Python Set Symmetric_difference ()

Автор оригинала: Chris.

Python’s S.symmetric_defference (t) Способ создает и возвращает новый набор, содержащий все элементы, которые находятся в одном из двух наборов S и T Отказ

Вот минимальный пример, где мы возвращаем новый Установить содержащие элементы 1 и 4, которые находятся в одном из двух наборов S и T Отказ

>>> s = {1, 2, 3}
>>> t = {2, 3, 4}
>>> s.symmetric_difference(t)
{1, 4}

Вот еще один визуальный пример из Гарри Поттера: Есть хорошие волшебники, плохие волшебники и волшебники, которые оба. Симметричная разница между этими двумя наборами состоит из всех волшебников, которые являются либо хорошими или плохими, но не оба – как профессор Снейп.

>>> good = {'ron', 'harry', 'hermione', 'dumbledore', 'snape'}
>>> bad = {'grindewald', 'voldemort', 'malfoy', 'snape'}
>>> good.symmetric_difference(bad)
{'ron', 'hermione', 'dumbledore', 'harry', 'grindewald', 'voldemort', 'malfoy'}

Синтаксис

Давайте погрузимся в формальный синтаксис set.symmetric_difference () метод.

set.symmetric_difference(set)

Возвращаемое значение Set.symmetric_diffumense ()

Возвращаемое значение set_1.symmetric_diffumense (set_2) это новый набор, содержащий все элементы, которые находятся в одном из двух наборов.

Python Set Симметричная разница ^ Оператор

💡 гораздо более лаконичный способ написать набор симметричной разницы – перегруженная «шляпа» оператора “^” Отказ Применительно к двум наборам S и T , результат S ^ T такой же, как звонить s.symmetric_defference (t) Отказ Он вычисляет симметричную разницу всех элементов в исходном наборе, кроме элементов во втором наборе.

Вот основной пример:

>>> s = {1, 2, 3}
>>> t = {2, 3, 4}
>>> s.symmetric_difference(t)
{1, 4}
>>> s ^ t
{1, 4}

Вы можете увидеть, что эта «шляпа» нотация более лаконична и читается одновременно. Поэтому рекомендуется использовать ^ Оператор над set.symmetric_difference () метод.

Вам не нужно импортировать какую-либо библиотеку для использования симметричной разницы оператора – это встроено.

Усовершенствованные примеры Набор симметричной разницы

Существуют некоторые тонкости, которые вы должны понимать в отношении функции установки разницы. Давайте погрузимся в них пример!

Простой пример состоит в том, чтобы рассчитать симметричную разницу набора с другим подмножеством:

>>> {1, 2, 3}.symmetric_difference({1})
{2, 3}

Но что, если вы инвертируете это и рассчитаете симметричную разницу между подмножеством и суперсетом? В этом случае результатом является тем же набором, что и до того, что он содержит элементы, которые находятся в одном из двух наборов.

>>> {1}.symmetric_difference({1, 2, 3})
{2, 3}

Можете ли вы вычислить симметричную разницу между набором и пустым набором? Конечно! Возвращаемое значение является оригинальным набором, скопированным.

>>> {1, 2, 3}.symmetric_difference(set())
{1, 2, 3}

Установить Symmetric_difference () vs symmetric_difference_uppdate ()

set.symmetric_difference () Метод возвращает новый набор, тогда как set.symmetric_difference_update () Работает на множестве, он вызывается и возвращает Нет Отказ

• s.symmetric_defference (t) – Верните новый набор с элементами в этом наборе или указанном наборе аргумента, но не элементы, которые являются членами обоих.
• с. Симметричный_ Разница_update (t) – Замените этот набор с помощью симметричной разницы, то есть элементы в этом наборе, либо указанный набор аргументом, но не элементы, которые являются членами обоих.

Вот пример, который показывает симметричный разностный метод:

>>> s = {1, 2, 3}
>>> t = s.symmetric_difference({1, 2})
>>> s
{3}

И set.symmetric_difference_update () Обновления на существующем наборе S И ничего не возвращает:

>>> s = {1, 2, 3}
>>> s.symmetric_difference_update({1, 2})
>>> s
{3}

Что такое временная сложность set.symmetric_difference ()?

Сложность времени выполнения set.symmetric_difference () Функция на комплекте с N Элементы и установленный аргумент с м Элементы это O (m + n) Поскольку вам нужно проверить каждый элемент в обоих наборах, является ли он элемент другого набора. Проверка членства – O (1) Так что сложность выполнения – это O (N) * O (1) + O (M) * (N + M) Отказ

Вы можете увидеть это в следующем простом эксперименте, в котором мы запускаем метод набора несколько раз для увеличения размеров набора:

Я провел этот эксперимент на моем Acer Aspire 5 ноутбука (Я знаю) с Intel Core I7 (8-й GEN) процессор и 16 ГБ памяти. Вот код эксперимента:

import matplotlib.pyplot as plt
import random
import time

sizes = [i * 10**5 for i in range(50)]
runtimes = []

for size in sizes:
    s = set(range(size))
    t = set(range(0, size, 2))

    # Start track time ...
    t1 = time.time()
    s.symmetric_difference(t)
    t2 = time.time()
    # ... end track time
    
    runtimes.append(t2-t1)


plt.plot(sizes, runtimes)
plt.ylabel('Runtime (s)')
plt.xlabel('Set Size')

plt.show()

Другие методы набора Python

Все Установить методы называются данными Установить Отказ Например, если вы создали набор S = {1, 2, 3} Вы бы назвали S.CLEAR () Чтобы удалить все элементы набора. Мы используем термин “Этот набор” обратиться к множеству, на котором выполняется метод.

Работая в качестве исследователя в распределенных системах, доктор Кристиан Майер нашел свою любовь к учению студентов компьютерных наук.

Чтобы помочь студентам достичь более высоких уровней успеха Python, он основал сайт программирования образования Finxter.com Отказ Он автор популярной книги программирования Python One-listers (Nostarch 2020), Coauthor of Кофе-брейк Python Серия самооставленных книг, энтузиаста компьютерных наук, Фрилансера и владелец одного из лучших 10 крупнейших Питон блоги по всему миру.

Его страсти пишут, чтение и кодирование. Но его величайшая страсть состоит в том, чтобы служить стремлению кодер через Finxter и помогать им повысить свои навыки. Вы можете присоединиться к его бесплатной академии электронной почты здесь.