3.4 集合：元素之间不允许重复
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，元素之间不允许重复。
集合中只能包含数字、字符串、元组等不可变类型（或者说可哈希）的数据，而不能包含列表、字典、集合等可变类型的数据。Python提供了一个内置函数hash（）来计算对象的哈希值，凡是无法计算哈希值（调用内置函数hash（）时抛出异常）的对象都不能作为集合的元素，也不能作为字典对象的“键”。
3.4.1 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
>>>type(a) #查看对象类型
<class'set'>
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哈希的值，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
除了列表推导式、生成器推导式、字典推导式之外，Python还支持使用集合推导式来快速生成集合。
>>>{x.strip() for x in ('he', 'she ', ' I')}
{'I', 'she', 'he'}
>>>import random
>>>x={random.randint(1,500) for i in range(100)}
#生成随机数，自动去除重复元素
>>>len(x) #一般而言输出结果会小于100
>>>{str(x) for x in range(10)}
{'3', '0', '1', '8', '4', '7', '5', '6', '9', '2'}
当不再使用某个集合时，可以使用del命令删除整个集合。
3.4.2 集合操作与运算
1．集合元素增加与删除
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。
>>>s={1,2,3}
>>>s.add(3) #添加元素，重复元素自动忽略
>>>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（）方法删除集合中的元素，如果指定元素不存在则抛出异常；discard（）方法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；clear（）方法清空集合。
>>>s.discard(5) #删除元素，不存在则忽略该操作
>>>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。
>>>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.union(b_set) #并集
{0,1,2,3,7,8,9,10,11,12,13}
>>>a_set&b_set #交集
{8}
>>>a_set.intersection(b_set) #交集
{8}
>>>a_set.difference(b_set) #差集
{9,10,11,12,13}
>>>a_set-b_set
{9,10,11,12,13}
>>>a_set.symmetric_difference(b_set) #对称差集
{0,1,2,3,7,9,10,11,12,13}
>>>a_set^b_set
{0,1,2,3,7,9,10,11,12,13}
>>>x={1,2,3}
>>>y={1,2,5}
>>>z={1,2,3,4}
>>>x<y #比较集合大小/包含关系
False
>>>x<z #真子集
True
>>>y<z
False
>>>{1,2,3}<={1,2,3} #子集
True
>>>x.issubset(y) #测试是否为子集
False
>>>x.issubset(z)
True
>>>{3}&{4}
set()
>>>{3}.isdisjoint({4}) #如果两个集合的交集为空，返回True
True
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，而不是比较集合中元素的大小关系。对于两个集合A和B，如果A＜B不成立，不代表A＞=B就一定成立。
3.4.3 不可变集合frozenset
Python内置支持frozenset类，用法与set类基本相似，支持交集、并集、差集等运算以及测试是否为子集或超集等运算。与set类不同的是，frozenset是不可变集合，没有提供add（）、remove（）等可以修改集合对象的方法。
>>>x=frozenset(range(5)) #创建不可变集合
>>>x
frozenset({0,1,2,3,4})
>>>x.add(5) #不支持add()方法，抛出异常
AttributeError: 'frozenset'object has no attribute'add'
>>>x|frozenset(range(5,10)) #并集运算
frozenset({0,1,2,3,4,5,6,7,8,9})
>>>x&frozenset(range(5,10)) #交集运算
frozenset()
>>>x-frozenset(range(5,10)) #差集运算
frozenset({0,1,2,3,4})
>>>frozenset(range(4))<frozenset(range(5)) #集合包含关系比较
True
3.4.4 集合应用案例
The Zen of Python认为There should be one—and preferably only one—obvious way to do it。编写代码时除了要准确地实现功能之外，还要考虑代码的优化，尽量找到一种更快、更好的方法实现预定功能。Python字典和集合都使用hash表来存储元素，元素查找速度非常快，关键字in作用于字典和集合时比作用于列表要快得多。
import random
import time
x1=list(range(10000))
x2=tuple(range(10000))
x3=set(range(10000))
x4=dict(zip(range(10000), range(10000)))
r=random.randint(0,9999)
for t in (x4, x3, x2, x1):
start=time.time()
for i in range(9999999):
r in t
print(type(t), 'time used:', time.time()-start)
从下面的运行结果可以看出，对于成员测试运算符in，列表的效率远远不如字典和集合，并且随着序列的变长，列表的查找速度越来越慢，而字典和集合基本上不受影响。
<class'dict'>time used: 1.1570661067962646
<class'set'>time used: 1.442082405090332
<class'tuple'>time used: 1185.4768052101135
<class'list'>time used: 1183.18967461586
作为集合的具体应用，可以使用集合快速提取序列中单一元素，即提取出序列中所有不重复的元素。如果使用传统方式的话，需要编写下面的代码：
>>>import random
#生成100个介于0～9999之间的随机数
>>>listRandom=[random.choice(range(10000)) for i in range(100)]
>>>noRepeat=[]
>>>for i in listRandom :
if i not in noRepeat :
noRepeat.append(i)
而如果使用集合的话，只需要下面这么一行代码就可以了。
>>>newSet=set(listRandom)
集合中的元素不允许重复，Python集合的内部实现为此做了大量相应的优化，添加元素时如果已经存在则自动忽略。下面的代码用于返回指定范围内一定数量的不重复数字。
import random
def randomNumbers(number, start, end):
''’使用集合来生成number个介于start和end之间的不重复随机数’''
data=set()
while len(data)<number:
element=random.randint(start, end)
data.add(element)
return data
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。但random模块的sample（）函数只支持列表、元组、集合、字符串和range对象，不支持字典以及map、zip、enumerate、filter等惰性求值的迭代对象。
>>>import random
>>>random.sample(range(1000),20) #在指定分布中选取不重复元素
[61,538,873,815,708,609,995,64,7,719,922,859,807,464,789,651,31,702,504,25]
下面的两段代码用来测试指定列表中是否包含非法数据，很明显第二段使用集合的代码更高效一些。
import random
lstColor=('red', 'green', 'blue')
colors=[random.choice(lstColor) for i in range(10000)]
for item in colors: #遍历列表中的元素并逐个判断
if item not in lstColor:
print('error:', item)
break
if (set(colors)-set(lstColor)): #转换为集合之后再比较
print('error')
下面的代码使用字典和集合模拟了有向图结构，并实现了节点的入度和出度计算，代码中所用的有向图如图3-3所示。
图3-3 有向图结构
def getDegrees(orientedGraph, node):
outDegree=len(orientedGraph.get(node, []))
inDegree=sum(1 for v in orientedGraph.values() if node in v)
return (inDegree, outDegree)
graph={'a':set('bcdef'), 'b':set('ce'), 'c':set('d'), 'd':set('e'), 'e':set('f'),
'f':set('cgh'), 'g':set('fhi'), 'h':set('fgi'), 'i':set()}
print(getDegrees(graph, 'h'))