Python集合并集案例如何合并数据

本文目录导读：

1. 基础并集操作
2. 多个集合的并集
3. 实际应用案例
4. 与其他数据结构结合使用
5. 性能对比
6. 常见错误和注意事项
7. 实用技巧

我来给你详细讲解Python集合并集的几种案例,从基础到进阶：

基础并集操作

使用 union() 方法

# 创建两个集合
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
# 使用 union() 方法
result = set1.union(set2)
print(result)  # {1, 2, 3, 4, 5, 6, 7, 8}

使用 运算符

set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
# 使用 | 运算符
result = set1 | set2
print(result)  # {1, 2, 3, 4, 5, 6, 7, 8}

多个集合的并集

# 三个或更多集合的并集
set1 = {1, 2, 3}
set2 = {3, 4, 5}
set3 = {5, 6, 7}
# 方法1：链式调用
result1 = set1.union(set2, set3)
print(result1)  # {1, 2, 3, 4, 5, 6, 7}
# 方法2：连续使用运算符
result2 = set1 | set2 | set3
print(result2)  # {1, 2, 3, 4, 5, 6, 7}

实际应用案例

案例1：用户权限合并

# 不同用户组的权限
admin_permissions = {'read', 'write', 'delete', 'admin'}
user_permissions = {'read', 'write', 'upload'}
guest_permissions = {'read'}
# 合并所有权限
all_permissions = admin_permissions | user_permissions | guest_permissions
print(f"所有权限: {all_permissions}")
# 输出: 所有权限: {'read', 'write', 'delete', 'admin', 'upload'}

案例2：合并多个数据源

# 从不同来源收集的客户ID
source1_customers = {101, 102, 103, 104}
source2_customers = {103, 104, 105, 106}
source3_customers = {106, 107, 108}
# 合并所有客户（去重）
all_customers = set()
all_customers = all_customers.union(source1_customers, source2_customers, source3_customers)
print(f"所有客户ID: {sorted(all_customers)}")
# 输出: 所有客户ID: [101, 102, 103, 104, 105, 106, 107, 108]

案例3：标签系统合并

# 文章标签合并
article1_tags = {'python', '编程', '入门'}
article2_tags = {'python', '进阶', '面向对象'}
article3_tags = {'java', '编程', '入门'}
# 合并所有标签
all_tags = article1_tags | article2_tags | article3_tags
print(f"所有标签: {all_tags}")
# 输出: 所有标签: {'python', '编程', '入门', '进阶', '面向对象', 'java'}

与其他数据结构结合使用

# 列表转集合并合并
list1 = [1, 2, 3, 4, 5]
list2 = [4, 5, 6, 7, 8]
list3 = [7, 8, 9, 10]
# 先转集合再合并
result = set(list1) | set(list2) | set(list3)
print(f"合并后的集合: {sorted(result)}")
# 输出: 合并后的集合: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

性能对比

import time
# 大数据集合并集
big_set1 = set(range(1000000))
big_set2 = set(range(500000, 1500000))
# 测试 union() 性能
start = time.time()
result1 = big_set1.union(big_set2)
print(f"union() 耗时: {time.time() - start:.4f}秒")
# 测试 | 运算符性能
start = time.time()
result2 = big_set1 | big_set2
print(f"| 运算符耗时: {time.time() - start:.4f}秒")
# 两种方式性能相似，| 运算符更简洁

常见错误和注意事项

# ❌ 错误：混合数据类型可能导致类型错误
set1 = {1, 2, 3}
list1 = [4, 5, 6]
# result = set1 | list1  # 这行会报错！
# ✅ 正确：先转换类型
result = set1 | set(list1)
print(f"正确的结果: {result}")  # {1, 2, 3, 4, 5, 6}
# ✅ 使用 union() 接受可迭代对象
result = set1.union(list1)
print(f"使用 union() 的结果: {result}")  # {1, 2, 3, 4, 5, 6}

实用技巧

# 合并多个集合到空集合
sets = [{1, 2}, {3, 4}, {5, 6}, {2, 7}]
result = set().union(*sets)  # 使用参数解包
print(f"多集合合并: {sorted(result)}")  # [1, 2, 3, 4, 5, 6, 7]
# 条件合并
def conditional_union(sets, condition):
    """条件合并：只合并满足条件的集合"""
    result = set()
    for s in sets:
        if condition(s):
            result = result | s
    return result
# 只合并大小大于2的集合
sets = [{1, 2}, {3, 4, 5}, {6}, {7, 8, 9}]
result = conditional_union(sets, lambda x: len(x) > 2)
print(f"条件合并结果: {sorted(result)}")  # [3, 4, 5, 7, 8, 9]

并集操作非常适合数据去重、权限合并、标签聚合等场景,建议根据具体需求选择合适的实现方式。