python 小知识 -set 妙用

2022-11-01
福建
本文字数：1116 字
阅读完需：约 4 分钟

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}

复制代码

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}

复制代码

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 globdir_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)

复制代码

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 globdir_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)

复制代码

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 globdir_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)

复制代码

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 randomimport timedata3 = [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