Zbiory w Pythonie (set): unikalne elementy, suma, część wspólna i różnica

Zbiór to nieuporządkowany worek unikalnych elementów

Listom i krotkom zależy na kolejności, zbiorom nie. Listy pozwalają gromadzić duplikaty, a zbiory po cichu je pomijają. Zbiór to właściwa struktura danych, gdy masz dwie konkretne potrzeby:

1. Chcesz unikalnych elementów, i tyle.
2. Chcesz szybko sprawdzać przynależność.

Zapisujesz go w nawiasach klamrowych:

colors = {"red", "green", "blue"}
print(colors)

with_dupes = {"red", "green", "red", "blue", "green"}
print(with_dupes)   # {"red", "green", "blue"}

Powtórzone "red" i "green" w drugim zbiorze po prostu znikają. To nie błąd, tylko cały sens zbioru.

Tworzenie zbiorów

Dwa sposoby, których będziesz faktycznie używać:

# Literał w nawiasach klamrowych.
primes = {2, 3, 5, 7, 11}

# Z dowolnego obiektu iterowalnego.
letters = set("banana")
print(letters)

numbers = set([1, 2, 2, 3, 3, 3])
print(numbers)

# Pusty zbiór: trzeba użyć set(), a nie {}
empty = set()
print(empty, type(empty))

Ten ostatni punkt każdego kiedyś zaskoczy: {} tworzy pusty słownik, a nie pusty zbiór. Niejednoznaczność składni musiała przypaść jednemu z nich i wygrały słowniki.

Dodawanie i usuwanie

tags = {"python", "docs"}

tags.add("beginner")
print(tags)

tags.update(["seo", "tutorial", "python"])  # dodaje kilka, ignoruje duplikaty
print(tags)

tags.remove("seo")       # zgłasza KeyError, jeśli elementu nie ma
tags.discard("missing")  # jak remove, ale bez błędu, gdy elementu nie ma
print(tags)

popped = tags.pop()      # usuwa i zwraca dowolny element
print("popped:", popped, "remaining:", tags)

Kluczowa różnica to remove kontra discard: remove wymaga, żeby element istniał; discard jest to obojętne. Wybierz w zależności od tego, czy brak elementu powinien być błędem.

Szybkie sprawdzanie przynależności

Tu zbiory naprawdę zasługują na swoje miejsce. x in some_set działa w stałym czasie, niezależnie od wielkości zbioru. x in some_list musi przejść po liście, co robi się wolne, gdy lista jest duża.

# Wyobraź sobie, że ta lista ma 1 000 000 elementów.
known_users = set(range(1_000_000))

# Każde sprawdzenie jest niemal natychmiastowe.
for user_id in [42, 999_999, 1_000_001]:
    if user_id in known_users:
        print(f"{user_id}: known")
    else:
        print(f"{user_id}: unknown")

Praktyczna zasada: za każdym razem, gdy piszesz if x in some_list w pętli, a lista ma więcej niż kilkadziesiąt elementów, najpierw zamień listę na zbiór.

Matematyka zbiorów

Tu zbiory robią się naprawdę ciekawe. Możesz łączyć je operatorami, które odpowiadają matematycznym operacjom na zbiorach:

frontend = {"html", "css", "javascript", "react"}
backend = {"python", "sql", "javascript", "docker"}

# Suma: wszystko z obu.
all_skills = frontend | backend
print(all_skills)

# Część wspólna: to, co jest w obu.
shared = frontend & backend
print(shared)

# Różnica: w frontend, ale nie w backend.
only_frontend = frontend - backend
print(only_frontend)

# Różnica symetryczna: w jednym albo drugim, ale nie w obu.
unique_skills = frontend ^ backend
print(unique_skills)

Każdy operator ma też wersję w postaci metody (.union(), .intersection(), .difference(), .symmetric_difference()). Operatory są zwięźlejsze; metody przyjmują dowolny obiekt iterowalny, a nie tylko inny zbiór.

Usuwanie duplikatów z listy

Jedno z najczęstszych zastosowań zbiorów, nawet poza "logiką zbiorów":

visits = ["alice", "bob", "alice", "carol", "bob", "alice"]
unique_visitors = list(set(visits))
print(unique_visitors)

Jedna linia i duplikatów nie ma. Warto zauważyć jedno: kolejność nie jest zachowana. Jeśli potrzebujesz unikalności i pierwotnej kolejności, użyj zamiast tego dict.fromkeys():

visits = ["alice", "bob", "alice", "carol", "bob", "alice"]
unique_in_order = list(dict.fromkeys(visits))
print(unique_in_order)

We współczesnym Pythonie słowniki zachowują kolejność wstawiania, a dict.fromkeys buduje słownik, w którym kluczami są elementy obiektu iterowalnego. W praktyce to uporządkowany zbiór.

Podzbiory i nadzbiory

Sprawdzanie, czy jeden zbiór zawiera się w innym:

known = {"python", "bash", "sql"}
required = {"python", "bash"}

print(required.issubset(known))     # True: required zawiera się w known
print(known.issuperset(required))   # True
print(required <= known)            # to samo co issubset, zapisane operatorem
print(known >= required)            # to samo co issuperset

Przydaje się to na przykład przy sprawdzaniu uprawnień ("czy ten użytkownik ma wszystkie wymagane role?").

Co może trafić do zbioru

Tylko elementy hashowalne. To termin techniczny, a w praktyce oznacza:

• Rzeczy niemodyfikowalne są hashowalne: liczby, napisy, krotki z elementów hashowalnych, frozenset.
• Rzeczy modyfikowalne nie są: listy, słowniki i inne zbiory nie mogą być elementami zbioru.

ok = {1, "hello", (1, 2), 3.14}
print(ok)

# {[1, 2]}  # TypeError: listy nie są hashowalne

Jeśli potrzebujesz zbioru zbiorów, użyj frozenset, czyli niemodyfikowalnej wersji zbioru.

Iteracja jest nieuporządkowana

Pętla po zbiorze zwraca elementy bez gwarantowanej kolejności:

for item in {"a", "b", "c", "d"}:
    print(item)

Uruchom to kilka razy, a zobaczysz, że kolejność się zmienia. Jeśli kolejność ma znaczenie, zbiór nie jest właściwą strukturą: posortuj zawartość, gdy jej potrzebujesz, albo użyj listy.

Kiedy nie używać zbioru

Jeśli spełniony jest którykolwiek z tych warunków, lista albo słownik prawdopodobnie pasują lepiej:

• Zależy ci na kolejności.
• Musisz przechowywać duplikaty.
• Każdy element ma powiązane dane (użyj słownika z elementem jako kluczem).

Co dalej

Zbiory zajmują się unikalnością i przynależnością. Słowniki, omówione na następnej stronie, obsługują szerszy wzorzec "znajdź wartość po kluczu", co czyni je prawdopodobnie najbardziej przydatną strukturą danych w Pythonie poza listą.