Get started learning Python with DataCamp's free Intro to Python tutorial. Learn Data Science by completing interactive coding challenges and watching videos by expert instructors. Start Now!
This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join 11 million other learners and get started learning Python for data science today!
Good news! You can save 25% off your Datacamp annual subscription with the code LEARNPYTHON23ALE25 - Click here to redeem your discount
Σύνολα
Sets είναι λίστες χωρίς διπλές καταχωρήσεις. Ας υποθέσουμε ότι θέλετε να συλλέξετε μια λίστα από λέξεις που χρησιμοποιούνται σε μια παράγραφο:
Αυτό θα εκτυπώσει μια λίστα που περιέχει "my", "name", "is", "Eric", και τέλος "and". Εφόσον οι υπόλοιπες λέξεις της πρότασης είναι ήδη στο σύνολο, δεν προστίθενται δύο φορές.
Τα sets είναι ένα ισχυρό εργαλείο στην Python αφού έχουν τη δυνατότητα να υπολογίζουν διαφορές και τομές μεταξύ άλλων συνόλων. Για παράδειγμα, ας πούμε ότι έχετε μια λίστα συμμετεχόντων στα γεγονότα A και B:
Για να βρείτε ποια μέλη παρακολούθησαν και τα δύο γεγονότα, μπορείτε να χρησιμοποιήσετε τη μέθοδο "intersection":
Για να βρείτε ποια μέλη παρακολούθησαν μόνο ένα από τα γεγονότα, χρησιμοποιήστε τη μέθοδο "symmetric_difference":
Για να βρείτε ποια μέλη παρακολούθησαν μόνο ένα γεγονός και όχι το άλλο, χρησιμοποιήστε τη μέθοδο "difference":
Για να λάβετε μια λίστα όλων των συμμετεχόντων, χρησιμοποιήστε τη μέθοδο "union":
Στην παρακάτω άσκηση, χρησιμοποιήστε τις δεδομένες λίστες για να εκτυπώσετε ένα σύνολο που περιέχει όλους τους συμμετέχοντες από το γεγονός A που δεν παρακολούθησαν το γεγονός B.
a = ["Jake", "John", "Eric"]
b = ["John", "Jill"]
a = ["Jake", "John", "Eric"]
b = ["John", "Jill"]
A = set(a)
B = set(b)
print(A.difference(B))
test_output_contains("['Jake', 'Eric']")
success_msg("Nice work!")
This site is generously supported by DataCamp. DataCamp offers online interactive Python Tutorials for Data Science. Join over a million other learners and get started learning Python for data science today!