Python集合(set)完全指南：从基础到高级操作

什么是Python集合(set)

Python中的集合(set)是一种无序且不重复的数据结构，它类似于数学中的集合概念。集合中的元素必须是可哈希的(不可变类型)，这与字典(dict)的键要求相同。集合在Python中主要有两种形式：

• 可变集合：使用set()创建
• 不可变集合：使用frozenset()创建

集合的主要特点包括：

• 无序性：元素没有固定顺序
• 唯一性：所有元素都是唯一的
• 可哈希性：元素必须是不可变类型

集合的创建与初始化

创建集合有几种不同的方式，每种方式会产生不同的结果：

# 空集合
empty_set = set()  # 注意：不能使用{}创建空集合，那会创建空字典

# 从字符串创建
chars_set = set('hello')  # 结果为 {'h', 'e', 'l', 'o'}

# 从列表创建
list_set = set([1, 2, 3, 2])  # 结果为 {1, 2, 3}

# 从元组创建
tuple_set = set((4, 5, 6))  # 结果为 {4, 5, 6}

需要注意的是，直接使用字符串初始化集合时，字符串会被拆分为单个字符。如果想将整个字符串作为单个元素，应该将其放入列表中：

word_set = set(['hello'])  # 结果为 {'hello'}

集合的基本操作

添加元素

向集合中添加元素有两种主要方法：

1. add()方法：添加单个元素

   s = set()
   s.add(1)  # {1}
   s.add(2)  # {1, 2}
   s.add(1)  # {1, 2} (重复元素不会被添加)
   

2. update()方法：添加多个元素（可迭代对象）

   s = set()
   s.update([1, 2, 3])  # {1, 2, 3}
   s.update('abc')      # {1, 2, 3, 'a', 'b', 'c'}
   s.update({'x':1, 'y':2})  # 只添加字典的键 {'x', 'y'}
   

删除元素

从集合中删除元素可以使用remove()方法：

s = {1, 2, 3}
s.remove(2)  # {1, 3}

如果尝试删除不存在的元素，remove()会引发KeyError。如果希望删除元素时不报错，可以使用discard()方法：

s = {1, 2, 3}
s.discard(4)  # 不会报错

集合运算

集合最强大的功能之一是支持数学上的集合运算，这使得处理数据关系变得非常方便。

基本集合运算

假设有两个集合：

A = {1, 2, 3}
B = {3, 4, 5}

1. 并集(Union)：| 或 union()方法

   A | B  # {1, 2, 3, 4, 5}
   A.union(B)  # 同上
   

2. 交集(Intersection)：& 或 intersection()方法

   A & B  # {3}
   A.intersection(B)  # 同上
   

3. 差集(Difference)：- 或 difference()方法

   A - B  # {1, 2}
   A.difference(B)  # 同上
   

4. 对称差集(Symmetric Difference)：^ 或 symmetric_difference()方法

   A ^ B  # {1, 2, 4, 5}
   A.symmetric_difference(B)  # 同上
   

集合关系判断

集合还支持多种关系判断操作：

A = {1, 2}
B = {1, 2, 3}

# 子集判断
A.issubset(B)  # True
A <= B  # True

# 真子集判断
A < B  # True

# 超集判断
B.issuperset(A)  # True
B >= A  # True

# 真超集判断
B > A  # True

# 不相交判断
A.isdisjoint({4, 5})  # True

集合的实用场景

集合在实际编程中有许多有用的应用场景：

1. 去重：快速去除列表中的重复元素

   lst = [1, 2, 2, 3, 3, 3]
   unique = list(set(lst))  # [1, 2, 3]
   

2. 成员测试：集合的成员测试比列表快得多

   s = set(range(1000000))
   999999 in s  # 非常快速
   

3. 数据关系处理：处理两组数据之间的关系

   # 找出两个列表的共同元素
   list1 = [1, 2, 3, 4]
   list2 = [3, 4, 5, 6]
   common = set(list1) & set(list2)  # {3, 4}
   

4. 过滤数据：快速筛选出符合条件的数据

   valid_tags = {'python', 'java', 'javascript'}
   user_tags = {'python', 'html', 'css'}
   matched_tags = user_tags & valid_tags  # {'python'}
   

集合的性能特点

集合是基于哈希表实现的，因此具有以下性能特点：

• 添加元素：平均O(1)时间复杂度
• 删除元素：平均O(1)时间复杂度
• 成员测试：平均O(1)时间复杂度
• 并集/交集/差集运算：O(len(s)+len(t))时间复杂度

这使得集合在处理大量数据时非常高效，特别是需要频繁进行成员测试的场景。

不可变集合(frozenset)

不可变集合frozenset与普通集合set类似，但创建后不能修改。它的主要用途包括：

• 作为字典的键（因为它是不可变的）
• 作为另一个集合的元素

fs = frozenset([1, 2, 3])
d = {fs: 'value'}  # 合法

总结

Python的集合是一种强大而高效的数据结构，特别适合处理需要唯一性和集合运算的场景。通过掌握集合的各种操作和方法，可以编写出更简洁、更高效的Python代码。无论是数据去重、快速查找还是复杂的关系运算，集合都能提供出色的解决方案。