Heim > Backend-Entwicklung > Python-Tutorial > Wie kann man die Mengendifferenz zwischen Listen in Python effizient berechnen?

Wie kann man die Mengendifferenz zwischen Listen in Python effizient berechnen?

Susan Sarandon
Freigeben: 2024-12-13 07:46:13
Original
772 Leute haben es durchsucht

How to Efficiently Calculate Set Difference Between Lists in Python?

Differenz in Listen mit pythonischen Konstruktionen festlegen

Bei der Arbeit mit Listen ist es oft notwendig, Operationen wie das Subtrahieren einer Liste von einer anderen durchzuführen . In Python ist diese Operation als Mengendifferenz bekannt und beinhaltet das Entfernen aller Elemente einer Liste, die auch in der anderen Liste vorkommen.

Ein naiver Ansatz zur Durchführung einer Mengendifferenz mithilfe von Schleifen wäre aufgrund seiner Linearität ineffizient Zeitkomplexität. Allerdings bietet Python effizientere und idiomatischere Möglichkeiten, diese Aufgabe zu lösen.

Pythonic-Lösung: Listenverständnis

Pythons Listenverständnissyntax ermöglicht präzise und effiziente Listenmanipulationsaufgaben. Der folgende Codeausschnitt zeigt, wie Sie mithilfe des Listenverständnisses eine Mengendifferenz durchführen können:

l1 = [1, 2, 6, 8]
l2 = [2, 3, 5, 8]
l3 = [x for x in l1 if x not in l2]
print(l3)  # Output: [1, 6]
Nach dem Login kopieren

In diesem Code durchläuft das Listenverständnis [x für x in l1, wenn x nicht in l2] jedes Element von l1. Für jedes Element x prüft der Ausdruck x not in l2, ob x nicht in l2 existiert. Wenn wahr, wird x zur resultierenden Liste l3 hinzugefügt. Infolgedessen enthält l3 die Elemente von l1, die in l2 nicht vorhanden sind.

Das obige ist der detaillierte Inhalt vonWie kann man die Mengendifferenz zwischen Listen in Python effizient berechnen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Quelle:php.cn
Erklärung dieser Website
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn
Neueste Artikel des Autors
Beliebte Tutorials
Mehr>
Neueste Downloads
Mehr>
Web-Effekte
Quellcode der Website
Website-Materialien
Frontend-Vorlage