Python集合运算全解析

老师好，我是刘同学

381人浏览 · 2026-03-10 19:02:17

老师好，我是刘同学 · 2026-03-10 19:02:17 发布

Python集合运算全面详解与实例演示

一、集合基础概念回顾

Python中的集合（set）是一个无序、不重复元素的集合数据类型，主要用于进行成员关系测试和消除重复元素。集合分为可变集合（set）和不可变集合（frozenset）两种类型。

集合的创建方式

# 使用大括号创建集合
set1 = {1, 2, 3, 4, 5}
set2 = {'apple', 'banana', 'cherry'}

# 使用set()函数创建集合
set3 = set([1, 2, 3, 2, 1])  # 自动去重，结果为{1, 2, 3}
set4 = set("hello")  # 结果为{'h', 'e', 'l', 'o'}

二、集合的基本运算方法

Python集合支持四种主要的数学运算：交集、并集、差集和对称差集，每种运算都有对应的运算符和方法两种实现方式。

2.1 交集运算

交集返回两个集合中都包含的元素。

运算方式	运算符	方法	描述
交集运算	`&`	`intersection()`	返回两个集合的共同元素

# 交集运算示例
set_a = {1, 2, 3, 4, 5}
set_b = {4, 5, 6, 7, 8}

# 使用运算符
intersection_operator = set_a & set_b  # 结果为{4, 5}

# 使用方法
intersection_method = set_a.intersection(set_b)  # 结果为{4, 5}

print(f"集合A: {set_a}")
print(f"集合B: {set_b}")
print(f"交集(运算符): {intersection_operator}")
print(f"交集(方法): {intersection_method}")

应用场景：找出两个用户群的共同好友、筛选同时满足多个条件的商品等。

2.2 并集运算

并集返回两个集合中所有的唯一元素。

运算方式	运算符	方法	描述
并集运算	`\|`	`union()`	返回两个集合的所有唯一元素

# 并集运算示例
set_x = {1, 2, 3}
set_y = {3, 4, 5}

# 使用运算符
union_operator = set_x | set_y  # 结果为{1, 2, 3, 4, 5}

# 使用方法
union_method = set_x.union(set_y)  # 结果为{1, 2, 3, 4, 5}

print(f"集合X: {set_x}")
print(f"集合Y: {set_y}")
print(f"并集(运算符): {union_operator}")
print(f"并集(方法): {union_method}")

应用场景：合并多个数据源、统计所有参与活动的用户等。

2.3 差集运算

差集返回存在于第一个集合但不在第二个集合中的元素。

运算方式	运算符	方法	描述
差集运算	`-`	`difference()`	返回第一个集合有而第二个集合没有的元素

# 差集运算示例
set_p = {1, 2, 3, 4, 5}
set_q = {4, 5, 6}

# 使用运算符
difference_operator = set_p - set_q  # 结果为{1, 2, 3}

# 使用方法
difference_method = set_p.difference(set_q)  # 结果为{1, 2, 3}

print(f"集合P: {set_p}")
print(f"集合Q: {set_q}")
print(f"差集P-Q(运算符): {difference_operator}")
print(f"差集P-Q(方法): {difference_method}")

应用场景：找出新用户、筛选未完成的任务、检测数据变化等。

2.4 对称差集运算

对称差集返回两个集合中不重复的元素，即只存在于其中一个集合中的元素。

运算方式	运算符	方法	描述
对称差集	`^`	`symmetric_difference()`	返回两个集合中非共同的元素

# 对称差集运算示例
set_m = {1, 2, 3, 4}
set_n = {3, 4, 5, 6}

# 使用运算符
symmetric_operator = set_m ^ set_n  # 结果为{1, 2, 5, 6}

# 使用方法
symmetric_method = set_m.symmetric_difference(set_n)  # 结果为{1, 2, 5, 6}

print(f"集合M: {set_m}")
print(f"集合N: {set_n}")
print(f"对称差集(运算符): {symmetric_operator}")
print(f"对称差集(方法): {symmetric_method}")

三、集合运算的扩展应用

3.1 多重集合运算

集合运算支持多个集合同时操作，这在处理复杂数据关系时非常有用。

# 多重集合运算示例
set1 = {1, 2, 3, 4}
set2 = {3, 4, 5, 6}
set3 = {4, 5, 6, 7}

# 多个集合的交集
multi_intersection = set1 & set2 & set3  # 结果为{4}

# 多个集合的并集
multi_union = set1 | set2 | set3  # 结果为{1, 2, 3, 4, 5, 6, 7}

# 链式方法调用
chain_intersection = set1.intersection(set2).intersection(set3)
chain_union = set1.union(set2).union(set3)

print(f"三个集合的交集: {multi_intersection}")
print(f"三个集合的并集: {multi_union}")

3.2 集合的比较运算

Python集合还支持多种比较运算，用于判断集合之间的关系。

# 集合比较运算示例
set_alpha = {1, 2, 3}
set_beta = {1, 2, 3, 4, 5}
set_gamma = {1, 2, 3}

# 子集判断
is_subset = set_alpha <= set_beta  # True
is_proper_subset = set_alpha < set_beta  # True

# 超集判断
is_superset = set_beta >= set_alpha  # True
is_proper_superset = set_beta > set_alpha  # True

# 相等判断
is_equal = set_alpha == set_gamma  # True

# 不相交判断
set_delta = {6, 7, 8}
is_disjoint = set_alpha.isdisjoint(set_delta)  # True

print(f"set_alpha是set_beta的子集: {is_subset}")
print(f"set_alpha是set_beta的真子集: {is_proper_subset}")
print(f"set_beta是set_alpha的超集: {is_superset}")
print(f"set_alpha与set_gamma相等: {is_equal}")
print(f"set_alpha与set_delta不相交: {is_disjoint}")

四、实际应用场景案例

4.1 数据分析应用

# 电商平台用户行为分析
all_users = {'user1', 'user2', 'user3', 'user4', 'user5'}
purchased_users = {'user1', 'user3', 'user5'}
browsed_users = {'user2', 'user3', 'user4'}

# 找出购买但未浏览的用户
purchased_not_browsed = purchased_users - browsed_users  # {'user1', 'user5'}

# 找出浏览但未购买的用户
browsed_not_purchased = browsed_users - purchased_users  # {'user2', 'user4'}

# 找出既浏览又购买的用户
both_actions = purchased_users & browsed_users  # {'user3'}

# 找出有任一行为的用户
any_action = purchased_users | browsed_users  # {'user1', 'user2', 'user3', 'user4', 'user5'}

# 找出只进行一种行为的用户
only_one_action = purchased_users ^ browsed_users  # {'user1', 'user2', 'user4', 'user5'}

print(f"购买但未浏览的用户: {purchased_not_browsed}")
print(f"浏览但未购买的用户: {browsed_not_purchased}")
print(f"既浏览又购买的用户: {both_actions}")
print(f"有任一行为的用户: {any_action}")
print(f"只进行一种行为的用户: {only_one_action}")

4.2 数据清洗与处理

# 数据去重与更新处理
current_data = {'A', 'B', 'C', 'D', 'E'}
new_data = {'C', 'D', 'E', 'F', 'G'}

# 需要删除的数据（在当前但不在新的）
to_delete = current_data - new_data  # {'A', 'B'}

# 需要添加的数据（在新的但不在当前）
to_add = new_data - current_data  # {'F', 'G'}

# 保持不变的数据
unchanged = current_data & new_data  # {'C', 'D', 'E'}

print(f"需要删除的数据: {to_delete}")
print(f"需要添加的数据: {to_add}")
print(f"保持不变的数据: {unchanged}")

4.3 权限管理系统

# 用户权限管理
admin_permissions = {'create', 'read', 'update', 'delete'}
editor_permissions = {'create', 'read', 'update'}
viewer_permissions = {'read'}

# 权限升级计算
upgrade_to_editor = editor_permissions - viewer_permissions  # {'create', 'update'}
upgrade_to_admin = admin_permissions - editor_permissions  # {'delete'}

# 权限交集验证
common_permissions = admin_permissions & editor_permissions & viewer_permissions  # {'read'}

print(f"从查看者升级到编辑者需要添加的权限: {upgrade_to_editor}")
print(f"从编辑者升级到管理员需要添加的权限: {upgrade_to_admin}")
print(f"所有角色共有的权限: {common_permissions}")

五、性能优化技巧

5.1 使用集合进行快速成员检测

# 列表与集合成员检测性能对比
large_list = list(range(1000000))
large_set = set(range(1000000))

import time

# 列表成员检测
start_time = time.time()
result1 = 999999 in large_list
list_time = time.time() - start_time

# 集合成员检测
start_time = time.time()
result2 = 999999 in large_set
set_time = time.time() - start_time

print(f"列表成员检测时间: {list_time:.6f}秒")
print(f"集合成员检测时间: {set_time:.6f}秒")
print(f"性能提升: {list_time/set_time:.1f}倍")

5.2 使用列表推导式实现集合运算

在某些场景下，可以使用列表推导式实现简单的集合运算。

# 使用列表推导式实现集合运算
list1 = [1, 2, 3, 4, 5]
list2 = [4, 5, 6, 7, 8]

# 使用列表推导式求交集
intersection_list = [x for x in list1 if x in list2]  # [4, 5]

# 转换为集合去重
intersection_set = set(intersection_list)

print(f"列表推导式交集: {intersection_list}")
print(f"转换为集合: {intersection_set}")