扫码加入数据分析学习群

集合（set），它表示为一组不同的元素：

s = set()
s.add(1) # s现在是1
s.add(2) # s现在是{1,2}
s.add(2) # s还是{1,2}
x = len(s) # 等于2
y = 2 in s # 等于True
z = 3 in s # 等于False

我们使用集合的原因主要有两个。第一个是集合上有一种非常快速的操作： in。如果我们

有大量的项目，希望对它的成分进行测试，那么使用集合比使用列表要合适得多：

stopwords_list = ["a","an","at"] + hundreds_of_other_words + ["yet", "you"]
"zip" in stopwords_list # False，但需要检查每个元素
stopwords_set = set(stopwords_list)
"zip" in stopwords_set # 非常快地检查

第二个原因是便于在一个汇总中寻找其中离散的项目：

item_list = [1, 2, 3, 1, 2, 3]
num_items = len(item_list) # 6
item_set = set(item_list) # {1, 2, 3}
num_distinct_items = len(item_set) # 3
distinct_item_list = list(item_set) # [1, 2, 3]

我们使用 set 的频率要远低于 dict 和 list。