Python set symmetric_difference_update ()

Автор оригинала: Chris.

Python’s S.symmetric_difference_update (t) Определяет все элементы, которые находятся в одном из двух наборов S или T и обновления набор S с этими элементами.

Вот минимальный пример, где мы обновляем существующие Установить состоит из элементов 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_update(t)
>>> s
{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_update(bad)
>>> good
{'ron', 'hermione', 'dumbledore', 'harry', 'grindewald', 'voldemort', 'malfoy'}

Синтаксис

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

set.symmetric_difference_update(set)

Возвращаемое значение

Возвращаемое значение set_1.symmetric_difference_update (set_2) это Нет Отказ Но побочный эффект заключается в том, что оригинал Set_1 Теперь содержит элементы, которые ранее существовали в одном из множеств Set_1 или Set_2 Отказ

Усовершенствованные примеры Набор симметричных разных обновлений

Существуют некоторые тонкости, которые вы должны понимать по поводу установленного симметричной функции обновления разности. Давайте погрузимся в них пример!

Простой пример состоит в том, чтобы рассчитать симметричную разницу набора с другим подмножеством и обновлять оригинальный набор соответственно:

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

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

Можете ли вы вычислить симметричную разницу между набором и пустым набором? Конечно! Но это не изменяет оригинальный набор:

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

Сложность времени выполнения set.symmetric_difference_update () 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 ноутбук (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.