Impara Insiemi e Tuple | Uso Efficiente delle Strutture Dati

Prima di procedere con set e tuple, è importante menzionare che i dizionari non verranno trattati qui.

Set

Un set offre una complessità temporale media O(1) per inserimenti, eliminazioni e ricerche, il che significa che queste operazioni vengono eseguite in tempo costante, indipendentemente dalla dimensione del set. Questo rende i set molto più veloci delle liste per il test di appartenenza e per operazioni come aggiunta o rimozione di elementi, dove le liste richiedono una complessità temporale O(n) (il tempo cresce linearmente con la dimensione della lista) nel caso peggiore.

Quando utilizzare:

È necessario avere elementi unici, garantendo l'assenza di duplicati nella raccolta;
È richiesto un test di appartenenza rapido, rendendo i set ideali per attività come la verifica dell'esistenza di un elemento;
Si eseguono operazioni come unioni, intersezioni o differenze di set, che i set supportano con metodi ottimizzati;
L'ordine non è rilevante, poiché i set sono intrinsecamente non ordinati e non è necessario mantenere l'ordine di inserimento.


              1234567891011121314151617181920
            
# Removing duplicates from a list using a set
numbers = [1, 3, 2, 3, 5, 4, 5]
unique_numbers = set(numbers)
print(f'Unique Numbers: {unique_numbers}')

# Fast membership testing
names = {'Alice', 'Bob', 'Charlie'}
print(f'Is Alice in the set? {"Alice" in names}')
print(f'Is Eve in the set? {"Eve" in names}')

# Set operations: union, intersection, and difference
set_a = {1, 4, 3, 2}
set_b = {3, 5, 4, 6}
print(f'Union: {set_a.union(set_b)}')
print(f'Intersection: {set_a.intersection(set_b)}')
print(f'Difference: {set_a.difference(set_b)}')

# Removing elements from a set safely with discard
names.discard('Alice')  # Safe removal, no error if the element doesn't exist
print(f'Names after removal: {names}')

Confrontiamo ora le prestazioni di un set rispetto a una lista nella verifica dell'appartenenza:


              12345678910111213141516171819
            
import os
os.system('wget https://staging-content-media-cdn.codefinity.com/courses/8d21890f-d960-4129-bc88-096e24211d53/section_1/chapter_3/decorators.py 2>/dev/null')
from decorators import timeit_decorator

# Create a large list and set with the same elements
large_list = list(range(10000000))
large_set = set(large_list)

# Test membership for an element at the end
element_to_find = 9999999

@timeit_decorator(number=50)
def test_membership(element, collection):
    return element in collection

print('List:')
print(test_membership(element_to_find, large_list))
print('Set:')
print(test_membership(element_to_find, large_set))

Tupla

Le tuple sono tipicamente utilizzate quando è necessario garantire che i dati non possano essere modificati oppure come chiave in un dict o elemento in un set (poiché le tuple sono hashable).

Preferibili alle liste: quando è necessario avere dati immutabili, si desidera utilizzare la collezione come chiave di un dizionario o elemento di un set, oppure quando è richiesta una memorizzazione efficiente per una collezione di dimensione fissa;
Preferibili agli array NumPy: quando i dati sono non numerici o quando l'immutabilità è fondamentale. Mentre gli array NumPy sono progettati per calcoli numerici e sono mutabili per impostazione predefinita, le tuple offrono sicurezza per dati non numerici o piccole collezioni strutturate che devono rimanere costanti.


              12345678
            
# Each tuple in the list represents an immutable student record
students = [
    (1834, 'James', 'Johnson'),
    (2749, 'Alice', 'Smith'),
    (4923, 'Bob', 'Brown')
]
# Attempting to modify a tuple will raise a TypeError
students[0][1] = 'Fred'

Poiché la lista students contiene record degli studenti (ID, nome, cognome) che devono essere sola lettura, è preferibile utilizzare tuple per ciascun record invece delle liste. Inoltre, come menzionato sopra, le tuple sono leggermente più efficienti in termini di memoria rispetto alle liste.

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 2

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Awesome!

Completion rate improved to 7.69

Scorri per mostrare il menu

Prima di procedere con set e tuple, è importante menzionare che i dizionari non verranno trattati qui.

Set

Quando utilizzare:

È necessario avere elementi unici, garantendo l'assenza di duplicati nella raccolta;
È richiesto un test di appartenenza rapido, rendendo i set ideali per attività come la verifica dell'esistenza di un elemento;
Si eseguono operazioni come unioni, intersezioni o differenze di set, che i set supportano con metodi ottimizzati;
L'ordine non è rilevante, poiché i set sono intrinsecamente non ordinati e non è necessario mantenere l'ordine di inserimento.


              1234567891011121314151617181920
            
# Removing duplicates from a list using a set
numbers = [1, 3, 2, 3, 5, 4, 5]
unique_numbers = set(numbers)
print(f'Unique Numbers: {unique_numbers}')

# Fast membership testing
names = {'Alice', 'Bob', 'Charlie'}
print(f'Is Alice in the set? {"Alice" in names}')
print(f'Is Eve in the set? {"Eve" in names}')

# Set operations: union, intersection, and difference
set_a = {1, 4, 3, 2}
set_b = {3, 5, 4, 6}
print(f'Union: {set_a.union(set_b)}')
print(f'Intersection: {set_a.intersection(set_b)}')
print(f'Difference: {set_a.difference(set_b)}')

# Removing elements from a set safely with discard
names.discard('Alice')  # Safe removal, no error if the element doesn't exist
print(f'Names after removal: {names}')

Confrontiamo ora le prestazioni di un set rispetto a una lista nella verifica dell'appartenenza:


              12345678910111213141516171819
            
import os
os.system('wget https://staging-content-media-cdn.codefinity.com/courses/8d21890f-d960-4129-bc88-096e24211d53/section_1/chapter_3/decorators.py 2>/dev/null')
from decorators import timeit_decorator

# Create a large list and set with the same elements
large_list = list(range(10000000))
large_set = set(large_list)

# Test membership for an element at the end
element_to_find = 9999999

@timeit_decorator(number=50)
def test_membership(element, collection):
    return element in collection

print('List:')
print(test_membership(element_to_find, large_list))
print('Set:')
print(test_membership(element_to_find, large_set))

Tupla

Preferibili alle liste: quando è necessario avere dati immutabili, si desidera utilizzare la collezione come chiave di un dizionario o elemento di un set, oppure quando è richiesta una memorizzazione efficiente per una collezione di dimensione fissa;
Preferibili agli array NumPy: quando i dati sono non numerici o quando l'immutabilità è fondamentale. Mentre gli array NumPy sono progettati per calcoli numerici e sono mutabili per impostazione predefinita, le tuple offrono sicurezza per dati non numerici o piccole collezioni strutturate che devono rimanere costanti.


              12345678
            
# Each tuple in the list represents an immutable student record
students = [
    (1834, 'James', 'Johnson'),
    (2749, 'Alice', 'Smith'),
    (4923, 'Bob', 'Brown')
]
# Attempting to modify a tuple will raise a TypeError
students[0][1] = 'Fred'

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 2. Capitolo 2

Insiemi e Tuple

Set

Tupla

1. Quale dei seguenti scenari è più adatto all'utilizzo di un set invece di una lista?

2. Si dispone di un dataset con milioni di record e si deve verificare frequentemente se determinati valori sono presenti al suo interno. Quale struttura dati è la più efficiente per questo scopo?

3. Stai creando un record per ogni studente che include un ID univoco, nome e cognome. I dati non devono essere modificati una volta creati. Quale struttura dati sarebbe la più appropriata?

Awesome!

Insiemi e Tuple

Set

Tupla

1. Quale dei seguenti scenari è più adatto all'utilizzo di un set invece di una lista?

2. Si dispone di un dataset con milioni di record e si deve verificare frequentemente se determinati valori sono presenti al suo interno. Quale struttura dati è la più efficiente per questo scopo?

3. Stai creando un record per ogni studente che include un ID univoco, nome e cognome. I dati non devono essere modificati una volta creati. Quale struttura dati sarebbe la più appropriata?