python set內(nèi)置函數(shù)的具體使用
更新時(shí)間：2019年07月02日 09:56:19 作者：CHENHAOZ
這篇文章主要介紹了python set內(nèi)置函數(shù)的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
set集合
- 無(wú)序可變
- 由不同元素組成
- 其元素必須為可哈希的類型（通俗來(lái)說(shuō)不可變類型）
集合的兩種定義方式
- 使用{} Eg：{1,2,3,4,5}
- 使用set(可迭代類型)函數(shù) Eg：set("hello")
- * 使用frozenset()函數(shù)創(chuàng)建不可變集合
基本函數(shù)
s = set("hello")
"""
添加一個(gè)元素到集合中
"""
s.add('b')
"""
使用可迭代對(duì)象更新集合
"""
s.update([1,2,3,4])
"""
清空集合
"""
s.clear()
"""
拷貝集合（淺拷貝）返回拷貝的副本
"""
s.copy()
"""
隨機(jī)刪除一個(gè)元素
如果集合為空返回KeyError異常
"""
s = set("hello")
s.pop()
"""
刪除指定元素 沒(méi)有該元素會(huì)報(bào)錯(cuò)
"""
s.remove('e')
"""
刪除指定元素 沒(méi)有不報(bào)錯(cuò)
"""
s.discard('e')
集合交、并、差、交叉補(bǔ)
s1 = {1,2,3,4,5}
s2 = {1,2,3,6,7}
"""
交集
>>> s1.intersection(s2)
{1, 2, 3}
>>> s1&s2
{1, 2, 3}
"""
s1.intersection(s2)
s1&s2
"""
并集
>>> s1.union(s2)
{1, 2, 3, 4, 5, 6, 7}
>>> s1|s2
{1, 2, 3, 4, 5, 6, 7}
"""
s1.union(s2)
s1|s2
"""
差集
>>> s1.difference(s2)
{4, 5}
>>> s1-s2
{4, 5}
"""
s1.difference(s2)
s1-s2
"""
交叉補(bǔ)集（取各自的不同部分）
>>> s1.symmetric_difference(s2)
{4, 5, 6, 7}
"""
s1.symmetric_difference(s2)
"""
其他update函數(shù)
"""
s1.difference_update(s2)
s1.intersection_update(s2)
s1.symmetric_difference_update(s2)
is判斷函數(shù)
s1 = {1,2,3}
s2 = {1,2}
"""
返回兩個(gè)集合是否有交集
"""
s1.isdisjoint(s2)
"""
返回s1是否為s2子集
"""
s1.issubset(s2)
"""
返回s1是否為s2父集
"""
s1.issuperset(s2)
以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python繪制折線圖可視化神器pyecharts，文章圍繞主題展開(kāi)詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-07-07
anaconda如何創(chuàng)建和刪除環(huán)境
這篇文章主要介紹了anaconda如何創(chuàng)建和刪除環(huán)境,本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-04-04
python入門：這篇文章帶你直接學(xué)會(huì)python
本教程并未涵蓋Python語(yǔ)言的全部?jī)?nèi)容，只是一個(gè)入門的教程，Python有非常多的庫(kù)以及很多的功能特點(diǎn)需要學(xué)習(xí)，小編只是拋磚引玉，希望大家可以從中受益2018-09-09
pandas數(shù)據(jù)分列實(shí)現(xiàn)分割符號(hào)&固定寬度
數(shù)據(jù)分列在數(shù)據(jù)處理中很常見(jiàn),數(shù)據(jù)分列一般指的都是字符串分割,本文主要介紹了pandas數(shù)據(jù)分列實(shí)現(xiàn)分割符號(hào)&固定寬度,具有一定的參考價(jià)值,感興趣的可以了解一下2024-04-04
這篇文章主要介紹了用Python做垃圾分類的實(shí)現(xiàn)原理，本文通過(guò)實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值 ,需要的朋友可以參考下2019-07-07
python中import,from……import的使用詳解
這篇文章主要介紹了python中import,from……import的使用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2024-02-02
這篇文章主要介紹了Django中間件基礎(chǔ)用法詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
django實(shí)現(xiàn)將修改好的新模型寫(xiě)入數(shù)據(jù)庫(kù)
這篇文章主要介紹了django實(shí)現(xiàn)將修改好的新模型寫(xiě)入數(shù)據(jù)庫(kù)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-03-03
Python初學(xué)者需要注意的事項(xiàng)小結(jié)(python2與python3)
這篇文章主要介紹了Python初學(xué)者需要注意的事項(xiàng)小結(jié)，包括了python2與python3的一些區(qū)別,需要的朋友可以參考下2018-09-09
Python中使用sklearn進(jìn)行特征降維的方法
在Python中，可以使用sklearn庫(kù)中的特征降維方法對(duì)數(shù)據(jù)進(jìn)行處理。主要包括基于PCA算法的降維、基于LDA算法的降維、以及利用特征選擇方法進(jìn)行降維。這些方法可以提高模型的訓(xùn)練效率和預(yù)測(cè)準(zhǔn)確率，特別是在高維數(shù)據(jù)集中具有重要的作用2023-04-04