在Python中迭代集合2025 年 1 月 5 日 | 阅读 9 分钟 引言在本教程中,我们将学习如何在 Python 中迭代集合。在 Python 中,集合 (Set) 是一种数据类型,它是无序的、可迭代的、可变的,并且没有重复元素。它是由不相等的对象组成的无序集合。这可以通过将所有元素包含在花括号中来实现。我们也可以使用 "set" 这个词的类型转换来创建一个集合。有许多方法可以迭代集合。其中一些方法比其他方法提供更快的完成时间。其中一些方法包括使用 for 或 while 循环进行迭代、推导式、迭代器以及它们的变种。让我们来看看在 Python 中迭代集合的所有不同方法。 为了解释每种方法或过程的工作原理,将对每个集合的时间进行 10 次计算,以粗略估计每个过程重复集合所需的时间。每个脚本都添加了 random.seed(20),以在程序每次运行时设置随机数生成器。使用连续的种子可以帮助我们确定哪种算法最适合随机化。 方法 1:使用简单的 for 循环在 Python 中迭代集合程序代码 1 这里我们提供一个在 Python 中使用简单的 for 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - p n a j o I V T t 程序代码 2 这里我们提供另一个在 Python 中使用简单的 for 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.11403867299986814 0.18950497800005905 0.10409295399995244 0.10285422400011157 0.11232927199989717 0.1062233429997832 0.10807072300030995 0.10086134399989533 0.2280989750001936 0.10528525300014735 方法 2:使用枚举 for 循环在 Python 中迭代集合程序代码 1 在这里,我们提供一个在 Python 中使用枚举 for 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0 p 1 I 2 t 3 a 4 n 5 T 6 V 7 j 8 o 程序代码 2 在这里,我们提供另一个在 Python 中使用枚举 for 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.19005843900004038 0.19073062799998297 0.27357256200002666 0.18275223899991033 0.2909469009996428 0.26215460299999904 0.20091521799986367 0.2608298739996826 0.2339426960002129 0.19958877699991717 方法 3:在 Python 中使用列表索引迭代集合程序代码 1 在这里,我们提供一个在 Python 中将集合作为索引列表进行迭代的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - j I o n t p a T V 程序代码 2 在这里,我们提供另一个在 Python 中将集合作为索引列表进行迭代的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.16551435499968647 0.13716599699910148 0.26443467599892756 0.16326654499971482 0.16464030499992077 0.1735125440009142 0.19109698299871525 0.1646769150011096 0.1808702340003947 0.19082217200048035 方法 4:在 Python 中使用列表推导式和列表构造函数或初始化器迭代集合程序代码 1 这里我们提供一个在 Python 中使用列表推导式和列表构造函数或初始化器迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - t o V p j I T a n 程序代码 2 这里我们提供另一个在 Python 中使用列表推导式和列表构造函数或初始化器迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.15855274200021086 0.19902161599975443 0.14570050500014986 0.1568148530000144 0.16012990200033528 0.16735256999982084 0.16814515100031713 0.1761195899998711 0.1977726159998383 0.17010855999978958 方法 5:在 Python 中使用推导式迭代集合程序代码 1 这里我们提供一个在 Python 中使用推导式迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - T n p o V j t I a 程序代码 2 这里我们提供另一个在 Python 中使用推导式迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.1120119230004093 0.1369407410002168 0.09968691399990348 0.11263252300022941 0.0981952239999373 0.10432078400026512 0.10932438300005742 0.10905879300025845 0.11209933300006014 0.11355534299991632 方法 6:在 Python 中使用列表推导式、map 和 lambda 迭代集合程序代码 1 这里我们提供一个在 Python 中使用列表推导式、map 和 lambda 迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 1.4739999642188195e-05 1.0599999768601265e-05 9.530000170343556e-06 7.71000031818403e-06 1.1050000011891825e-05 8.650999916426372e-06 1.098000029742252e-05 1.1320000339765102e-05 9.829999726207461e-06 1.1010000434907852e-05 方法 7:在 Python 中使用迭代器迭代集合程序代码 1 这里我们提供一个在 Python 中使用迭代器迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.07723290199919575 0.08441379999931087 0.09306632900006662 0.08441358099935314 0.08657992999997077 0.09035302000029333 0.16457469099987065 0.08507127999928343 0.07552363099966897 0.08359780099999625 方法 8:在 Python 中使用迭代器和 while 循环迭代集合程序代码 1 在这里,我们提供一个在 Python 中使用迭代器和 while 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - T p n a o I j t V 程序代码 2 在这里,我们提供另一个在 Python 中使用迭代器和 while 循环迭代集合的程序代码。代码如下 - 输出 现在,我们运行上面的代码并找到迭代集合的结果。输出如下 - 0.3093325879999611 0.4053483710004002 0.3176578869997684 0.33244416500019724 0.3085970680003811 0.2924862589998156 0.3821563219999007 0.493368004000331 0.563407138999537 0.3112385769991306 结论因此,在本教程中,我们学习了如何在 Python 中迭代集合。在所有循环方法中,简单的迭代器循环效果最好。它在 10 毫秒内完成一百次操作,优于 map 或 set 的 lambda 和所有迭代方法。完成数千次写入迭代。值得注意的是,上面的示例只访问每个迭代的集合组件。如果我们每次迭代收集输入的次数增加到一次,它将改变每次迭代花费的时间。在这里,我们学习了所有方法的程序代码以及输出。上述程序代码输出中提到的结果应该有所不同。时间消耗差异的原因在于机器对各个系统处理器处理能力的依赖。 |
引言 从 Web 开发到数据科学,人们使用 Python 的原因有很多。是什么让这门语言如此多才多艺和充满活力?在开发程序时,当处理更困难的情况时,开发者必须经常问自己是否有...
阅读 4 分钟
图表坐标轴外框介绍 Matplotlib 库中,包围数据区域的边界或边缘被称为外框。这些外框环绕着图表的边缘,界定了显示数据点的区域。一个图表有...
阅读9分钟
? 简介:Python 是一种通用且功能强大的编程语言,为各种任务提供了大量的工具和库。数据处理和分析中的一个常见场景是需要从文件夹中读取多个文本文件。无论您是从事自然语言处理、数据...
阅读 4 分钟
? 简介 Python 以其简洁性和可读性而闻名,提供了丰富的特性,使其成为许多开发者的首选。其中一个这样的组件是切片,一种允许你从字符串、列表和元组等序列中提取部分的策略。切片不是...
阅读 6 分钟
简介 Apache Beam 是一个开源 SDK,可用于构建分布式或直接数据管道,基于批处理或流式集成。对于每个管道,您可以添加不同的转换。然而,Beam 的真正强大之处在于它不依赖于任何一个计算引擎,这使得...
阅读 8 分钟
使用子集的语义映射,Seaborn 库的 seaborn.relplot() 函数用于在 x-y 轴图上绘制数据集中两个变量之间的关系。例如,一个数据集具有性别、身高和年龄等多个特征。让身高和年龄……
5 分钟阅读
简介 强大的 Python 库 NLTK(自然语言工具包)可用于自然语言处理应用程序。消除停用词,即像“the”、“is”、“in”等频繁出现的词,它们通常意义不大,是自然语言处理中的一个常见预处理步骤。文本中的停用词...
阅读 6 分钟
简介 Python 及其简洁性和可读性使其成为处理各种编程任务(包括数字操作)的流行选择。一个常见的任务是从作为字符串提供的数字中删除前导零。这个看似简单的操作可以通过多种方式实现,每种方式都有其优点...
阅读 3 分钟
在 Python 中,虚拟环境是基于现有的 Python 安装创建的,称为虚拟环境的“基”Python。创建虚拟环境是为了独立管理项目的所有依赖项。“venv”模块支持创建轻量级的“虚拟环境”。什么是 PIP,以及……
阅读 4 分钟
Python 是一种通用且强大的编程语言,提供了丰富的内置模块和函数来简化开发过程。其中一个模块是 os 模块,它提供了一种与操作系统交互的方式。在 os 模块中,makedirs() 方法 stands...
阅读 3 分钟
我们请求您订阅我们的新闻通讯以获取最新更新。
我们提供所有技术(如 Java 教程、Android、Java 框架)的教程和面试问题
G-13, 2nd Floor, Sec-3, Noida, UP, 201301, India