python - 集合是否有 'dict.setdefault' 等价物？

Question

使用集合时的常见模式如下:

number_list = [1,5,7,2,4,4,1,3,8,5]
number_set = set()

for number in number_list:

   #we only want to process the number if we haven't already processed it
   if(number not in number_set):
       number_set.add(number)

       #do processing of 'number' here now that we know it's not a duplicate

行 if(number not in number_set): 和 number_set.add(number) 让我很烦，因为我们在这里进行了两次哈希查找，而实际上我们应该这样做只需要一个。

字典有“setdefault”操作，它解决了一个非常相似的问题:“如果键在字典中存在，则返回值，否则插入这个默认值，然后返回默认值”。如果您天真地执行此操作，IE 以下内容，您将执行两次哈希查找，但 setdefault 允许您一次执行此操作

if item_key in dict:
   dict[item_key].append(item_value)
else:
   dict[item_key] = [item_value]

集合是否有等价的操作？类似于 if(number_set.check_if_contains_and_then_add(number)): 但给出了一个更好听的名字。

Answer 1

如果探查器告诉您哈希查找对运行时间有重要影响，那么这可能会解决它。

def add_value(container, value):
    oldlen = len(container)
    container.add(value)
    return len(container) != oldlen

if add_value(number_set, number):
    # process number

但为什么会这样呢？可能是由于 __hash__ 方法慢，虽然我现在可以告诉你 (a) 散列整数并不慢，并且 (b) 如果可能的话，最好用慢 __hash__ 缓存结果而不是减少调用次数。或者可能是由于较慢的 __eq__，这更难处理。最后，如果内部查找机制本身很慢，那么您可能无法做很多事情来加快程序速度，因为运行时一直在进行散列查找，在范围内查找名称。

set.add 返回一个指示集合是否改变的值可能会很好，但我认为这个想法违背了 Python 库的原则(诚然没有普遍支持) 除非它是操作的基础，否则变异操作不会返回值。所以 pop() 函数当然会返回一个值，但是 list.sort() 会返回 None，即使它偶尔对用户有用，如果它返回了 self。

我想你可以这样做:

def deduped(iterable):
    seen = set()
    count = 0
    for value in iterable:
        seen.add(value)
        if count != len(seen):
            count += 1
            yield value

for number in deduped(number_list):
    # process number

当然，重复哈希查找是任何类型的问题纯粹是猜测:我通常会像在您的原始代码中那样用 if not in 测试编写这些函数中的任何一个，以及目的该功能将简化调用代码，而不是避免多余的哈希查找。