Наборы Python: что, почему и как
Python оснащен несколькими встроенными типами данных, которые помогают нам организовать наши данные. Эти структуры включают lists, dictionaries, tuples и sets.
Набор set — это неупорядоченная коллекция без повторяющихся элементов. Основные виды использования включают проверку членства и устранение повторяющихся записей. Объекты множества также поддерживают математические операции, такие как объединение, пересечение, разность и симметричная разность.
В этой статье рассмотрим каждый из элементов, перечисленных в приведенном выше определении. Давайте начнем прямо сейчас и посмотрим, как мы можем их создать.
Инициализация набора
Есть два способа создать набор: один — использовать встроенную функцию set() и передать список list элементов, а другой — использовать фигурные скобки {}.
Инициализация набора с помощью встроенной функции set()
>>> s1 = set([1, 2, 3])
>>> s1
{1, 2, 3}
>>> type(s1)
<class 'set'>
Инициализация набора с помощью фигурных скобок {}
>>> s2 = {3, 4, 5}
>>> s2
{3, 4, 5}
>>> type(s2)
<class 'set'>
>>>
>>> s = {}
>>> type(s)
<class 'dict'>
Это хороший момент, чтобы упомянуть, что для простоты все примеры, представленные в этой статье, будут использовать однозначные целые числа, но наборы могут иметь все хешируемые типы данных, которые поддерживает Python. Другими словами, целые числа, строки и кортежи, но не изменяемые элементы, такие как списки или словари:
>>> s = {1, 'coffee', [4, 'python']}
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: unhashable type: 'list'
Теперь, когда вы знаете, как создать набор и какие типы элементов в нем могут быть, давайте продолжим и посмотрим, почему мы всегда должны иметь их в своем арсенале.
Почему вы должны использовать их
Мы можем писать код более чем одним способом. Некоторые считаются довольно плохими, а другие — четкими, лаконичными и удобными в сопровождении.
Давайте начнем изучать, как наборы Python могут помочь нам не только в удобочитаемости, но и во времени выполнения нашей программы.
Неупорядоченный набор элементов
Прежде всего: вы не можете получить доступ к заданному set объекту с помощью индексов.
>>> s = {1, 2, 3}
>>> s[0]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'set' object does not support indexing
Или изменить их с помощью фрагментов:
>>> s[0:2]
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: 'set' object is not subscriptable
НО, если нам нужно удалить дубликаты или выполнить математические операции, такие как объединение списков (объединений), мы можем и ДОЛЖНЫ всегда использовать наборы.
Нет повторяющихся элементов
>>> 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]
Или использовал понимание списка:
>>> 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]
Но ничего, это уже не имеет значения, потому что теперь у нас есть наборы:
>>> my_list = [1, 2, 3, 2, 3, 4]
>>> no_duplicate_list = list(set(my_list))
>>> no_duplicate_list
[1, 2, 3, 4]
Устанавливает производительность
Теперь воспользуемся модулем timeit и посмотрим время выполнения списков и наборов при удалении дубликатов:
>>> 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 =)
Мы не только пишем меньше строк кода с наборами, чем со списками, мы также получаем более читаемый и производительный код.
Из Zen of Python:
Красивое лучше некрасивого.
Явное лучше неявного.
Простое лучше сложного.
Плоский лучше, чем вложенный..
Разве множества не бывают просто Beautiful, Explicit, Simple и Flat?
Тесты на членство
Каждый раз, когда мы используем оператор if, чтобы проверить, находится ли элемент, например, в списке, вы выполняете тест на членство:
my_list = [1, 2, 3]
>>> if 2 in my_list:
... print('Yes, this is a membership test!')
...
# Yes, this is a membership test!
И наборы более эффективны, чем списки при их выполнении::
>>> 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
Приведенные выше тесты взяты из Stack Overflow .
Поэтому, если вы выполняете подобные сравнения в массивных списках, это должно немного ускорить вас, если вы преобразуете этот список в набор.
Добавление элементов
В зависимости от количества добавляемых элементов нам придется выбирать между add() и update() методами.
add() Добавит один элемент:
>>> s = {1, 2, 3}
>>> s.add(4)
>>> s
{1, 2, 3, 4}
И update() несколько:
>>> s = {1, 2, 3}
>>> s.update([2, 3, 4, 5, 6])
>>> s
{1, 2, 3, 4, 5, 6}
Помните, наборы удаляют дубликаты.
Удаление элементов
Если вы хотите получать оповещения, когда ваш код пытается удалить элемент, которого нет в наборе, используйте метод remove(). В противном случае discard() предоставляет подходящую альтернативу:
>>> 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() не вызовет никаких ошибок:
>>> s = {1, 2, 3}
>>> s.discard(3)
>>> s
{1, 2}
>>> s.discard(3)
>>> # nothing happens!
Мы также можем использовать pop() для случайного удаления элемента:
>>> s = {1, 2, 3, 4, 5}
>>> s.pop() # removes an arbitrary element
1
>>> s
{2, 3, 4, 5}
Или clear(), чтобы удалить все значения из набора:
>>> s = {1, 2, 3, 4, 5}
>>> s.clear() # discard all the items
>>> s
set()
Метод union()
union() или | создаст новый набор, содержащий все элементы из предоставленных наборов:
>>> s1 = {1, 2, 3}
>>> s2 = {3, 4, 5}
>>> s1.union(s2) # or 's1 | s2'
{1, 2, 3, 4, 5}
Метод intersection()
intersection или & вернет набор, содержащий только те элементы, которые являются общими для всех них:
>>> s1 = {1, 2, 3}
>>> s2 = {2, 3, 4}
>>> s3 = {3, 4, 5}
>>> s1.intersection(s2, s3) # or 's1 & s2 & s3'
{3}
Метод difference()
Difference создает новый набор со значениями, которые находятся в "s1", но не в "s2":
>>> s1 = {1, 2, 3}
>>> s2 = {2, 3, 4}
>>> s1.difference(s2) # or 's1 - s2'
{1}
symmetric_difference()
symmetric_difference или ^ вернет все значения, которые не являются общими для наборов.
>>> s1 = {1, 2, 3}
>>> s2 = {2, 3, 4}
>>> s1.symmetric_difference(s2) # or 's1 ^ s2'
{1, 4}
Заключение
Надеемся, что после прочтения этой статьи вы узнали, что такое множества, как манипулировать их элементами и операции, которые они могут выполнять. Знание того, когда использовать набор, определенно поможет вам написать более чистый код и ускорить ваши программы.