python小知识-set妙用

python中提供了好用的数据结构，比如列表，字典和集合等。列表和字典是最常用的，而今天要分享的集合set也有独特的妙用。

1.set的特性

首先我们来看看集合的特性，

• 在集合中，所有元素都是不同
• 集合是无序，所以不可索引
• 集合和字字典一样都是都是hash存储，有利于查找

data = [1, 1, 1, 2, 3, 3, 3, 5]
print(set(data))
# {1, 2, 3, 5}

集合的常用操作有：

• 交集： 求公共部分
• 并集：合并两个集合，同时去重
• 差集：不同的部分

data = [1, 1, 1, 2, 3, 3, 3, 5]
data2 = [2, 2, 5]
set1 = set(data)
set2 = set(data2)
print("union:", set1.union(set2))
print("intersection:", set1.intersection(set2))
print("difference:", set1.difference(set2))

# union: {1, 2, 3, 5}
# intersection: {2, 5}
# difference: {1, 3}

2.set妙用场景一

如果有两个文件夹，我们想筛查出两个文件夹中共同的部分，应该怎么写这个过程？

import glob
dir_name1 = './test1/'
dir_name2 = './test2/'

file_list1 = glob.glob('{}/*'.format(dir_name1))
file_list2 = glob.glob('{}/*'.format(dir_name2))

ret = []
for file1 in file_list1:
    for file2 in file_list2:
        if file1 == file2:
            ret.append(file1)

用列表来查找显然是效率低下的，时间复杂度O(N*M) N和M是列表的长度

另外一个用空间换时间，用字典

import glob
dir_name1 = './test1/'
dir_name2 = './test2/'

file_list1 = glob.glob('{}/*'.format(dir_name1))
file_list2 = glob.glob('{}/*'.format(dir_name2))

file_dict2 = { name: 0 for name in file_list2}
ret = []
for file1 in file_list1:
    if file_dict2.get(file1) is not None:
        ret.append(file1)

用字典的hash值直接查找效率是O(1), 只要扫一遍列表1， 复杂度为O(N)

如果用集合set呢？

import glob
dir_name1 = './test1/'
dir_name2 = './test2/'

file_list1 = glob.glob('{}/*'.format(dir_name1))
file_list2 = glob.glob('{}/*'.format(dir_name2))


ret = set(file_list1).union(file_list2)

更加简洁，时间复杂度平均为O(N+M)

3.set妙用场景二

set是hash结构存储的，所以只要set构建完成之后查找元素的效率是高于list的。

import random
import time
data3 = [i for i in range(100000000)]

t = time.time()
print(100000000 in data3)
print(time.time() - t)
# False
# 1.5218188762664795

set_data = set(data3)
t = time.time()
print(100000000 in set_data)
print(time.time() - t)
# False
# 0.0

上面的例子，印证了set的查询效率是高于list的；但是构建集合也是需要发时间的，所以比较适合频繁判断的情况(一次构建，多次查询)

希望set的妙用对你有帮助