集合（set）怎么用？如何快速去重和做集合运算？

小象实战讲义 · Python 编程从入门到实践

你已经学习了列表和元组这两种有序序列。这一节，我们将学习 Python 中的另一种重要数据结构——集合（set）。集合的核心特点是无序和元素不重复，这使得它在数据去重、成员关系判断以及集合运算（如交集、并集）等场景下非常合适。学完本节，你将掌握如何创建、操作集合，并利用其特性解决实际问题。

💡 核心导读

• 集合是什么：无序、元素不重复的容器，可存储不同类型的数据。
• 如何创建集合：使用花括号 {} 或 set() 函数，特别注意空集合的创建方法。
• 核心操作：添加元素（add、update）、删除元素（remove、discard、pop、clear）、判断成员关系（in、not in）。
• 集合运算：交集（&）、并集（|）、差集（-）、对称差集（^），以及前三种运算的方法写法。
• 典型应用：利用集合对列表、元组等序列进行快速去重。

集合的定义与特点

集合（set）是 Python 中一种无序存储不重复元素的容器。同一个集合内可以存储不同数据类型的元素。

它与列表、元组的主要区别有两点：

1. 无序：集合中的元素没有固定的顺序，因此不能通过下标（索引）来访问特定位置的元素。
2. 元素唯一：集合会自动确保其中的每个元素都是唯一的，重复的元素会被自动过滤掉。

因为无序，直接打印集合时元素的排列顺序并不固定。本节示例统一用 sorted() 排好序再打印，方便对照；集合里同时有字符串和整数时，用 key=str 按字符串形式排序。

# 定义一个集合，包含字符串和一个整数
student_set = {"xiaoming", "xiaoqiang", "xiaobai", "lisi", 13}
print(type(student_set))
print(len(student_set))                 # 使用 len() 获取元素个数
print(sorted(student_set, key=str))     # 排序后打印，便于查看内容

<class 'set'>
5
[13, 'lisi', 'xiaobai', 'xiaoming', 'xiaoqiang']

创建集合的几种方式

1. 使用花括号 {}

这是最直接的方式，用逗号分隔元素，例如 fruits = {"apple", "banana", "orange"}。

2. 使用 set() 函数从其他序列转换

set() 函数可以将列表、元组、字符串等转换为集合，并自动去重。这是最常用的去重方法。需要注意：如果传入的是字符串，会把字符串按字符拆开，每个字符作为独立元素。

3. 创建空集合

特别注意：不能使用 {} 来创建空集合，因为 {} 在 Python 中表示一个空字典。创建空集合必须使用 set() 函数。

# 从列表创建集合（去重）
id_list = ["id1", "id2", "id3", "id1", "id2"]
distinct_set_from_list = set(id_list)
print("从列表创建的集合:", sorted(distinct_set_from_list))

# 从元组创建集合（去重）
id_tuple = ("id1", "id2", "id3", "id1", "id2")
distinct_set_from_tuple = set(id_tuple)
print("从元组创建的集合:", sorted(distinct_set_from_tuple))

# 从字符串创建集合：每个字符成为独立元素，并去重
string_set = set("hello")   # 'l' 出现两次，集合中只保留一个
print("从字符串创建的集合:", sorted(string_set))

# 空字典与空集合
empty_dict = {}
empty_set = set()
print(type(empty_dict))
print(type(empty_set))
print(empty_set)

从列表创建的集合: ['id1', 'id2', 'id3']
从元组创建的集合: ['id1', 'id2', 'id3']
从字符串创建的集合: ['e', 'h', 'l', 'o']
<class 'dict'>
<class 'set'>
set()

集合的基本操作

判断元素是否存在

虽然不能按索引访问，但可以用 in 和 not in 关键字快速判断一个元素是否在集合中，判断结果是 True 或 False。

添加元素

• add(element)：向集合中添加单个元素。如果元素已存在，则无任何效果。
• update(序列)：将一个序列（如列表、元组、另一个集合、字符串）中的所有元素添加到集合中，同时去重。对于字符串，会将其拆分为单个字符添加。

删除元素

集合提供了几种删除元素的方法，它们的关键区别在于处理“元素不存在”时的行为。

如何选择？

• 当你确定元素一定在集合中，或者希望元素不存在时能明确感知到错误，使用 remove。
• 当你只是想尝试删除，元素不存在也没关系，使用 discard。
• 当你只关心集合中还剩多少元素、不关心删掉的是哪一个，可以使用 pop。

下面把判断、添加、删除放在同一个可运行示例里，方便对照输出：

distinct_set = set(["id1", "id2", "id3"])
print("当前集合:", sorted(distinct_set))

# 使用 in / not in 判断元素是否存在
user_id = "id1"
if user_id in distinct_set:
    print("{} 存在".format(user_id))

user_id = "id5"
if user_id not in distinct_set:
    print("{} 不存在".format(user_id))

# 添加元素
name_set = {"zhangsan", "lisi"}
name_set.add("wangwu")
print("add 之后:", sorted(name_set))

name_set.update(["悟空", "八戒"])
print("update 列表之后:", sorted(name_set))

name_set.update(("白龙马", "小燕子", "八戒"))   # '八戒'已存在，不会重复添加
print("update 元组之后:", sorted(name_set))

name_set.update({"张飞", "李逵"})              # 合并另一个集合
print("update 集合之后:", sorted(name_set))

name_set.update("沙和尚")                      # 字符串会被拆成单个字符
print("update 字符串之后:", sorted(name_set))

# 删除元素
name_set2 = {"悟空", "八戒", "沙僧"}
name_set2.remove("悟空")   # 元素存在，成功删除
print("remove('悟空')后:", sorted(name_set2))
# name_set2.remove("西游记")  # 如果取消注释，会抛出 KeyError

ret1 = name_set2.discard("沙僧")
print("discard('沙僧')后:", sorted(name_set2))
print("discard 返回值:", ret1)          # discard 无论成功与否都返回 None

ret2 = name_set2.discard("悟空")        # 元素已不存在，静默忽略
print("discard('悟空')后（元素已不存在）:", sorted(name_set2))
print("discard 返回值:", ret2)

item = name_set2.pop()                  # 删除并返回一个元素
print("pop() 删除了:", item)
print("pop() 后:", sorted(name_set2))

name_set2.clear()
print("clear() 后:", name_set2)

当前集合: ['id1', 'id2', 'id3']
id1 存在
id5 不存在
add 之后: ['lisi', 'wangwu', 'zhangsan']
update 列表之后: ['lisi', 'wangwu', 'zhangsan', '八戒', '悟空']
update 元组之后: ['lisi', 'wangwu', 'zhangsan', '八戒', '小燕子', '悟空', '白龙马']
update 集合之后: ['lisi', 'wangwu', 'zhangsan', '八戒', '小燕子', '张飞', '悟空', '李逵', '白龙马']
update 字符串之后: ['lisi', 'wangwu', 'zhangsan', '八戒', '和', '小燕子', '尚', '张飞', '悟空', '李逵', '沙', '白龙马']
remove('悟空')后: ['八戒', '沙僧']
discard('沙僧')后: ['八戒']
discard 返回值: None
discard('悟空')后（元素已不存在）: ['八戒']
discard 返回值: None
pop() 删除了: 八戒
pop() 后: []
clear() 后: set()

集合的运算

集合支持常见的集合运算，非常直观：交集取两个集合共有的元素；并集取两个集合的全部元素（去重）；差集取只在被减集合中存在的元素；对称差集取只在其一集合中出现的元素。交集、并集、差集都同时给出运算符和对应方法两种写法。

set_a = {1, 2, 4, 7}
set_b = {2, 5, 8, 9}

# 1. 交集：两个集合共有的元素
print("交集（&）:", sorted(set_a & set_b))
print("交集（intersection）:", sorted(set_a.intersection(set_b)))

# 2. 并集：两个集合所有的元素（去重）
print("并集（|）:", sorted(set_a | set_b))
print("并集（union）:", sorted(set_a.union(set_b)))

# 3. 差集：只在 set_a 中、不在 set_b 中的元素
print("差集（-）:", sorted(set_a - set_b))
print("差集（difference）:", sorted(set_a.difference(set_b)))

# 4. 对称差集：只在其中一个集合中出现的元素
print("对称差集（^）:", sorted(set_a ^ set_b))

交集（&）: [2]
交集（intersection）: [2]
并集（|）: [1, 2, 4, 5, 7, 8, 9]
并集（union）: [1, 2, 4, 5, 7, 8, 9]
差集（-）: [1, 4, 7]
差集（difference）: [1, 4, 7]
对称差集（^）: [1, 4, 5, 7, 8, 9]

📝 动手练一练

1. 你有一个记录网站用户访问日期的列表，其中包含大量重复日期。请使用集合快速找出网站有哪些不同的访问日期。
2. 有两个学习小组，A组有成员 ['张三', '李四', '王五', '赵六']，B组有成员 ['王五', '赵六', '孙七', '周八']。请找出： a) 同时参加了两个小组的成员。 b) 所有参与了至少一个小组的成员。 c) 只参加了A组但没有参加B组的成员。

# 1. 访问日期去重
visit_dates = ["2023-10-01", "2023-10-02", "2023-10-01", "2023-10-03", "2023-10-02"]
unique_dates = sorted(set(visit_dates))
print("不同的访问日期有: {}".format(unique_dates))

# 2. 学习小组分析
group_a = set(['张三', '李四', '王五', '赵六'])
group_b = set(['王五', '赵六', '孙七', '周八'])

# a) 同时参加两个小组的成员（交集）
print("同时参加两个小组的成员: {}".format(sorted(group_a & group_b)))

# b) 所有参与的成员（并集）
print("所有参与的成员: {}".format(sorted(group_a | group_b)))

# c) 只参加A组的成员（差集）
print("只参加A组的成员: {}".format(sorted(group_a - group_b)))

不同的访问日期有: ['2023-10-01', '2023-10-02', '2023-10-03']
同时参加两个小组的成员: ['王五', '赵六']
所有参与的成员: ['周八', '孙七', '张三', '李四', '王五', '赵六']
只参加A组的成员: ['张三', '李四']

常见错误

小结

1. 集合（set） 是一种无序、元素不重复的容器，常用于快速去重和成员关系判断。
2. 创建集合使用花括号 {} 或 set() 函数。创建空集合必须用 set()。
3. 使用 in 和 not in 判断元素是否在集合中。
4. 添加元素：add() 用于添加单个元素；update() 用于添加一个序列中的所有元素（字符串会被拆成字符）。
5. 删除元素：根据需求选择 remove()（严格）、discard()（宽松）、pop()（返回被删元素）或 clear()（清空）。
6. 集合运算：交集（&）、并集（|）、差集（-）、对称差集（^）；前三种还可以用 intersection()、union()、difference() 方法完成。

📋 行动清单

• 尝试将一个包含重复项的列表转换为集合，观察去重效果。
• 分别使用 remove('不存在') 和 discard('不存在')，体会两者的区别。
• 创建两个集合，分别练习使用运算符和方法进行交集、并集、差集的计算。

—— 小象教研组