【Devops】Python运维自动化之集合Set

集合Set

集合，简称集。由任意个元素构成的集体。高级语言都实现了这个非常重要的数据结构类型。
Python中，它是可变的、无序的、不重复的元素的集合。

hash表

Python中的集合（set）是基于哈希表（Hash Table）实现的，但严格来说，集合并不等同于哈希表，而是使用了哈希表的数据结构来实现其内部机制。

初始化

set() -> new empty set object
set(iterable) -> new set object

s1 = set()  #输出的就是 set()
s2 = set(range(5))
s3 = set([1, 2, 3])
s4 = set('abcdabcd')
s5 = {} # 这是什么？ 输出的就是 {}
s6 = {1, 2, 3}
s7 = {1, (1,)}
s8 = {1, (1,), [1]} # ？报错 unhashable type: 'list' 翻译：不可哈希类型：‘list’

元素性质

去重：在集合中，所有元素必须相异
无序：因为无序，所以不可索引
可哈希：Python集合中的元素必须可以hash，即元素都可以使用内建函数hash
- 目前学过不可hash的类型有：list、set、bytearray
可迭代：set中虽然元素不一样，但元素都可以迭代出来

#去重
输入：{*range(5),*[1,2,3]}
输出：{0, 1, 2, 3, 4}


#不可hash
{[1,2]},{{}},{{1}}
TypeError: unhashable type: 'list'
TypeError: unhashable type: 'dict'
TypeError: unhashable type: 'set'

增加

add(elem)
增加一个元素到set中
如果元素存在，什么都不做
update(*others)
合并其他元素到set集合中来
参数others必须是可迭代对象
就地修改

s = set()
s.add(1)  #{1}
s.update((1,2,3), [2,3,4]) #{1,2,3,4}


x = set(1)  #{1}
x.add('abc') #{1,'abc'}
x.update('abc') #{1,'a','abc','b','c'}
x.update(['xyz']) #{'a', 'abc', 'b', 'c', 'xyz'}

删除

remove(elem)
- 从set中移除一个元素
- 元素不存在，抛出KeyError异常。为什么是KeyError？ #唯一不重复
discard(elem)
- 从set中移除一个元素
- 元素不存在，什么都不做
pop() -> item
- 移除并返回任意的元素。为什么是任意元素？
- 空集返回KeyError异常
clear()
- 移除所有元素

s = set(range(10))  #{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
s.remove(0)         #{1, 2, 3, 4, 5, 6, 7, 8, 9}
#s.remove(11) # KeyError为什么  KeyError: 11 没找到
s.discard(11)
s.pop()
s.clear()#清空

修改

集合类型没有修改。因为元素唯一。如果元素能够加入到集合中，说明它和别的元素不一样。
所谓修改，其实就是把当前元素改成一个完全不同的元素，就是删除加入新元素。

s = {1,2,3}
s.remove{2}
s.add{4}

索引

非线性结构，不可索引。

遍历

只要是容器，都可以遍历元素。但是效率都是O(n)

查询

s = {(1,),2}
1 in s,2 in s  #(False, True)

成员运算符in

 print(10 in [1, 2, 3])
 print(10 in {1, 2, 3})

上面2句代码，分别在列表和集合中搜索元素。如果列表和集合的元素都有100万个，谁的效率高？

答：集合

IPython魔术方法

IPython内置的特殊方法，使用%百分号开头的

% 开头是line magic
%% 开头是 cell magic，notebook的cell

%timeit statement 
-n 一个循环loop执行语句多少次
-r 循环执行多少次loop，取最好的结果
%%timeit setup_code
  * code.....
  
# 下面写一行，列表每次都要创建，这样写不好
%timeit (-1 in list(range(100)))
# 下面写在一个cell中，写在setup中，列表创建一次
%%timeit l=list(range(1000000))
-1 in l


#这里，%timeit会测量检查-1是否存在于由range(100)生成的集合中的总时间。注意，由于set(range(100))在每次迭代时都会重新创建，这可能会影响性能测量的准确性，因为创建集合本身也是有时间开销的。
%timeit (-1 in set(range(100)))


#当您使用%%timeit时，它会对一个代码块（由多行组成）进行多次执行，并返回每次执行的平均时间。它非常适合测量包含多个语句的代码段的性能。
 %%timeit  x=set((range(100)))
 -1 in x

set和线性结构比较

%%timeit x=list(range(100))
-1 in x
669 ns ± 24.8 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

%%timeit x=list(range(1000000))
-1 in x
6.19 ms ± 267 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%%timeit x=set(range(100))
-1 in x
22.2 ns ± 1.4 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)

%%timeit x=set(range(1000000))
-1 in x
20.6 ns ± 3.74 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)

结果说明，集合性能很好。为什么？

线性数据结构，搜索元素的时间复杂度是O(n)，即随着数据规模增加耗时增大
set、dict使用hash表实现，内部使用hash值作为key，时间复杂度为O(1)，查询时间和数据规模无
关，不会随着数据规模增大而搜索性能下降。

可哈希

数值型int、float、complex
布尔型True、False
字符串string、bytes
tuple
None
以上都是不可变类型，称为可哈希类型，hashable

set元素必须是可hash的.

在这里插入图片描述

集合概念

全集
所有元素的集合。例如实数集，所有实数组成的集合就是全集
子集subset和超集superset
一个集合A所有元素都在另一个集合B内，A是B的子集，B是A的超集
真子集和真超集
A是B的子集，且A不等于B，A就是B的真子集，B是A的真超集
并集：多个集合合并的结果
交集：多个集合的公共部分
差集：集合中除去和其他集合公共部分

并集

在这里插入图片描述

将两个集合A和B的所有的元素合并到一起，组成的集合称作集合A与集合B的并集

union(*others) 返回和多个集合合并后的新的集合
| 运算符重载，等同union
update(*others) 和多个集合合并，就地修改
|= 等同update

|  运算符重载，等同union
a = set(range(5))
b = set(range(5,10))
输入：a | b 
输出：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}


|= 等同update
a = set(range(5))
b = set(range(5,10))
输入：a |= b
     a,b
输出：({0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, {5, 6, 7, 8, 9})

交集

在这里插入图片描述

集合A和B，由所有属于A且属于B的元素组成的集合

intersection(*others) 返回和多个集合的交集
& 等同intersection
intersection_update(*others) 获取和多个集合的交集，并就地修改
&= 等同intersection_update

& 等同intersection
a = set(range(5))
b = set(range(3,7))
输入：a & b,a,b
输出：({3, 4}, {0, 1, 2, 3, 4}, {3, 4, 5, 6})

&= 等同intersection_update
a = set(range(5))
b = set(range(3,7))
输入：a &= b
     a
输出：{3, 4}

差集

在这里插入图片描述

集合A和B，由所有属于A且不属于B的元素组成的集合

difference(*others) 返回和多个集合的差集
‘-’ 等同difference
difference_update(*others) 获取和多个集合的差集并就地修改
-= 等同difference_update

- 等同difference
a = set(range(5)) #{0,1,2,3,4}
b = set(range(3,7)) #{3,4,5,6}
输入：a - b
输出：{0, 1, 2}

-= 等同difference_update
a = set(range(5))
b = set(range(3,7))
输入：a - b
     a
输出：{0, 1, 2}   


#difference(*others) 返回和多个集合的差集
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
 
# 计算 set1 和 set2 的差集
result = set1.difference(set2)
print(result)  # 输出: {1, 2, 3}

对称差集

在这里插入图片描述

集合A和B，由所有不属于A和B的交集元素组成的集合，记作（A-B）∪（B-A）

symmetric_differece(*other) 返回和另一个集合的对称差集
^ 等同symmetric_differece
symmetric_differece_update(*other) 获取和另一个集合的对称差集并就地修改
^= 等同symmetric_differece_update

#^ 等同symmetric_differece
a = set(range(5)) #{0,1,2,3,4}
b = set(range(3,7)) #{3,4,5,6}
输入：a ^ b
输出：{0, 1, 2, 5, 6}

#^= 等同symmetric_differece_update
a = set(range(5))
b = set(range(3,7))
输入：a ^= b
	 a
输出：{0, 1, 2, 5, 6}

其它集合运算

issubset(other)、<= 判断当前集合是否是另一个集合的子集
set1 < set2 判断set1是否是set2的真子集
issuperset(other)、>= 判断当前集合是否是other的超集
set1 > set2 判断set1是否是set2的真超集
isdisjoint(*other) 当前集合和另一个集合没有交集，没有交集，返回True

#issubset(other)、<= 判断当前集合是否是另一个集合的子集
a = set(range(5))
b = set(range(3,7))
输入：a.issubset(b)
输出：False

a = set(range(5)) #{0,1,2,3,4}
b = set(range(7)) #{0,1,2,3,4,5,6}
输入：a.issubset(b)
输出：True

#set1 < set2 判断set1是否是set2的真子集
a = set(range(5))
b = set(range(7))
输入：a < b
输出：True

#issuperset(*other)、>= 判断当前集合是否是other的超集
a = {1, 2, 3, 4}
b = {1, 2}
c = {3, 4}

print(a.issuperset(b))  # 输出: True
print(a.issuperset(c))  # 输出: True
print(a.issuperset(b, c))  # 抛出 TypeError，因为 issuperset 不接受多个集合作为位置参数（除非它们被打包成一个可迭代对象）
print(a.issuperset([1, 2, 5]))  # 输出: False，因为 5 不在 a 中

#isdisjoint(*other) 当前集合和另一个集合没有交集，没有交集，返回True
a = set(range(5))
b = set(range(5,7))
输入：a.isdisjoint(b)
输出：True