) # or 's1 ^ s2'
- {1, 4}
结论
我希望在阅读本文之后，你会知道集合是什么，如何操纵它的元素以及它可以执行的操作。知道何时使用集合无疑会帮助你编写更清晰的代码并加速你的程序。
如果你有任何疑问，请发表评论，我很乐意尝试回答。另外，不要忘记，如果你已经理解了集合，它们在 Python Cheatsheet 中有自己的一席之地，在那里你可以快速参考并重新认知你已经知道的内容。
80%的人都看过的文章
- Python 或将成为法国高中的官方编程教学语言
- PHP 5.6.38、7.0.32、7.1.22和7.2.10发布
- Python 3.7.1 和 3.6.7 正式发布
- PHP 5.6.40, 7.1.26, 7.3.1 & 7.2.14 安全修复版本发布
- 微软推出 Python 免费在线视频教程
- Python新手常犯的10个错误
- Stack Overflow调查：哪门编程语言最赚钱？
- 7月PYPL IDE指数榜Visual Studio Code 击败 Xcode
