Python数据结构讲解集合

简介: Python数据结构讲解集合

在Python中,集合(Set)是一种无序且不包含重复元素的数据结构。集合的主要用途是成员关系测试和消除重复元素。

定义集合

集合使用大括号 {} 定义,元素之间用逗号分隔。

 

# 定义一个空集合

 

empty_set = set()

 

 

 

# 定义一个包含多个元素的集合

 

numbers = {1, 2, 3, 4, 5}

 

 

 

# 集合自动去除重复元素

 

duplicate_set = {1, 2, 2, 3, 3, 3}

 

print(duplicate_set) # 输出:{1, 2, 3}

 

 

 

# 集合中的元素必须是可哈希的(immutable),因此列表和字典不能直接作为集合元素

 

# 以下代码会引发错误

 

# invalid_set = {[1, 2], {1: 'a'}}

访问集合元素

由于集合是无序的,你不能通过索引来访问集合中的元素。但是,你可以通过循环来遍历集合中的元素。

 

# 遍历集合中的所有元素

 

for number in numbers:

 

print(number)

 

# 输出:

 

# 1

 

# 2

 

# 3

 

# 4

 

# 5

添加元素到集合

你可以使用 add() 方法或 update() 方法来向集合中添加元素。

 

# 使用add()方法添加单个元素

 

numbers.add(6)

 

print(numbers) # 输出:{1, 2, 3, 4, 5, 6}

 

 

 

# 使用update()方法添加多个元素

 

numbers.update([7, 8, 9])

 

print(numbers) # 输出:{1, 2, 3, 4, 5, 6, 7, 8, 9}

删除集合元素

你可以使用 remove() 方法来删除集合中的单个元素,或使用 discard() 方法来尝试删除元素(如果元素不存在则不会引发错误)。另外,pop() 方法可以删除并返回集合中的任意一个元素,而 clear() 方法可以清空整个集合。

 

# 使用remove()方法删除元素

 

numbers.remove(6)

 

print(numbers) # 输出:{1, 2, 3, 4, 5, 7, 8, 9}

 

 

 

# 使用discard()方法尝试删除元素

 

numbers.discard(10) # 如果10不在集合中,则不会有任何影响

 

print(numbers) # 输出:{1, 2, 3, 4, 5, 7, 8, 9}

 

 

 

# 使用pop()方法删除并返回集合中的任意元素

 

popped_element = numbers.pop()

 

print(popped_element) # 输出集合中的一个元素,例如:9

 

print(numbers) # 输出:{1, 2, 3, 4, 5, 7, 8}

 

 

 

# 使用clear()方法清空集合

 

numbers.clear()

 

print(numbers) # 输出:set()

集合的交集、并集和差集

你还可以对集合执行数学上的集合运算,如交集、并集和差集。

 

# 定义两个集合

 

set_a = {1, 2, 3, 4}

 

set_b = {3, 4, 5, 6}

 

 

 

# 交集

 

intersection = set_a & set_b

 

print(intersection) # 输出:{3, 4}

 

 

 

# 并集

 

union = set_a | set_b

 

print(union) # 输出:{1, 2, 3, 4, 5, 6}

 

 

 

# 差集(set_a中存在但set_b中不存在的元素)

 

difference = set_a - set_b

 

print(difference) # 输出:{1, 2}

 

 

 

# 对称差集(在两个集合中只有一个存在的元素)

 

symmetric_difference = set_a ^ set_b

 

print(symmetric_difference) # 输出:{1, 2, 5, 6}

集合在Python中是一种非常有用的数据结构,特别是在需要快速检查成员关系或消除重复元素时。由于集合是无序的,它们不支持索引操作,但提供了高效的集合运算和成员关系测试。

 

目录
相关文章
|
1月前
|
Java 数据挖掘 数据处理
(Pandas)Python做数据处理必选框架之一!(一):介绍Pandas中的两个数据结构;刨析Series:如何访问数据;数据去重、取众数、总和、标准差、方差、平均值等;判断缺失值、获取索引...
Pandas 是一个开源的数据分析和数据处理库,它是基于 Python 编程语言的。 Pandas 提供了易于使用的数据结构和数据分析工具,特别适用于处理结构化数据,如表格型数据(类似于Excel表格)。 Pandas 是数据科学和分析领域中常用的工具之一,它使得用户能够轻松地从各种数据源中导入数据,并对数据进行高效的操作和分析。 Pandas 主要引入了两种新的数据结构:Series 和 DataFrame。
355 0
|
2月前
|
存储 JSON 算法
Python集合:高效处理无序唯一数据的利器
Python集合是一种高效的数据结构,具备自动去重、快速成员检测和无序性等特点,适用于数据去重、集合运算和性能优化等场景。本文通过实例详解其用法与技巧。
130 0
|
3月前
|
存储 索引 Python
python 集合的所有基础知识
python 集合的所有基础知识
173 0
|
1月前
|
存储 Java 索引
(Python基础)新时代语言!一起学习Python吧!(二):字符编码由来;Python字符串、字符串格式化;list集合和tuple元组区别
字符编码 我们要清楚,计算机最开始的表达都是由二进制而来 我们要想通过二进制来表示我们熟知的字符看看以下的变化 例如: 1 的二进制编码为 0000 0001 我们通过A这个字符,让其在计算机内部存储(现如今,A 字符在地址通常表示为65) 现在拿A举例: 在计算机内部 A字符,它本身表示为 65这个数,在计算机底层会转为二进制码 也意味着A字符在底层表示为 1000001 通过这样的字符表示进行转换,逐步发展为拥有127个字符的编码存储到计算机中,这个编码表也被称为ASCII编码。 但随时代变迁,ASCII编码逐渐暴露短板,全球有上百种语言,光是ASCII编码并不能够满足需求
134 4
|
2月前
|
机器学习/深度学习 数据采集 并行计算
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
330 2
|
4月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
151 1
|
5月前
|
存储 安全 Java
Java 集合面试题从数据结构到 HashMap 源码剖析详解及长尾考点梳理
本文深入解析Java集合框架,涵盖基础概念、常见集合类型及HashMap的底层数据结构与源码实现。从Collection、Map到Iterator接口,逐一剖析其特性与应用场景。重点解读HashMap在JDK1.7与1.8中的数据结构演变,包括数组+链表+红黑树优化,以及put方法和扩容机制的实现细节。结合订单管理与用户权限管理等实际案例,展示集合框架的应用价值,助你全面掌握相关知识,轻松应对面试与开发需求。
294 3
|
7月前
|
存储 缓存 安全
Python frozenset 集合详解:不可变集合的终极指南
frozenset是Python中一个常被忽视但极具价值的不可变集合类型。本文深入解析其本质、操作方法与应用场景,揭示其通过不可变性带来的安全性与性能优势。从底层实现到实战案例,涵盖字典键使用、缓存优化及类型注解等高级场景。同时对比性能数据,提供最佳实践指南,并展望Python 3.11+中的优化。掌握frozenset,可为代码带来更强健性与效率,适合多种特定需求场景。
296 5
|
11月前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
307 66

热门文章

最新文章

推荐镜像

更多
下一篇
oss云网关配置