python set()去重的底层原理及实例

set是什么？

数学上，把set称做由不同的元素组成的集合，集合（set）的成员通常被称做集合元素（set elements）。Python把这个概念引入到它的集合类型对象里。集合对象是一组无序排列的可哈希的值。集合关系测试和union、intersection等操作符在Python里也同样如我们所预想地那样工作。

set特点

集合的元素有三个特征：

1.确定性：集合中的元素必须是确定的；

2.互异性：集合中的元素互不相同，如：集合A={1，a}，则a不能等于1）；

3.无序性：集合中的元素没有先后之分，如：{3,4,5}和{3,5,4}算作同一个集合。

python中集合（set）是一个无序不重复元素的集，基本功能包括关系测试和消除重复元素，还可以计算交集、差集、并集等，它与列表（list）的行为类似，区别在于set不同包括重复的值，而且set元素是无序的。

在python中可以用大括号 {} 创建集合。注意：如果要创建或初始化一个空集合，你必须用 set() 而不是 {} 。因为后者{} 作为创建一个空的字典，以后我们会介绍字典这种数据结构。

一、set去重简单实例

ls = [1,2,3,1,2]
print(set(ls))

我们知道对于一个列表最简单的去重方法就是直接调用set函数，利用集合元素的唯一性，就可以做到去重。但是，这个底层原理究竟是什么样的却一直半解。

且看下面剖析

二、重新set实现机制

class Foo:
   def __init__(self,name,count):
       self.name = name
       self.count = count
   def __hash__(self):
       print("％s调用了哈希方法"％self.name)
       return hash(id(self))
   def __eq__(self, other):
       print("％s调用了eq方法")
       if self.__dict__ == other.__dict__:
           return True
       else:return False
f1 = Foo('f1',1)
f2 = Foo('f2',2)
f3 = Foo('f3',3)
ls = [f1,f2,f3]
print(set(ls))

从上面可以看出，set方法就是去调用hash方法，然后根据哈希值一不一样就行去重判断，但是事实就是样吗？且看下面程序。

class Foo:
   def __init__(self,name,count):
       self.name = name
       self.count = count
   def __hash__(self):
       print("％s调用了哈希方法"％self.name)
       return hash(self.count)
   def __eq__(self, other):
       print("％s调用了eq方法"％self.name)
       return self.__dict__ == other.__dict__
f1 = Foo('f1',1)
f2 = Foo('f2',1)
f3 = Foo('f3',3)
ls = [f1,f2,f3]
print(set(ls))

我看可以看出，实际上f1,f3的哈希值是相等的，但是set并没有这么简单就判断f1,f3是重复的，而是进一步通过eq方法判断这两个值是否相等，只有相等时才会认为这两个之间实际上是同一个。为了验证上面的说法，我们来看看下面的代码。

f1 = Foo('f1',1)
f2 = Foo('f1',1)
f3 = Foo('f3',3)
ls = [f1,f2,f3]
print(set(ls))

可以看出去重后，只有两个元素，所以上面说法得证。

三、结论

set的去重是通过两个函数__hash__和__eq__结合实现的。
1、当两个变量的哈希值不相同时，就认为这两个变量是不同的
2、当两个变量哈希值一样时，调用__eq__方法，当返回值为True时认为这两个变量是同一个，应该去除一个。返回FALSE时，不去重

四、应用场景需求

有一个公司，现有100个员工，由于数据库不完善，使用时间比较长，里面有很多重复数据需要清除。具体需求如下：

每个员工的属性有：姓名，性别，年龄，部门。 由于年龄和部门都会发生变化，所以现在认为只要两个员工之间姓名和性别一样，就认为是同一个人。

请实现员工去重：

class Staff:
   def __init__(self,name,gender,age,department):
       self.name = name
       self.gender = gender
       self.age  = age
       self.department = department
   def __hash__(self):
       return hash(self.name+self.gender)
   def __eq__(self, other):
       return True
ls = ['zs','ls','ww','zq']
gender_list = ['man','femal']
staff_list = []
for i in range(100):
   staff_list.append(Staff(ls[i％4],gender_list[i％2],i,'class'))
print(set(staff_list))
print([(i.name,i.gender) for i in set(staff_list)])

来源：https://www.cnblogs.com/linshuhui/p/9580620.html