Python数据结构(三)set使用和原理

自闭症网瘾萝莉.ら 提交于 2019-12-03 02:22:19

1. set是什么?

数学上,把set称做由不同的元素组成的集合,集合(set)的成员通常被称做集合元素(set elements)。Python把这个概念引入到它的集合类型对象里。集合对象是一组无序排列的可哈希的值。集合关系测试和union、intersection等操作符在Python里也同样如我们所预想地那样工作。

2. set特点

集合中的元素有三个特征:

  1. 确定性:集合中的元素必须是确定的;

  2. 互异性:集合中的元素互不相同,如:集合A={1,a},则a不能等于1);

  3. 无序性:集合中的元素没有先后之分,如:{3,4,5}和{3,5,4}算作同一个集合。

python中集合(set)是一个无序不重复元素的集。基本功能包括关系测试和消除重复元素,还可以计算交集、差集、并集等。它与列表(list)的行为类似,区别在于set不能包含重复的值,而且set元素是无序的。

在python中可以用大括号 {} 创建集合。注意:如果要创建或初始化一个空集合,你必须用 set() 而不是 {} 。因为后者{} 作为创建一个空的字典,以后我们会介绍字典这种数据结构。

3. python集合种类

python集合有两种不同的类型:

  • 可变集合(set):可变集合(set),可以添加和删除元素,
  • 不可变集合(frozenset):不可变集合(frozenset)一旦创建就不允许更改。

根据上面两种集合可知,set是可变对象,因此既不能用做字典的键也不能做其他集合中的元素。frozenset则正好相反,它是不可变对象(这点类似python中的tuple),即它们有哈希值,能被用做字典的键或是作为集合中的一个成员。

注意: 上面我们说 set 是可变对象,不可哈希,是指创建的整个对象,而不是指对象中某个元素,这一点可以类比list和tuple区别。

4. 创建set

  1. 创建空集合
s1 = set()  # 创建空集合
print(s1)  # 打印空集合不是{} 而是set(),是为了和空字典区分
print(type(s1))
# set()
# <class 'set'>

d = {}  # 这个是创建空字典,注意区别
print(d, type(d))
# {} <class 'dict'>
  1. 创建可变集合set
s1 = {2, 1, 3}
print(s1)  # 下面输出结果看出,集合是无序的
# {1, 2, 3}

s2 = {1, 2, 3, 3}  # 虽然加入的元素有重复,但是集合自动去重
print(s2)
# {1, 2, 3}

# 使用工厂创建集合,但是注意参数是可迭代的
s3 = set('12aa')
print(s3)
# {'1', '2', 'a'}

s4 = set([1, 2, 'a', 'a'])
print(s4)
# {1, 2, 'a'}

3.创建不可变集合frozenset

s1 = frozenset('12aa')
print(s1)
# frozenset({'2', 'a', '1'})

s2 = frozenset([1, 2, 'a', 'a'])
print(s2)
# frozenset({1, 2, 'a'})

【创建集合讨论】
根据上面代码,我们发现,创建空集合只能用set() ,不能用{} 。而且非空集合打印结果是由 {} 包裹起来的,前面我们学元组(tuple),它的打印结果是由 () 包裹起来的。另外有第二段代码可以看出集合是无序的,通过set() 可以把其他数据结构转换为集合,而且自动去重。

5. 集合遍历和访问

循环遍历:

# 集合遍历使用for
s1 = {5, 4, 3, 2, 1}
for x in s1:
    print(x, end=" ")
# 1 2 3 4 5

集合没有索引,不能使用索引获取对应元素,比如使用s[1] 会报错,想想为什么?

s1={1,2,3}
print(s1[1])
#     print(s1[1])
# TypeError: 'set' object does not support indexing

上面代码可以看到使用索引获取元素报错,根本原因是集合是无序的,不可hash。

6. 集合的交并补运算

数学符号 Python符号 含义
- 或| - 差集,相对补集
& 交集
| 并集
!= 不等于
== 等于
in 是成员关系
not in 非成员关系

例子

s1 = {1, 2, 3, 4, 5}
s2 = {4, 5, 6, 7, 8}

print(s1 - s2)  # 差集
# {1, 2, 3}
print(s2 - s1)
# {8, 6, 7}
print(s1 & s2)  # 交集
# {4, 5}
print(s1 | s2)  # 并集
# {1, 2, 3, 4, 5, 6, 7, 8}
print(s1 ^ s2)  # 交叉补集
# {1, 2, 3, 6, 7, 8}

print(6 in s1)
# False
print(6 not in s1)
# True

7. 操作集合的函数

  • len(set):集合元素个数
  • max(set):返回集合元素最大值
  • min(set):返回集合元素最小值
  • list(set):将集合转换为列表
  • del:删除集合,释放内存空间

8. 集合类定义的函数

方法 描述
add() 为集合添加元素
update() 给集合添加元素
clear() 移除集合中的所有元素
copy() 拷贝一个集合
pop() 随机移除元素
remove() 移除指定元素
discard() 删除集合中指定的元素
isdisjoint() 判断两个集合是否包含相同的元素,如果没有返回 True,否则返回 False。
issubset() 判断指定集合是否为该方法参数集合的子集。
issuperset() 判断该方法的参数集合是否为指定集合的子集
symmetric_difference() 返回两个集合中不重复的元素集合。
symmetric_difference_update() 移除当前集合中在另外一个指定集合相同的元素,并将另外一个指定集合中不同的元素插入到当前集合中。
union() 返回两个集合的并集,等同于 |
difference() 返回多个集合的差集,等同于 -
difference_update() 移除集合中的元素,该元素在指定的集合也存在。
intersection() 返回集合的交集
intersection_update() 返回集合的交集。

例子

s1 = {1, 2, 3}
s1.add(4)
s1.add(3)  # 添加重复元素,自动去重
print(s1)
# {1, 2, 3, 4}

s2 = {3, 4, 5}
s1.update(s2)
print(s1)
# {1, 2, 3, 4, 5}

s1.remove(1)
print(s1)
# {2, 3, 4, 5}

9. 集合各种操作时间复杂度

操作 平均情况 最坏情况
x in s O(1) O(n)
并集 s|t O(len(s)+len(t))
交集 s&t O(min(len(s), len(t)) O(len(s) * len(t))
差集 s-t O(len(s))
s.difference_update(t) O(len(t))
对称差集 s^t O(len(s)) O(len(s) * len(t))
s.symmetric_difference_update(t) O(len(t)) O(len(t) * len(s))

在这里插入图片描述

【附加阅读】

底层实现机制,面试常见问题

1. 集合底层数据结构

集合能如此高效,和它的内部的数据结构密不可分。不同于其他数据结构,集合的内部结构是一张哈希表:哈希表内只存储单一的元素。不了解哈希原理和特性的可网上搜索一下,以后我们也会写一些这方面内容。

2. 哈希表插入数据

当向集合中插入数据时,Python会根据通过 hash(valuse) 函数,计算该元素对应的哈希值。得到哈希值(例如为 hash)之后,再结合集合要存储数据的个数(例如 n),就可以得到该元素应该插入到哈希表中的位置(比如用 取模法 hash%n 方式)。

如果哈希表中此位置是空的,那么此元素就可以直接插入其中;反之,如果此位置已被其他元素占用,那么 Python 会比较这两个元素的哈希值是否相等:

重点:

  • 如果相等,则表明该元素已经存在,再比较他们的值,不相等就进行更新;
  • 如果不相等,这种情况称为哈希冲突(即两个元素的键不同,但求得的哈希值相同)。这种情况下,Python 会使用开放定址法、再哈希法等继续寻找哈希表中空余的位置,直到找到位置。
3. 哈希表查找数据

在哈希表中查找数据,和插入操作类似,Python 会根据哈希值,找到该元素应该存储到哈希表中的位置,然后和该位置的元素比较元素值:

  • 如果相等,则证明找到;
  • 反之,则证明当初存储该元素时,遇到了哈希冲突,需要继续使用当初解决哈希冲突的方法进行查找,直到找到该元素或者找到空位为止。 这里的找到空位,表示哈希表中没有存储目标元素。
3. 哈希表删除元素

对于删除操作,Python 会暂时对这个位置的元素赋于一个特殊的值,等到重新调整哈希表的大小时,再将其删除。

重点:

  • 需要注意的是,哈希冲突的发生往往会降低字典和集合操作的速度
  • 因此,为了保证其高效性,字典和集合内的哈希表,通常会保证其至少留有 1/3 的剩余空间。
  • 随着元素的不停插入,当剩余空间小于 1/3 时,Python 会重新获取更大的内存空间,扩充哈希表,与此同时,表内所有的元素位置都会被重新排放。

虽然哈希冲突和哈希表大小的调整,都会导致速度减缓,但是这种情况发生的次数极少。所以,平均情况下,仍能保证插入、查找和删除的时间复杂度为 O(1)

4. set 怎么判断两个元素是不是重复,怎么去重的?

set的去重是通过两个函数__hash____eq__结合实现的。

  • 当两个元素的哈希值不相同时,就认为这两个变量是不同的
  • 当两个元素哈希值一样时,调用__eq__方法,当返回值为True时认为这两个变量是同一个,应该去除一个。返回FALSE时,不去重。
易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!