Python 教程 / 集合去重、成员判断与集合运算
Python 集合保存不重复的可哈希元素,适合判断成员是否存在,以及计算两个数据集合之间的交集、差集等关系。转换为集合会丢失重复次数和位置顺序,操作前应确认这些信息可以舍弃。
创建集合并理解基本运算
非空集合可以写成 {"food", "books"},空集合用 set()创建。空花括号 {}创建的是字典,不是集合。列表和字典本身不可哈希,不能直接成为集合元素;字符串、整数等可哈希值则常用于成员判断。
集合没有按位置读取的索引,也不提供有业务意义的显示顺序。不能把某次打印时看到的排列当作以后都会保持的记录顺序。需要稳定输出时,可以对可比较的元素排序后显示。
| 表达式 | 含义 |
|---|---|
| a | b | 并集:属于任意一边的元素。 |
| a & b | 交集:两边都有的元素。 |
| a - b | 差集:属于 a 但不属于 b 的元素。 |
| a ^ b | 对称差集:只属于其中一边的元素。 |
差集有方向,a - b与 b - a通常不同;并集和交集则分别表示合并与共同部分。官方定义见Python 集合类型说明。
比较已使用分类与允许分类
将以下完整内容保存为独立练习目录中的 UTF-8 文件 sets.py。在项目环境执行 python sets.py;macOS、Ubuntu 如果使用 python3,按核对过的解释器路径运行。
used = {"food", "transport", "food"}
allowed = {"food", "books"}
print(sorted(used))
print(sorted(used & allowed))
print(sorted(used - allowed))
used.discard("missing")
print("food" in used)
预期输出:
['food', 'transport']
['food']
['transport']
True
used中重复写了 food,但实际只保留一个 food 元素。used & allowed得到已使用且被允许的 food;used - allowed找出不在允许清单中的 transport。
示例用 sorted()把结果转换成排序列表再显示,所以输出中出现方括号。这使同样的数据便于对照,并不是集合本身变成了有序容器。最后一行的 in检查 food 是否属于 used,得到 True。
区分去重、验证与保留重复记录
集合适合保存“出现过哪些分类”,但不能保存“每个分类出现几次”。如果要保留字符串首次出现的顺序并去重,可用 list(dict.fromkeys(items));它仍要求键可哈希,也不会保留每种值原来的出现次数。
例如两笔支出都是 8000,它们可能是两次真实交易。原金额列表 [8000, 8000]的合计为 16000,转换成集合后只剩一个 8000,再求和就错误地减少了一笔。数值相同与交易重复并不是同一个判断。
交易去重应考虑稳定的交易 ID,并规定重复 ID 是拒绝、更新还是另行核查。不能仅用金额或分类相同就自动删除记录。如果原始数据要求所有 ID 唯一,也应报告违反规则的记录,而不是只把它们塞进集合后把问题隐藏。
分类汇总需要保留每一笔金额时,应保持记录序列,再用字典累计分类合计,参见字典分类金额汇总。集合可辅助检查分类是否合法,但不能替代原始交易记录。
有意选择删除行为并测试变化
remove(value)要求元素存在,不存在时抛出 KeyError;discard(value)允许它本来就不存在。示例中的 missing 没有出现,discard()仍可继续执行。如果“必须存在”是数据约束,改用不会报错的方法可能掩盖异常。
- 给 used 再次添加 food,集合大小仍应是
2,重复值不会增加新元素。 - 给 used 添加 books,交集排序结果应变为
['books', 'food'];差集仍是['transport']。 - 恢复最初的 used,重新运行完整程序,检查四行输出回到原结果。
若尝试用 used[0]读取“第一个元素”,会得到 TypeError。如果业务依赖位置和重复次数,应选择列表;需要固定位置的短记录可用元组;按字段名或键读取则用字典。数据结构的选择应以需要保留的信息为依据。




