Python Set vs List – Az igazi különbség

A Python programozás világában gyakran találkozhatunk különféle adatstruktúrákkal, amelyek különböző célokat szolgálnak. Ezen struktúrák közül általában készleteket és listákat használnak adatgyűjtemények tárolására és kezelésére.

Bár hasonlónak tűnhetnek, jelentős különbségek vannak tulajdonságaikban és használati eseteikben.

Tartalomjegyzék

• Python készletek és listák megértése
  • Mik azok a Python készletek?
  • Mik azok a Python listák
• 3 fő különbség a készletek és a listák között
  • 1. Rendelés és indexelés
  • 2. Változékonyság
  • Az elemek egyedisége
  • 3. Támogatott műveletek
• Hogyan válasszuk ki a megfelelő adatstruktúrát?
  • Használjon tokokat a készletekhez
  • Használja az eseteket listákhoz
• A készletek és listák teljesítményének összehasonlítása
  • Idő összetettsége
  • Memóriahasználat
• Közös műveletek és módszerek
  • Módszer beállítása
  • Lista módszer
• Az utolsó mondatunk

Python készletek és listák megértése

Rendben, akkor először magyarázzuk el a dolgokat.

Mik azok a Python készletek?

A halmaz egy beépített adatstruktúra, amely különálló elemek, úgynevezett tagok rendezetlen gyűjteményét képviseli.

Ez a hatékony eszköz különösen hasznos adattudományi alkalmazásokban és matematikai műveletekben.

A Python készletek a következő tulajdonságokkal rendelkeznek:

1. Ezek rendezetlenek, ami azt jelenti, hogy egy halmaz elemei az indexüktől függetlenül kerülnek tárolásra. Az egyedi értékek rendezetlen gyűjteménye hatékony tagsági teszteket és halmazmegértéseket tesz lehetővé.

2. Nem engedélyezik az értékek megkettőzését. Ez hasznossá teszi őket, ha egyedi értékekkel kell dolgoznia, el kell távolítania a duplikációkat a listából, vagy halmazműveleteket kell végrehajtania, például uniókat, metszéspontokat és szimmetrikus különbségeket.

Kétféleképpen hozhat létre készletet Pythonban:

1. Kapcsos zárójelek ({}) használatával, más néven göndör zárójelek.

2. A beépített set() függvény használatával, amely egyetlen argumentumot vesz fel, egy iterált, amely tartalmazza a halmazba felvenni kívánt elemeket.

A Python-készlet létrehozásának általános szintaxisa kapcsos kapcsos zárójelekkel és a beépített set funkcióval az alábbiakban található:

my_set = {1, 2, 3}
another_set = set([4, 5, 6])

Mik azok a Python listák

A Python lista egy beépített adatstruktúra, amely hasonló más programozási nyelvek dinamikus tömbjeihez.

Több elem egyetlen változóban való tárolására szolgálnak, így sokoldalú lehetőség a különféle adattípusok, például karakterláncok, számok és logikai értékek kezelésére.

A Python listák a következő tulajdonságokkal rendelkeznek:

1. Rendezettek, ami azt jelenti, hogy egy adott elemnek egyedi pozíciója van a listában, és az indexén keresztül érhető el. Ez a rendezett gyűjtemény támogatja a véletlenszerű hozzáférést, lehetővé téve olyan műveletek végrehajtását, mint a szeletelés, az összefűzés és a listaértés.

2. Változtathatók, elemeik a lista létrehozása után módosíthatók, ami rugalmasságot biztosít az adatstruktúrákkal való munka során.

3. A Python-listák duplikált értékeket tesznek lehetővé, és többféle adattípust is tárolhatnak, beleértve a karakterláncokat, számokat és logikai értékeket.

Van két

1. Szögletes zárójelek használatával, amelyek a lista határait jelölik.

2. A beépített list() függvény használatával, amely egyetlen argumentumot vagy egy iterációt tartalmazhat, amely tartalmazza a listába felvenni kívánt elemeket.

A következő Python-kód bemutatja a Python-lista létrehozását szögletes zárójelek és a beépített list() függvény használatával:

list1 = [1, 2, 3] 
list2 = list([4, 5, 6])

3 fő különbség a készletek és a listák között

Ezek többszörös különbségek a Python-készlet és a lista között. Az alábbiakban felsorolunk néhány fontosabbat:

1. Rendelés és indexelés

Sorrend és indexelés a listában: A Python listák támogathatják az indexelést, ami azt jelenti, hogy a lista elemeit a listában elfoglalt helyük alapján érheti el. Ez rugalmasságot biztosít az adatok ismert sorrendű manipulálásakor.

A következő kód a listák sorrendjét és indexelését mutatja be:

# Creating a Python list
my_list = [3, 5, 2, 8, 1]

# Accessing elements using their index
first_element = my_list[0]  # This will be 3
third_element = my_list[2]  # This will be 2

# Modifying elements using their index
my_list[1] = 7  # The list becomes [3, 7, 2, 8, 1]

# Iterating over a list maintaining the order
for item in my_list:
    print(item)

Python-készletek: A Python-készlet egy rendezetlen gyűjtemény indexelés nélkül, ami azt jelenti, hogy nem férhet hozzá az elemekhez a pozíciójuk alapján. Ez akkor hasznos, ha az elemek sorrendje nem számít.

A következő Python-kód a sorrendet és az indexelési készleteket mutatja be:

# Creating a Python set
my_set = {3, 5, 2, 8, 1}

# Sets are unordered, so you cannot access elements using their position
# This would raise an error: first_element = my_set[0]

# Modifying a set by adding or removing elements
my_set.add(6)       # The set becomes {1, 2, 3, 5, 6, 8}
my_set.discard(5)   # The set becomes {1, 2, 3, 6, 8}

# Iterating over a set (order is not guaranteed)
for item in my_set:
    print(item)

2. Változékonyság

Python-lista: A Python-lista változtatható, lehetővé téve elemeinek módosítását. Bármilyen típusú objektumot tárolhatnak, beleértve a beágyazott listákat is, így nagyobb rugalmasságot biztosítanak a tárolható tartalom tekintetében.

A következő kód a Python-listák változékonyságát mutatja be:

# Creating a Python list
my_list = [3, 5, 2, 8, 1]

# Modifying the list by appending elements
my_list.append(4)  # The list becomes [3, 5, 2, 8, 1, 4]

# Modifying the list by removing elements
my_list.remove(2)  # The list becomes [3, 5, 8, 1, 4]

# Lists can hold any type of object, including nested lists
nested_list = [1, 2, [3, 4], 5]

Python készlet: Csakúgy, mint a Pythonban, a Python készlet is változtatható és módosítható. A Python készletei azonban csak kivonatozható (megváltoztathatatlan) objektumokat tartalmazhatnak, ami azt jelenti, hogy nem rendelkezhet halmazkészlettel vagy módosítható objektumokat, például listákat tartalmazó halmazokkal.

A következő kód a Python-készletek változékonyságát mutatja be:

# Creating a Python set
my_set = {3, 5, 2, 8, 1}

# Modifying the set by adding elements
my_set.add(6)       # The set becomes {1, 2, 3, 5, 6, 8}

# Modifying the set by removing elements
my_set.discard(5)   # The set becomes {1, 2, 3, 6, 8}

# Sets can only hold hashable (immutable) objects
valid_set = {1, 2, 3, 4, (5, 6)}

# The following would raise an error because lists are mutable and cannot be stored in sets
# invalid_set = {1, 2, [3, 4]}

Az elemek egyedisége

Python-készletek: A készletek egyik legfontosabb jellemzője, hogy csak egyedi elemeket tárolnak. Az ismétlődő értékek listához való hozzáadása figyelmen kívül marad. Ez ideálissá teszi a beállított objektumot a különböző halmazműveletekhez, például a duplikációk eltávolításához vagy az egyedi elemek jelenlétének ellenőrzéséhez.

# Creating a Python set with duplicate elements
my_set = {3, 5, 2, 8, 1, 3, 2, 5}
# The duplicate elements are automatically removed: {1, 2, 3, 5, 8}

# Checking for the presence of a unique element
if 5 in my_set:
    print("5 is in the set")
# Output: 5 is in the set

# Removing duplicates from a list using a set
my_list = [3, 5, 2, 8, 1, 3, 2, 5]
unique_list = list(set(my_list))
# The unique_list becomes [1, 2, 3, 5, 8]

• 

  Python listák: A listák lehetővé teszik az értékek megkettőzését és megtartják azok sorrendjét, ami elengedhetetlen lehet olyan használati esetekben, ahol a duplikációk és az elemek sorrendje jelentős szerepet játszik.

  # Creating a Python list with duplicate elements
  my_list = [3, 5, 2, 8, 1, 3, 2, 5]
  # The list contains duplicate values: [3, 5, 2, 8, 1, 3, 2, 5]
  
  # Checking for the presence of an element in a list
  if 5 in my_list:
      print("5 is in the list")
  # Output: 5 is in the list
  
  # Counting the occurrences of a value in a list
  count_of_5 = my_list.count(5)
  print("5 appears", count_of_5, "times")
  # Output: 5 appears 2 times

  

3. Támogatott műveletek

Különféle műveletek hajthatók végre halmazokon és listákon, amelyek mindegyike meghatározott feladatokra van optimalizálva:

Python-listák: rendezett és index-alapú jellegüknek köszönhetően a listák támogatják az olyan műveleteket, mint a szeletelés, az összefűzés, az ismétlés és a listaértés. Beépített metódusokat is biztosítanak, mint például az append(), a pop() és a sort(), amelyek lehetővé teszik a lista elemeinek kezelését.

# Creating a Python list
my_list = [3, 5, 2, 8, 1]

# Slicing a list
sub_list = my_list[1:4]  # The sub_list becomes [5, 2, 8]

# Concatenation of two lists
list1 = [1, 2, 3]
list2 = [4, 5, 6]
concatenated_list = list1 + list2  # The concatenated_list becomes [1, 2, 3, 4, 5, 6]

# Repetition of a list
repeated_list = list1 * 2  # The repeated_list becomes [1, 2, 3, 1, 2, 3]

# List comprehension
squared_list = [x ** 2 for x in my_list]  # The squared_list becomes [9, 25, 4, 64, 1]

# Using built-in methods
my_list.append(4)  # The list becomes [3, 5, 2, 8, 1, 4]
my_list.pop()      # The list becomes [3, 5, 2, 8, 1]
my_list.sort()     # The list becomes [1, 2, 3, 5, 8]

mint az egyesülés, metszéspont, különbség és a tagság ellenőrzése hash függvényekkel az elemek gyors megtalálása érdekében. Mivel rendezetlenek és nincs indexelve, a halmazműveletek különböznek a listaalapúaktól.

# Creating Python sets
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}

# Union operation
union_set = set1.union(set2)  # The union_set becomes {1, 2, 3, 4, 5, 6, 7, 8}

# Intersection operation
intersection_set = set1.intersection(set2)  # The intersection_set becomes {4, 5}

# Difference operation
difference_set = set1.difference(set2)  # The difference_set becomes {1, 2, 3}

# Checking membership
if 3 in set1:
    print("3 is a member of set1")
# Output: 3 is a member of set1

Hogyan válasszuk ki a megfelelő adatstruktúrát?

Amikor Pythonnal dolgozik, elengedhetetlen, hogy az adott feladathoz a legmegfelelőbb adatstruktúrát válassza ki. Ebben a részben a készletek és listák használatának legjobb forgatókönyveit, valamint azok egyedi előnyeit tárgyaljuk.

Menjünk bele.

Használjon tokokat a készletekhez

A készletek számos előnnyel rendelkeznek, amelyek ideális választássá teszik bizonyos feladatokhoz:

Egyediség: Ha egyedi elemek gyűjteményét kell tárolnia, a készletek a megfelelő út. A készletek automatikusan kiküszöbölik az ismétlődéseket, biztosítva, hogy a készlet minden eleme különálló legyen.

Tagsági tesztek: A készletek gyorsabb tagsági teszteket biztosítanak a listákhoz képest. A mögöttes hash tábla megvalósítása és a hash függvények használata miatt a készletek rendkívül hatékony keresést tesznek lehetővé hash értékek alapján.

Set operations: Sets support operations such as union, intersection, difference, and symmetric difference that can be useful in many algorithms, data processing tasks, and data science applications.

Use Cases for Lists

Lists are better suited for the following scenarios:

Ordered data: Lists maintain the order of elements, making them suitable for tasks that require respecting the sequence of items, such as processing data in the order it was created or when support indexing is needed.

Mutable data: Lists are mutable, allowing you to add, remove, or modify a specific element as needed. This flexibility makes lists suitable for tasks that involve changing the content of the collection or when working with nested data structures, such as lists of lists or dictionaries.

Non-unique elements: Unlike sets, lists can store duplicate elements, making them appropriate for situations where the frequency of items matters, such as counting occurrences or maintaining the order of duplicate values.

Check out the below to show to further your learning.

APerformance Comparison Between Sets and Lists

In this section, we will compare the performance of Python sets and lists in terms of time complexity and memory usage, which is essential when working with large data structures or when optimizing code for efficiency.

Time Complexity

When it comes to time complexity, sets and lists have different strengths and weaknesses depending on the operations you perform due to their underlying implementation.

1. Searching: Sets use hash lookups and hash functions, which makes searching for an item significantly faster compared to lists. For example, searching through 100,000 items takes 49.663 seconds with a list, but only 0.007 seconds with a set, as it takes advantage of the hash value for quick access.

2. Iteration: Lists are slightly faster than sets when it comes to iterating over the items. This is because sets require additional operations to ensure uniqueness, while lists maintain a simple ordered collection with direct indexing.

Memory Usage

Sets typically consume more memory than lists because they need to maintain a hash table to ensure the uniqueness of items, which comes at the cost of increased memory consumption.

Lists only store the elements sequentially, leading to lower memory consumption, making them a more memory-efficient choice when handling large collections of data.

import time
import random

# Generating a large list and set with 100,000 random integers
large_list = [random.randint(1, 1_000_000) for _ in range(100_000)]
large_set = set(large_list)

# Searching for an item in the list and set
search_value = random.randint(1, 1_000_000)

# Measuring the time it takes to search for the item in the list
start_time = time.time()
result = search_value in large_list
end_time = time.time()
list_search_time = end_time - start_time
print(f"List search time: {list_search_time:.6f} seconds")

# Measuring the time it takes to search for the item in the set
start_time = time.time()
result = search_value in large_set
end_time = time.time()
set_search_time = end_time - start_time
print(f"Set search time: {set_search_time:.6f} seconds")

# Iterating over the list and set
# Measuring the time it takes to iterate over the list
start_time = time.time()
for item in large_list:
    pass
end_time = time.time()
list_iter_time = end_time - start_time
print(f"List iteration time: {list_iter_time:.6f} seconds")

# Measuring the time it takes to iterate over the set
start_time = time.time()
for item in large_set:
    pass
end_time = time.time()
set_iter_time = end_time - start_time
print(f"Set iteration time: {set_iter_time:.6f} seconds")

The provided code showcases the performance comparison between Python sets and lists in terms of time complexity for searching and iteration.

It generates a large list and set of random integers, enclosed by curly brackets (also called curly braces).

It then measures the time taken to search for a specific item, using a single argument in both the list and set, and measures the time taken to iterate through all elements in the list and set.

The output illustrates the performance differences between Python lists and sets for search and iteration, which stem from their underlying implementation.

The search operation is faster in sets (0.000000 seconds) than in lists (0.002999 seconds) due to the use of hash functions to compute hash values for efficient lookups. However, iterating over a list (0.007995 seconds) is slightly faster than iterating over a set (0.017989 seconds) since sets require additional operations to ensure uniqueness.

Common Operations and Methods

Both sets and lists in Python have various operations and methods, each optimized for specific tasks and data manipulation. Some of these methods are listed below:

Set Method

Set methods perform operations that are similar to mathematical operations and are powerful tools for handling unique values in a collection.

• add(element): Adds an element to the set if it is not already present.

• remove(element): Removes the specified element from the set; raises an error if the element is not found.

• discard(element): Removes the specified element from the set if it is present. No error is raised if the element is not found.

• union(set2): Returns a new set containing all elements from the original set and set2, effectively performing a set operation.

• intersection(set2): Returns a new set containing elements common to both the original set and set2.

• difference(set2): Returns a new set containing elements in the original set but not in set2.

• symmetric_difference(set2): Returns a new set containing elements in either the original set or set2, but not in both.

List Method

List methods provide various ways to manipulate data.

• append(element): Adds an element to the end of the list.

• extend(iterable): Appends all elements from the iterable (e.g., another list) to the end of the list.

• insert(index, element): Inserts an element at the specified index.

• remove(element): Removes the first occurrence of the specified element in the list; raises an error if the element is not present.

• pop(index): Removes and returns the element at the specified index. If no index is given, it removes the last element.

• index(element): Returns the index of the first occurrence of the specified element in the list.

• count(element): Returns the number of occurrences of the specified element in the list.

• sort(): Sorts the list in ascending order by default; for descending order, use the reverse=True parameter.

• reverse(): Reverses the order of the elements in the list.

By using these Python set and list methods, you can effectively manipulate your data and solve various problems in Python programming, data science, and other applications.

Our Final Say

When choosing between Python lists and sets for your data structure, consider using lists when you need an ordered collection of items, want to preserve duplicate elements, and require the ability to access elements by index.

Opt for sets when the uniqueness of elements is essential, the order of elements is not important, and faster membership testing is preferred. While lists excel in iteration, sets provide more efficient containment checks.

Your choice ultimately depends on your project’s requirements, as each data structure offers its own set of benefits and limitations, making them powerful tools for tackling various tasks in Python programming. Enjoy!