（一）Python集合数据类型Set总结-1
1、set特点
set 可以过滤重复元素,本身是无序的（元素顺序是混乱的）不重复的
示例-1：
set = {1,2,2,3,4,4,5,6,7,7}
#输出set对象
print(set)
结果：{1, 2, 3, 4, 5, 6, 7}
示例-2：
set = {“abc”}
#输出set对象
print(set)
示例-3：
set = {“aaa”,”bbb”,”ccc”}
#输出set对象
print(set)
结果：{‘aaa’, ‘bbb’, ‘ccc’}
2、加运算add
示例-1：
set = {“aaa”,”bbb”,”ccc”}
set.add(“ddd”)
print(set)
结果：{‘aaa’, ‘bbb’, ‘ddd’, ‘ccc’}
示例-2：
set = {1 ,2 , 3}
set.add(“ddd”)
print(set)
结果：{1, 2, 3, ‘ddd’}
3、update运算
示例-1：
set1 = {“aaa”,”bbb”,”ccc”}
set2 = {“111″,”222″,”333”}
set1.update(set2)
print(set1)
print(set2)
结果：
{‘aaa’, ‘222’, ‘333’, ‘ccc’, ‘111’, ‘bbb’}
{‘222’, ‘333’, ‘111’}
4、删除操作remove
set = {“aaa”,”bbb”,”ccc”}
set.remove(“bbb”)
print(set)
结果：{‘ccc’, ‘aaa’}
5、出栈操作pop
set = {“aaa”,”bbb”,”ccc”}
set.pop() #”aaa”出栈
set.pop() #”bbb”出栈
print(set)
结果：{‘ccc’}
6、清除所有元素clear
set = {“aaa”,”bbb”,”ccc”}
set.clear()
print(set)
结果：set()
（二）Python集合数据类型Set总结-2
1、交运算 & 或者 intersection
示例：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1 & set2
print(result)
结果：{3}
示例-2：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1.intersection(set2)
print(result)
结果：{3}
2、并运算 | 或者 union
示例-1：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1 | set2
print(result)
结果：{1, 2, 3, 4, 5}
示例-2：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1.union(set2)
print(result)
结果：{1, 2, 3, 4, 5}
3、差运算 – 或者difference
示例-1：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1 – set2
print(result)
结果：{1, 2}
示例-2：
set1 = {1,2,3}
set2 = {3,4,5}
result = set1.difference(set2)
print(result)
结果：{1, 2}
4、判断
示例-1：
set1 = {1,2,3}
set2 = {1,3}
#判断set2是不是set1的子集
print(set2.issubset(set1))
#用于判断指定集合的所有元素是否都包含在原始的集合中，如果是则返回 True，否则返回 False。
print(set1.issuperset(set2))
结果：
True
True
示例-2：
set = {1,2,3}
set2 = {1,3}
x = 1
print( x in set )
结果：
True
5、和其它集合相互转换
（1）#生成个列表
list = [x for x in range(10)]
print(list)
结果：[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
（2）#将List转换为Set
s = set(list)
print(s)
结果：{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
（3）将List转换为元组
t = tuple(list)
print(t)
结果：(0, 1, 2, 3, 4, 5, 6, 7, 8, 9)
《大数据和人工智能交流》的宗旨
1、将大数据和人工智能的专业数学：概率数理统计、线性代数、决策论、优化论、博弈论等数学模型变得通俗易懂。
2、将大数据和人工智能的专业涉及到的数据结构和算法：分类、聚类 、回归算法、概率等算法变得通俗易懂。
3、最新的高科技动态：数据采集方面的智能传感器技术；医疗大数据智能决策分析；物联网智慧城市等等。
根据初学者需要会有C语言、Java语言、Python语言、Scala函数式等目前主流计算机语言。
根据读者的需要有和人工智能相关的计算机科学与技术、电子技术、芯片技术等基础学科通俗易懂的文章。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至2705686032@qq.com 举报，一经查实，本站将立刻删除。原文转载： 原文出处：
