Работа с set в Python: полное руководство с примерами

Расширенные примеры работы с множествами в Python

Симметрическая разность и её применение

Симметрическая разность (^) возвращает элементы, входящие только в одно из множеств. Это может быть полезно для выявления расхождений в двух наборах данных.

A = {'Alice', 'Bob', 'Charlie'}
B = {'Bob', 'Diana', 'Eve'}
unique_users = A ^ B
print('Уникальные пользователи одной системы:', unique_users)

# Альтернатива через symmetric_difference()
print(A.symmetric_difference(B))

Уникальные пользователи одной системы: {'Alice', 'Charlie', 'Diana', 'Eve'}
{'Alice', 'Charlie', 'Diana', 'Eve'}

Использование set для проверки анаграмм

Сравнение множеств символов позволяет быстро определить, состоят ли строки из одинаковых уникальных букв (без учёта частоты). Для строгой проверки анаграмм нужна сортировка или Counter, но set подходит для проверки совпадения набора символов.

def same_chars(s1, s2):
    return set(s1.lower()) == set(s2.lower())

print(same_chars("listen", "silent"))  # True
print(same_chars("hello", "world"))   # False

True
False

Множество как часть алгоритма поиска пересечений списков

Нахождение общих элементов в нескольких списках с помощью set.intersection эффективнее вложенных циклов.

list1 = [1, 2, 3, 4, 5]
list2 = [4, 5, 6, 7]
list3 = [5, 8, 9]
common = set(list1) & set(list2) & set(list3)
print('Элементы есть во всех списках:', common)

# Или динамически
sets = [set(list1), set(list2), set(list3)]
common_dynamic = sets[0].intersection(*sets[1:])
print(common_dynamic)

Элементы есть во всех списках: {5}
{5}

Группировка по хешу с помощью frozenset

Когда требуется сгруппировать элементы по набору признаков, frozenset может быть ключом в словаре.

data = [
    {'fruit': 'apple', 'color': 'red'},
    {'fruit': 'banana', 'color': 'yellow'},
    {'fruit': 'apple', 'color': 'green'},
    {'fruit': 'banana', 'color': 'yellow'}
]
groups = {}
for item in data:
    key = frozenset(item.items())
    groups.setdefault(key, []).append(item)

for k, v in groups.items():
    print(dict(k), '->', len(v), 'записей')

{'fruit': 'apple', 'color': 'red'} -> 1 записей
{'fruit': 'banana', 'color': 'yellow'} -> 2 записей
{'fruit': 'apple', 'color': 'green'} -> 1 записей

Использование set для фильтрации стоп-слов

Быстрая проверка вхождения в множество стоп-слов ускоряет обработку текста.

stop_words = {'и', 'в', 'на', 'с', 'по', 'для', 'а', 'но', 'или', 'из'}
text = "яблоко и груша лежат на столе"
filtered_words = [word for word in text.split() if word.lower() not in stop_words]
print(' '.join(filtered_words))

яблоко груша лежат столе

Сравнение производительности set vs список для проверки in

Для большого количества проверок set значительно быстрее списка.

import time

data_set = set(range(100000))
data_list = list(range(100000))

start = time.perf_counter()
for i in range(10000):
    _ = i + 50000 in data_set
end = time.perf_counter()
print('set time:', end - start)

start = time.perf_counter()
for i in range(10000):
    _ = i + 50000 in data_list
end = time.perf_counter()
print('list time:', end - start)

set time: 0.0032
list time: 1.5421

(результаты могут отличаться в зависимости от системы, но разница будет существенной)

Множества для дедупликации вложенных кортежей

Кортежи хешируемы, поэтому их можно использовать внутри set.

pairs = [(1, 2), (2, 1), (1, 2), (3, 4)]
unique_pairs = set(pairs)
print(unique_pairs)

{(1, 2), (2, 1), (3, 4)}

Операции с множествами для настройки прав доступа

Моделирование разрешений с помощью set упрощает проверку и объединение ролей.

user_perms = {'read', 'write'}
required_perms = {'read', 'execute'}
if required_perms.issubset(user_perms):
    print('Доступ разрешён')
else:
    missing = required_perms - user_perms
    print('Не хватает прав:', missing)

Не хватает прав: {'execute'}