Genau wie bei anderen Datenstrukturen löscht die `clear()`-Methode alle Elemente vollständig.

Angenommen, Sie haben eine Sammlung von Lieblingsfilmen, aber Sie entscheiden sich, neu zu beginnen und die Sammlung zu leeren:

# Define a set of favorite movies
movies = {"Inception", "Interstellar", "Tenet"}
print("Original set:", movies)

# Clear the set
movies.clear()
print("After clearing:", movies)

import unittest

def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)

class TestUserCode(unittest.TestCase):

    def test_worst_movies_is_declared(self):
        import user_code
        _dynamic_test(
            self,
            hasattr(user_code, 'worst_movies'),
            "The `worst_movies` set is declared.",
            "Expected `worst_movies` to be declared."
        )

    def test_worst_movies_is_set(self):
        import user_code
        _dynamic_test(
            self,
            isinstance(user_code.worst_movies, set),
            "The `worst_movies` is of type `set`.",
            "Expected `worst_movies` to be of type `set`."
        )

    def test_worst_movies_is_empty(self):
        import user_code
        _dynamic_test(
            self,
            len(user_code.worst_movies) == 0,
            "The `worst_movies` set is cleared.",
            f"Expected `worst_movies` to be empty, but got {user_code.worst_movies}."
        )

    def test_clear_method_used(self):
        """
        Test to ensure `clear()` method is used in the solution.
        """
        with open('user_code.py', 'r') as file:
            user_code_source = file.read()
        _dynamic_test(
            self,
            "clear" in user_code_source,
            "The `clear()` method is used to clear the set.",
            "Expected the `clear()` method to be used to clear the set."
        )

if __name__ == '__main__':
    unittest.main()


test_main.py

In diesem Kurs lernen Sie die grundlegenden Datenstrukturen der Programmiersprache Python kennen. Wir werden die Nutzung von Pythons nativen Datenstrukturen wie Listen, Wörterbüchern, Tupeln und Mengen erkunden, um verschiedene Herausforderungen zu bewältigen.

Was ist eine Liste? Eine Liste ist eine geordnete Sammlung, die modifiziert werden kann. Sie erlaubt auch doppelte Elemente.

Was ist ein Wörterbuch? Ein Wörterbuch ist eine geordnete Sammlung, die geändert werden kann, aber keine doppelten Einträge zulässt. Es besteht aus `key:value`-Paaren, die zur Optimierung seiner Struktur verwendet werden.

Was ist ein Tupel? Ein Tupel ist eine geordnete Sammlung, die nicht verändert werden kann. Es kann doppelte Elemente enthalten. Obwohl es einer Liste ähnlich ist, können die Werte in einem Tupel von jedem Typ sein und werden durch ganze Zahlen indiziert. Obwohl es nicht zwingend erforderlich ist, ist es üblich, die Werte eines Tupels in Klammern zu setzen, um sie in Python leichter verständlich zu machen.

Was ist eine Menge? In Python ist eine `set` eine ungeordnete Sammlung, die sowohl `iterierbar` als auch `veränderbar` ist, ohne wiederholte Elemente. Während die Reihenfolge der Elemente in einer Menge nicht festgelegt ist, kann sie eine Vielzahl von Elementen enthalten. Ein wesentlicher Vorteil der Verwendung von Mengen gegenüber Listen ist ihre hocheffiziente Methode zur Bestimmung, ob ein Element innerhalb der Menge existiert.

Python-Datenstrukturen

Die Clear() Methode

Lösung

Die Clear() Methode

Lösung