当前位置: 首页 > article >正文

LLM系列:1.python入门:8.集合型对象(SetFrozenset)

集合型对象(SetFrozenset)一. 集合基础集合set是一种无序且可变类型的容器。可以将集合看作是字典的一种特殊形式——由字典的 Keys 所组成的列表。因此集合具备两个核心特征其一集合内的元素必须是不可变对象类型如数字、字符串、元组其二集合内的元素不能重复。冻集合frozenset则是集合的不可变版本除了不支持修改增、删操作外其他基本性质与运算和集合完全一致。1. 集合与冻集合的创建(1). 集合的直接创建使用大括号{}进行标注元素之间用逗号隔开。# 直接创建集合s1{1,2,3}# 无序性及包含不同类型必须是不可变类型的体现s2{1,2,Hi,(1,2,3)}# 注由于 {} 表示空字典创建空集合必须使用 set()s_emptyset()(2). 使用 set() 函数可将列表、元组、字符串、range 等可迭代对象转化为集合。# 列表转集合set([1,2,3])# {1, 2, 3}# 字符串转集合会被拆分为单个字符并去重set(Hello)# {H, e, l, o}(3). 冻集合的使用 (frozenset)冻集合只能通过frozenset()函数进行创建。一旦创建其内部元素不可被修改或删除。# 将列表或集合转化为冻集合fr1frozenset([1,2,3])fr2frozenset({1,2,3})# 注冻集合作为不可变对象自身也可以作为另一个集合的元素set([1,2,frozenset([1,2])])(4). 利用集合去重利用集合元素不可重复的特性可以非常方便地对列表进行去重操作。注去重过程会自动调整元素顺序本质上是无序变量转化为有序变量。l1[1,1,2,3]# 转化为集合去重再转化为列表ls1list(set(l1))# [1, 2, 3]二. 集合的常用方法与操作1. add - 添加元素作用在集合中添加一个新元素。由于集合无序因此没有特定的插入位置。冻集合不支持此方法。set.add(elem)参数元素 (elem) 需要添加到集合中的目标对象Any必须是不可变类型。返回值成功 无返回值NoneType直接在原集合对象上进行修改。示例s1{1,2,3}# 在 s1 集合中添加元素 4s1.add(4)# s1 变为 {1, 2, 3, 4}2. remove - 删除指定元素作用删除集合中指定的元素。若指定元素不存在则会报错。冻集合不支持此方法。set.remove(elem)参数元素 (elem) 需要从集合中移除的目标对象Any。返回值成功 无返回值NoneType直接在原集合对象上进行修改。示例s1{1,2,3,4}# 删除集合中的 4s1.remove(4)# s1 变为 {1, 2, 3}3. pop - 随机弹出元素作用随机删除并返回集合中的一个元素实际是按照内部哈希重排列后的顺序进行删除。冻集合不支持此方法。set.pop()参数无参数None。返回值成功 返回被弹出的那个元素对象Any。如果集合为空则会报错。示例s2{(1,2),1,2,Hi}# 随机删除一个元素并将其返回vals2.pop()# val 可能变为(1, 2)# s2 变为 {1, 2, Hi}4. intersection或- 交集运算作用提取出两个或多个集合中共同拥有的元素。set1set2set.intersection(other)参数其他集合 (other) 参与交集运算的其他可迭代对象Iterable如 set 或 frozenset。返回值成功 返回一个新的集合对象set 或 frozenset包含两者共同的元素。注 还可以使用intersection_update()直接在原集合上覆盖更新不返回新集合。示例s1{1,2,3}s2{2,3,4}# 使用运算符 或 intersection 方法s1s2# 返回 {2, 3}s1.intersection(s2)# 返回 {2, 3}# 使用 intersection_update 方法原地修改s1.intersection_update(s2)# s1 变为 {2, 3}5. union或|- 并集运算作用将两个集合中的所有元素合并在一起并自动去重。set1|set2set.union(other)参数其他集合 (other) 参与并集运算的其他可迭代对象Iterable。返回值成功 返回一个新的集合对象set 或 frozenset包含两者的所有去重元素。注 还可以使用update()方法直接将新元素并入原集合不返回新集合。示例s1{1,2,3}s2{2,3,4}# 使用运算符 | 或 union 方法s1|s2# 返回 {1, 2, 3, 4}s1.union(s2)# 返回 {1, 2, 3, 4}# 使用 update 方法原地修改s1.update(s2)# s1 变为 {1, 2, 3, 4}6. difference或-- 差集运算作用提取出存在于当前集合中但不存在于另一个集合中的元素当前集合减去共同部分。set1-set2set.difference(other)参数其他集合 (other) 参与差集运算的其他可迭代对象Iterable。返回值成功 返回一个新的集合对象set 或 frozenset。注 还可以使用difference_update()直接在原集合上覆盖更新。示例s1{1,2,3}s2{2,3,4}# 存在于 s1 中但不在 s2 中的元素s1-s2# 返回 {1}s1.difference(s2)# 返回 {1}# 使用 difference_update 方法原地修改s1.difference_update(s2)# s1 变为 {1}7. symmetric_difference或^- 补集运算 (对称差集)作用提取出两个集合中不重复的元素集合即两者并集减去两者的交集。set1^set2set.symmetric_difference(other)参数其他集合 (other) 参与补集运算的其他可迭代对象Iterable。返回值成功 返回一个新的集合对象set 或 frozenset。注 还可以使用symmetric_difference_update()直接在原集合上覆盖更新。示例s1{1,2,3}s2{2,3,4}# 提取不重复的独立元素s1^s2# 返回 {1, 4}s1.symmetric_difference(s2)# 返回 {1, 4}# 使用 symmetric_difference_update 方法原地修改s1.symmetric_difference_update(s2)# s1 变为 {1, 4}8. issubset - 子集判断作用判断当前集合是否被完全包含在另一个集合中。set.issubset(other)参数其他集合 (other) 作为父集参考的目标容器Iterable。返回值成功 如果被完全包含则返回True否则返回Falsebool。示例s1{1,2,3}s2{2,3}# 判断 s2 是否是 s1 的子集s2.issubset(s1)# 返回 True9. issuperset - 超集判断作用判断当前集合是否完全包含了另一个集合。set.issuperset(other)参数其他集合 (other) 作为子集参考的目标容器Iterable。返回值成功 如果完全包含对方则返回True否则返回Falsebool。示例s1{1,2,3}s2{2,3}# 判断 s1 是否包含了 s2s1.issuperset(s2)# 返回 True10. isdisjoint - 无交集判断作用判断两个集合是否完全没有共同元素即是否有交集。set.isdisjoint(other)参数其他集合 (other) 需要参与对比的另一集合Iterable。返回值成功 如果两个集合完全没有交集则返回True如果有任何相同元素则返回Falsebool。示例s3{1,2}s4{3}# 判断 s3 和 s4 是否完全不相交s3.isdisjoint(s4)# 返回 True

相关文章:

LLM系列:1.python入门:8.集合型对象(SetFrozenset)

集合型对象(Set&Frozenset) 一. 集合基础 集合(set)是一种无序且可变类型的容器。 可以将集合看作是字典的一种特殊形式——由字典的 Keys 所组成的列表。因此集合具备两个核心特征:其一,集合内的元素必须是不可变对象类型&am…...

盟接之桥说制造:撕开实际成本核算的“遮羞布”,别让管理漏洞吞噬你的利润

在制造业的江湖里,流传着一个关于成本核算的“神话”:似乎只要搞一套ERP系统,设定好材料、人工、费用的分摊规则,按下计算按钮,精准的成本数据就会像自来水一样流出来。很多老板和财务负责人天真地以为,成本…...

神经渲染避坑指南:训练自己的NeRF模型时遇到的7个典型问题及解决方案

神经渲染避坑指南:训练自己的NeRF模型时遇到的7个典型问题及解决方案 当你第一次尝试用NeRF(神经辐射场)重建一个3D场景时,那种兴奋感很快会被现实问题冲淡——为什么我的渲染结果全是噪点?为什么训练了三天三夜还是模…...

PyTorch实战:5种模型剪枝方法对比与避坑指南(附代码)

PyTorch实战:5种模型剪枝方法对比与避坑指南(附代码) 在深度学习模型部署的实际场景中,我们常常面临一个矛盾:模型越大,精度通常越高,但对计算资源和推理速度的要求也越高。这就引出了模型剪枝技…...

从CGAN到BEGAN:5种主流GAN变体保姆级选型指南(附PyTorch核心代码对比)

从CGAN到BEGAN:5种主流GAN变体实战选型指南 当你面对一个具体的图像生成任务时,最头疼的问题往往是:这么多GAN变体,我到底该选哪个?DCGAN、WGAN-GP、CGAN、BEGAN各有特点,但纸上谈兵的理论对比远不如实际项…...

【学习笔记】深度拆解 Claude Code:12 个可复用的 Agentic Harness 设计模式

模型可以换,工具也会变,但这些设计很可能会一直存在。Kubernetes Patterns[1] 和 Prompt Patterns[2] 的作者 Bilgin lbryam 从源码里整理了 12 个可以复用的设计模式,分成四类:记忆与上下文、工作流与编排、工具与权限、自动化。…...

Windows驱动管理终极指南:Driver Store Explorer 5分钟上手教程

Windows驱动管理终极指南:Driver Store Explorer 5分钟上手教程 【免费下载链接】DriverStoreExplorer Driver Store Explorer 项目地址: https://gitcode.com/gh_mirrors/dr/DriverStoreExplorer 你是否曾因C盘空间不足而烦恼?是否遇到过驱动程序…...

重大利好!跨境电商再获政策支持,行业迎来新机遇

刚刚得到消息,国家将进一步支持跨境电商发展。这对于我们从业者来说是好消息。一、机遇方面政策支持力度加大,海关流程更加便捷,物流渠道更加丰富。二、挑战方面行业竞争加剧,客户要求提高,合规成本上升。三、应对策略…...

全球轮胎帘子布市场深度剖析:2026-2032期间年复合增长率(CAGR)为5.2%

QYResearch调研显示,2025年全球轮胎帘子布市场规模大约为134.7亿美元,预计2032年将达到191.5亿美元,2026-2032期间年复合增长率(CAGR)为5.2%。轮胎帘子布,作为轮胎制造的关键纺织材料,又称轮胎帘…...

LLM核心参数配置指南:基础篇

gzh: AI-Frontiers和大语言模型聊天的时候,你是不是也觉得,光会写提示词还不够?有时候模型答得乱七八糟,真不是你的问题。其实不管是直接用对话框,还是调API,有个小细节特别容易被忽略——配置参数。你可以…...

当代码成为冒险:CodeCombat如何重新定义编程学习体验

当代码成为冒险:CodeCombat如何重新定义编程学习体验 【免费下载链接】codecombat Game for learning how to code. 项目地址: https://gitcode.com/gh_mirrors/co/codecombat 还记得第一次面对黑屏终端时的那种迷茫吗?或者看着满屏的语法错误却不…...

广告联盟APP开发前端逻辑

广告联盟APP如何在性能和用户体验间找到平衡?这是一个让人感兴趣的议题。 近年来,随着移动互联网的迅速发展,广告联盟APP成为众多平台和开发者关注的重点。这些应用的核心功能在于实现高效的广告展示、精准的用户行为追踪、透明的收益分配以及…...

暗黑2存档编辑神器:3分钟掌握d2s-editor终极使用指南

暗黑2存档编辑神器:3分钟掌握d2s-editor终极使用指南 【免费下载链接】d2s-editor 项目地址: https://gitcode.com/gh_mirrors/d2/d2s-editor 还在为暗黑破坏神2的装备掉落率太低而烦恼吗?😩 想不想轻松调整角色属性,打造…...

Claude code与IBM Engineering Lifecycle Management协同研发

IBM Engineering Lifecycle Management包含需求编写与管理、源代码管理、变更管理、测试管理和工程方法编写与规范等功能,我想将claude code和IBM Engineering Lifecycle Management协同工作,但是IBM Engineering Lifecycle Management的界面是web,而且它…...

终极指南:使用foo_openlyrics打造专业级foobar2000歌词显示体验

终极指南:使用foo_openlyrics打造专业级foobar2000歌词显示体验 【免费下载链接】foo_openlyrics An open-source lyric display panel for foobar2000 项目地址: https://gitcode.com/gh_mirrors/fo/foo_openlyrics 在音乐播放体验中,歌词显示是…...

起名网如何选择?美名助运:以AI算法赋能,打造专业命名体验

在当今数字化时代,为新生儿、新公司或新品牌寻找一个寓意深远、音律和谐的名字,已成为许多人的重要需求。随之而来的是,各类“起名网”如雨后春笋般涌现,为用户提供了前所未有的便利。然而,面对琳琅满目的在线起名平台…...

C++新手必看:如何彻底解决‘redefinition of ‘a’‘这个烦人报错(附真实案例)

C新手必看:如何彻底解决redefinition of ‘a’这个烦人报错(附真实案例) 刚接触C多文件编程时,你是否遇到过这样的场景:明明每个文件单独编译都没问题,但一链接就蹦出"redefinition of ‘a’"的红…...

如何在 Tkinter 网格中动态增删表格行

本文详解如何使用 Tkinter 动态管理二维网格中的行:通过按钮实现选中行的删除与新行的插入,并保持数据、控件与变量状态同步。代码采用全局高度计数器与 grid_forget() 配合列表弹出,确保内存安全与界面一致性。 本文详解如何使用 tkint…...

沁恒CH585蓝牙Notify避坑指南:从手机APP使能到Handle确认,一次搞定数据上报

沁恒CH585蓝牙Notify功能深度调试:从协议机制到实战避坑指南 当你盯着手机APP上空荡荡的数据接收界面,而CH585开发板却显示"数据已发送"时,那种挫败感我深有体会。蓝牙Notify功能看似简单,实则暗藏玄机——它不仅仅是调…...

保姆级教程:在STM32F1/F4上正确配置串口空闲中断(IDLE)接收不定长数据

STM32串口空闲中断实战指南:构建高可靠不定长数据接收框架 在物联网设备和智能硬件开发中,串口通信是最基础也最关键的环节之一。面对GPS模块、蓝牙芯片或LoRa模组发送的不定长数据包,传统轮询方式不仅效率低下,还可能导致数据丢失…...

Go语言如何做图算法_Go语言图算法实现教程【对比】

...

LayerNorm与BatchNorm对比指南:什么时候该用哪种归一化?附PyTorch代码示例

LayerNorm与BatchNorm深度对比:从原理到实战的归一化技术选型指南 在深度神经网络训练过程中,内部协变量偏移(Internal Covariate Shift)一直是影响模型收敛速度和泛化性能的关键挑战。归一化技术的出现为解决这一问题提供了有效方…...

论文查重=开盲盒?好写作AI说:NO!

凌晨两点,你颤抖着点开查重报告。页面加载的那几秒,心脏几乎跳出嗓子眼。 10%?20%?30%? 当那个数字最终定格在27%时,你长叹一口气——又要熬夜改稿了。 我见过太多这样的场景。论文查重,几乎…...

当儿童出现学习困难时,如何判断是否患有多动症?

儿童多动症的典型表现及识别技巧 儿童多动症(ADHD)的表现通常包括注意力集中困难、过度活跃与冲动。特别是在学习环境中,孩子可能很难专注于课堂内容,常常分心,难以完成作业。家长和教师应注意到是否存在频繁走动或在座…...

扩散模型做异常检测太慢?手把手教你用AnoDDPM的‘部分扩散’策略提速10倍

扩散模型在异常检测中的效率革命:AnoDDPM部分扩散策略深度解析 当扩散模型遇上异常检测,计算效率成为横亘在理想与现实之间的鸿沟。传统DDPM(Denoising Diffusion Probabilistic Models)需要完整的马尔可夫链进行前向扩散和反向去…...

C++面试突击:从new/delete到STL容器,这些高频考点你真的掌握了吗?

C面试突击:高频考点深度解析与实战技巧 最近在技术社区看到不少开发者讨论C面试中的"死亡连环问"——从内存管理到STL底层实现,面试官的问题往往直戳知识盲区。作为一门经久不衰的系统级语言,C的深度和广度让不少求职者又爱又恨。本…...

告别静态图表!用WPF LiveCharts 2.x 模拟实时数据监控面板(附完整MVVM源码)

工业级实时监控面板开发实战:WPF LiveCharts 2.x与MVVM深度整合 在工业自动化、服务器监控和物联网领域,实时数据可视化是决策支持系统的核心。传统静态图表已无法满足现代监控系统对即时反馈的需求,而WPF LiveCharts 2.x凭借其流畅的动画效果…...

容器镜像进阶:多阶段构建优化 + 镜像分层缓存策略 + 漏洞扫描自动化

容器镜像进阶:多阶段构建优化 + 镜像分层缓存策略 + 漏洞扫描自动化 **标签:**容器镜像 | Docker | 多阶段构建 | 分层缓存 | Trivy漏洞扫描 | CI/CD自动化 | 运维进阶 **核心考点:**镜像分层原理深度解析、多阶段构建进阶技巧、缓存失效规避策略、Trivy集成实战、构建+扫…...

LeetCode 1653. 使字符串平衡的最少删除次数 详细技术解析

LeetCode 1653. 使字符串平衡的最少删除次数 详细技术解析 **标签:**LeetCode | 字符串 | 动态规划 | 前缀和 | 贪心 | 中等难度 **核心考点:**字符串平衡条件理解、动态规划状态设计、前缀和优化、贪心思想应用(应对1e5级数据量)…...

AFDM、OTFS、OFDM到底怎么选?一张图看懂下一代无线通信三大波形,附6G应用场景分析

AFDM、OTFS、OFDM技术选型指南:6G时代三大波形深度对比与场景决策树 当高铁以350公里时速穿越隧道,当无人机在强风环境下实时回传4K视频,当低轨卫星为远洋船舶提供宽带连接——这些场景正在挑战传统无线通信技术的极限。作为技术决策者&…...