【Python】set() 函数详解：集合运算、查找、去重 （附代码示例）

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 pdimport 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 DataFramedf= 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2s # 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Truedisjoint # 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Truesubset # 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Truesuperset # 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}