set 函数介绍

在Python中，集合（Set）是一种无序且元素唯一的数据结构。集合中的元素不能重复，即每个元素在集合中只能出现一次。

集合是一种高效的查找结构。

Python 中的集合（set）通常是通过哈希表实现的。哈希表是一种数据结构，它使用哈希函数将键映射到存储桶（buckets）中，以便在常数时间复杂度内执行插入、删除和查找操作。换言之，无论集合中有多少个元素，查找某个元素所需的时间都是固定的，与集合的大小无关。因此在大数据量的情况下，集合仍然具有高效的性能。

在《【数据分析面试】26.判断相同字符》中，答案使用了<code>set()函数将字符串转换为集合。set()函数会创建一个新的集合对象，并且会去除字符串中重复的字符，因为集合中的元素是唯一的。然后通过len()函数获取集合的长度，如果集合的长度为1，说明字符串中的所有字符都相同，即集合中只包含一个元素，因此返回True，否则返回False。

集合的其他常见用法包括：

去除重复元素：和unique用法相似：df['列名'].unique() 和 set(df['列名])得到的结果相同。快速查找：由于集合的特性是每个元素都是唯一的，因此在集合中查找元素的速度非常快。集合运算：比如集合的交、并、差等。

代码示例

创建集合

# 从列表创建集合

my_list = [1, 2, 3, 3, 4]

my_set = set(my_list)

print(my_set) # 输出：{1, 2, 3, 4}

# 从字符串创建集合

my_string = "hello"

my_set = set(my_string)

print(my_set) # 输出：{'l', 'o', 'h', 'e'}

# 从元组创建集合

my_tuple = (1, 2, 3, 3, 4)

my_set = set(my_tuple)

print(my_set) # 输出：{1, 2, 3, 4}

求唯一值

import pandas as pd

import numpy as np

# 创建水果列表

fruits = ['苹果', '香蕉', '橙子']

# 随机生成包含 20 行的 DataFrame

df= pd.DataFrame({ -- -->

'水果': np.random.choice(fruits, 20),

'数量': np.random.randint(1, 10, 20), # 生成随机数量

'价格': np.random.uniform(1.0, 10.0, 20) # 生成随机价格

})

set(df['水果']) # 返回：{'橙子', '苹果', '香蕉'}

df['水果'].unique() # 返回：array(['苹果', '橙子', '香蕉'], dtype=object)

#如果使用print,则都返回：{'苹果', '香蕉', '橙子'}

快速查找

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

print(3 in my_set) # 输出: True

集合的运算

add (添加元素):

s = { 1, 2, 3}

s.add(4) # 添加元素4到集合s中

clear (清空):

s = { 1, 2, 3}

s.clear() # 清空集合s中的所有元素

copy (复制):

s = { 1, 2, 3}

t = s.copy() # 复制集合s到集合t中

difference (差集):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

diff = s1.difference(s2) # 返回s1中存在但s2中不存在的元素

diff # 返回s1：{1,2}

difference_update (差集更新):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

s1.difference_update(s2) # 从s1中移除s2中存在的元素

s1 # 返回：{1,2}

discard (移除):

s = { 1, 2, 3}

s.discard(2) # 移除集合s中的元素2

s # 返回：{1,3}

intersection (交集):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

intersection = s1.intersection(s2) # 返回同时存在于s1和s2中的元素

intersection # 返回: {3}

intersection_update (交集更新):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

s1.intersection_update(s2) # 保留同时存在于s1和s2中的元素到s1中

s1 # 返回: {3}

isdisjoint (不相交):

s1 = { 1, 2, 3}

s2 = { 4, 5, 6}

disjoint = s1.isdisjoint(s2) # 如果s1和s2没有共同元素则返回True

disjoint # 返回：True

issubset (子集):

s1 = { 1, 2}

s2 = { 1, 2, 3, 4}

subset = s1.issubset(s2) # 如果s1是s2的子集则返回True

subset # 返回：True

issuperset (超集):

s1 = { 1, 2, 3, 4}

s2 = { 1, 2}

superset = s1.issuperset(s2) # 如果s1包含s2则返回True

superset # 返回：True

pop (弹出):

s = { 1, 2, 3}

popped = s.pop() # 弹出并返回集合s中的任意元素

popped # 返回：1（示例中可能得到的任意元素）

remove (移除):

s = { 1, 2, 3}

s.remove(2) # 从集合s中移除元素2，如果不存在则引发错误

s # 返回：{1, 3}

symmetric_difference (对称差集):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

sym_diff = s1.symmetric_difference(s2) # 返回仅存在于一个集合中的元素

sym_diff # 返回：{1, 2, 4, 5}

symmetric_difference_update (对称差集更新):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

s1.symmetric_difference_update(s2) # 更新s1为仅存在于一个集合中的元素

s1 # 返回：{1, 2, 4, 5}

union (并集):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

union_set = s1.union(s2) # 返回s1和s2的所有元素的集合

union_set # 返回：{1, 2, 3, 4, 5}

update (更新):

s1 = { 1, 2, 3}

s2 = { 3, 4, 5}

s1.update(s2) # 将s2中的元素添加到s1中

s1 # 返回：{1, 2, 3, 4, 5}