- Python程序设计基础与应用
- 董付国
- 2224字
- 2022-06-01 16:55:56
3.5 集合
集合（set）属于Python无序可变序列，使用一对大括号作为定界符，元素之间使用逗号分隔，同一个集合内的每个元素都是唯一的，不允许重复。另外，集合中只能包含数字、字符串、元组等不可变类型的数据，而不能包含列表、字典、集合等可变类型的数据。
3.5.1 集合对象的创建与删除
直接将集合赋值给变量即可创建一个集合对象。
> > > a = {3, 5} #创建集合对象
也可以使用set()函数将列表、元组、字符串、range对象等其他可迭代对象转换为集合，如果原来的数据中存在重复元素，则在转换为集合的时候只保留一个；如果原序列或迭代对象中有不可散列的值，无法转换成为集合，抛出异常。
> > > a_set = set(range(8, 14)) #把range对象转换为集合
> > > a_set
{8, 9, 10, 11, 12, 13}
> > > b_set = set([0, 1, 2, 3, 0, 1, 2, 3, 7, 8])
#转换时自动去掉重复元素
> > > b_set
{0, 1, 2, 3, 7, 8}
> > > x = set() #空集合
当不再使用某个集合时，可以使用del命令删除整个集合。
3.5.2 集合操作与运算
（1）集合元素增加与删除
使用集合对象的add()方法可以增加新元素，如果该元素已存在则忽略该操作，不会抛出异常；update()方法用于合并另外一个集合中的元素到当前集合中，并自动去除重复元素。例如：
> > > s = {1, 2, 3}
> > > s.add(3) #添加元素，重复元素自动忽略
> > > s
{1, 2, 3}
> > > s.update({3,4}) #更新当前字典，自动忽略重复的元素
> > > s
{1, 2, 3, 4}
集合对象的pop()方法用于随机删除并返回集合中的一个元素，如果集合为空则抛出异常；remove()方法用于删除集合中的元素，如果指定元素不存在则抛出异常；discard()用于从集合中删除一个特定元素，如果元素不在集合中则忽略该操作。
> > > s.discard(5) #删除元素，不存在则忽略该操作
> > > s
{1, 2, 3, 4}
> > > s.remove(5) #删除元素，不存在就抛出异常
KeyError: 5
> > > s.pop() #删除并返回一个元素
1
（2）集合运算
内置函数len()、max()、min()、sum()、sorted()、map()、filter()、enumerate()等也适用于集合。另外，Python集合还支持数学意义上的交集、并集、差集等运算。例如：
> > > a_set = set([8, 9, 10, 11, 12, 13])
> > > b_set = {0, 1, 2, 3, 7, 8}
> > > a_set | b_set #并集
{0, 1, 2, 3, 7, 8, 9, 10, 11, 12, 13}
> > > a_set & b_set #交集
{8}
> > > a_set - b_set #差集
{9, 10, 11, 12, 13}
> > > a_set ^ b_set #对称差集
{0, 1, 2, 3, 7, 9, 10, 11, 12, 13}
需要注意的是，关系运算符>、>=、<、<=作用于集合时表示集合之间的包含关系，而不是集合中元素的大小关系。例如，两个集合A和B，如果A<B不成立，不代表A>=B就一定成立。
> > > {1, 2, 3} < {1, 2, 3, 4} #真子集
True
> > > {1, 2, 3} <= {1, 2, 3} #子集
True
3.5.3 集合应用案例
例3-5 使用集合快速提取序列中的唯一元素。
问题描述：所谓唯一元素，这里是指不重复的元素。也就是说，如果原序列中某个元素出现多次，那么只保留一个。
基本思路：首先使用列表推导式生成一个包含100个10000以内随机数的列表，然后把列表转换为集合，自动去除重复元素。
> > > import random
#生成100个10000以内的随机数
> > > listRandom = [random.choice(range(10000)) for i in range(100)]
> > > newSet = set(listRandom)
> > > print(newSet)
运行结果如下：
{1538, 5130, 9746, 6162, …} #略去更多结果
例3-6 获取指定范围内一定数量的不重复数字。
基本思路：主要利用集合元素不重复的特点，使用random模块中的randint()函数生成一个随机数，然后使用集合的add()方法将该随机数放入集合。如果集合中已经存在该数字则会自动忽略，如果不存在才会放入。
1. import random
2.
3. def randomNumbers(number, start, end):
4. ''’使用集合来生成number个介于start和end之间的不重复随机数’''
5. data = set()
6. while len(data)<number:
7. element = random.randint(start, end)
8. data.add(element)
9.
10. return data
11. data = randomNumbers(10, 1, 100)
12. print(data)
某次运行结果如下：
{67, 68, 35, 3, 71, 10, 81, 21, 24, 62}
当然，如果在项目中需要这样一个功能的时候，还是直接使用random模块的sample()函数更好一些。
> > > import random
> > > random.sample(range(1000), 20) #在指定分布中选取不重复元素
运行结果如下：
[61, 538, 873, 815, 708, 609, 995, 64, 7, 719, 922, 859, 807, 464, 789,651, 31, 702, 504, 25]
例3-7 测试指定列表中是否包含非法数据。
问题描述：这里所谓非法数据，是指不允许出现的数据。
基本思路：代码中假设lstColor是允许出现的合法数据，然后使用使用列表推导式生成一些随机数据，最后利用集合的差集运算来测试colors中是否只包含lstColor中的数据。
1. import random
2.
3. lstColor = ('red', 'green', 'blue')
4. colors = [random.choice(lstColor) for i in range(10000)]
5.
6. if set(colors)-set(lstColor): #转换为集合之后再比较
7. print('error')
例3-8 电影评分与推荐。
问题描述：假设已有大量用户对若干电影的评分数据，现有某用户，也看过一些电影并进行过评分，要求根据已有打分数据为该用户进行推荐。
基本思路：用基于用户的协同过滤算法，也就是根据用户喜好来确定与当前用户最相似的用户，然后再根据最相似用户的喜好为当前用户进行推荐。本例采用字典来存储打分数据，格式为{用户1:{电影名称1:打分1, 电影名称2:打分2,…}, 用户2:{…}}，首先在已有数据中查找与当前用户共同打分电影（使用集合的交集运算）数量最多的用户，如果有多个这样的用户就再从中选择打分最接近（打分的差距最小）的用户。代码中使用到了random模块中的randrange()函数，用来生成指定范围内的一个随机数。
1. from random import randrange
2.
3. #历史电影打分数据，一共10个用户，每个用户对3～9个电影进行评分
4. #每个电影的评分最低1分、最高5分，这里是字典推导式和集合推导式的用法
5. data = {'user'+str(i):{'film'+str(randrange(1, 15)):randrange(1, 6)
6. for j in range(randrange(3, 10))}
7. for i in range(10)}
8.
9. #模拟当前用户打分数据，为5部随机电影打分
10. user = {'film'+str(randrange(1, 15)):randrange(1,6) for i in range(5)}
11. #最相似的用户及其对电影打分情况
12. #两个用户共同打分的电影最多
13. #并且所有电影打分差值的平方和最小
14. f = lambda item:(-len(item[1].keys()&user),
15. sum(((item[1].get(film)-user.get(film))**2
16. for film in user.keys()&item[1].keys())))
17. similarUser, films = min(data.items(), key=f)
18.
19. #在输出结果中，第一列表示两个人共同打分的电影的数量
20. #第二列表示二人打分之间的相似度，数字越小表示越相似
21. #然后是该用户对电影的打分数据
22. print('known data'.center(50, '='))
23. for item in data.items():
24. print(len(item[1].keys()&user.keys()),
25. sum(((item[1].get(film)-user.get(film))**2
26. for film in user.keys()&item[1].keys())),
27. item,
28. sep=':')
29. print('current user'.center(50, '='))
30. print(user)
31. print('most similar user and his films'.center(50, '='))
32. print(similarUser, films, sep=':')
33. print('recommended film'.center(50, '='))
34. #在当前用户没看过的电影中选择打分最高的进行推荐
35. print(max(films.keys()-user.keys(), key=lambda film: films[film]))
某次运行结果如图3-3所示，在所有已知用户中，user7和user9都与当前用户共同打分的电影数量最多，都是3。但是，user7与当前用户打分的距离是9，而user9的距离是20，所以user7与当前用户更接近一些，最终选择该用户进行推荐。
图3-3 运行结果