跟老齐学Python之集合的关系
冻结的集合
前面一节讲述了集合的基本概念,注意,那里所涉及到的集合都是可原处修改的集合。还有一种集合,不能在原处修改。这种集合的创建方法是:
>>> f_set = frozenset("qiwsir") #看这个名字就知道了frozen,冻结的set >>> f_set frozenset(['q', 'i', 's', 'r', 'w']) >>> f_set.add("python") #报错 Traceback (most recent call last): File "<stdin>", line 1, in <module> AttributeError: 'frozenset' object has no attribute 'add' >>> a_set = set("github") #对比看一看,这是一个可以原处修改的set >>> a_set set(['b', 'g', 'i', 'h', 'u', 't']) >>> a_set.add("python") >>> a_set set(['b', 'g', 'i', 'h', 'python', 'u', 't'])
集合运算
先复习一下中学数学(准确说是高中数学中的一点知识)中关于集合的一点知识,主要是唤起那痛苦而青涩美丽的回忆吧,至少对我是。
元素与集合的关系
元素是否属于某个集合。
>>> aset set(['h', 'o', 'n', 'p', 't', 'y']) >>> "a" in aset False >>> "h" in aset True
集合与集合的纠结
假设两个集合A、B
A是否等于B,即两个集合的元素完全一样
在交互模式下实验
>>> a set(['q', 'i', 's', 'r', 'w']) >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a == b False >>> a != b True
A是否是B的子集,或者反过来,B是否是A的超集。即A的元素也都是B的元素,但是B的元素比A的元素数量多。
实验一下
>>> a set(['q', 'i', 's', 'r', 'w']) >>> c set(['q', 'i']) >>> c<a #c是a的子集 True >>> c.issubset(a) #或者用这种方法,判断c是否是a的子集 True >>> a.issuperset(c) #判断a是否是c的超集 True >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a<b #a不是b的子集 False >>> a.issubset(b) #或者这样做 False
A、B的并集,即A、B所有元素,如下图所示
>>> a set(['q', 'i', 's', 'r', 'w']) >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a | b #可以有两种方式,结果一样 set(['a', 'i', 'l', 'o', 'q', 's', 'r', 'w']) >>> a.union(b) set(['a', 'i', 'l', 'o', 'q', 's', 'r', 'w'])
A、B的交集,即A、B所公有的元素,如下图所示
>>> a set(['q', 'i', 's', 'r', 'w']) >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a & b #两种方式,等价 set(['q', 'i']) >>> a.intersection(b) set(['q', 'i'])
我在实验的时候,顺手敲了下面的代码,出现的结果如下,看官能解释一下吗?(思考题)
>>> a and b set(['a', 'q', 'i', 'l', 'o'])
A相对B的差(补),即A相对B不同的部分元素,如下图所示
>>> a set(['q', 'i', 's', 'r', 'w']) >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a - b set(['s', 'r', 'w']) >>> a.difference(b) set(['s', 'r', 'w'])
-A、B的对称差集,如下图所示
>>> a set(['q', 'i', 's', 'r', 'w']) >>> b set(['a', 'q', 'i', 'l', 'o']) >>> a.symmetric_difference(b) set(['a', 'l', 'o', 's', 'r', 'w'])
以上是集合的基本运算。在编程中,如果用到,可以用前面说的方法查找。不用死记硬背。

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

PDF 文件因其跨平台兼容性而广受欢迎,内容和布局在不同操作系统、阅读设备和软件上保持一致。然而,与 Python 处理纯文本文件不同,PDF 文件是二进制文件,结构更复杂,包含字体、颜色和图像等元素。 幸运的是,借助 Python 的外部模块,处理 PDF 文件并非难事。本文将使用 PyPDF2 模块演示如何打开 PDF 文件、打印页面和提取文本。关于 PDF 文件的创建和编辑,请参考我的另一篇教程。 准备工作 核心在于使用外部模块 PyPDF2。首先,使用 pip 安装它: pip 是 P

本教程演示了如何利用Redis缓存以提高Python应用程序的性能,特别是在Django框架内。 我们将介绍REDIS安装,Django配置和性能比较,以突出显示BENE

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE
