5

我正在尝试set().issubset()用于比较序列。正如您可以想象的那样，它没有按预期工作；）提前：对于长代码块感到抱歉。

class T(object):
  def __init__(self, value, attributes = None):
    self.value = value
    self.attributes = Attributes(attributes)

  def __eq__(self, other):
    if not isinstance(other, T):
      return False
    if self.value == other.value and self.attributes == other.attributes:
      return True
    else:
      return False

  def __ne__(self, other):
    if not isinstance(other, T):
      return True
    if self.value != other.value or self.attributes != other.attributes:
      return True
    else:
      return False

class Attributes(dict):
  def __init__(self, attributes):
    super(dict, self)
    self.update(attributes or dict())

  def __eq__(self, other):
    if self.items() == other.items():
      return True
    else:
      return False

  def __ne__(self, other):
    if not self.items() == other.items():
      return True
    else:
      return False

  def __cmp__(self, other):
    return self.items().__cmp__(other.items())


x = [T("I", {'pos': 0}), T("am", {'pos': 1}), T("a", {'pos': 2}), T("test", {'pos': 3})]
y = [T("a", {'pos': 2}), T("test", {'pos': 3})] 
xx = set(x)
yy = set(y)

assert y[0] == x[2], "__eq__ did fail, really?" #works
assert y[1] == x[3], "__eq__ did fail, really?" #works
assert xx-(yy-xx) == xx, "set subtract not working" #works, but is nonsense. see accepted answer
assert not xx.issubset(yy), "i am doing it wrong..." #works
assert yy.issubset(xx), "issubset not working :(" #FAILS!

运行上面的代码使最后一个断言失败：

$ python
Python 2.7.2 (v2.7.2:8527427914a2, Jun 11 2011, 15:22:34) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import issubsettest
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "issubsettest.py", line 52, in <module>
    assert yy.issubset(xx), "issubset not working :("
AssertionError: issubset not working :(
>>>

我在这里想念什么？

4

1 回答 1

9

您的对象正在被他们的散列id（您没有覆盖__hash__）。当然，它们不是子集，因为它们xx包含yy独特的对象。

为了做到这一点，你需要想出某种__hash__功能。 __hash__应该始终为对象返回相同的值，这就是为什么通常认为您不会改变可散列对象的原因。例如，一种选择可能是：

class T(object):
    #<snip> ...

    def __hash__(self):
        return hash(self.value)

    #... </snip>

self.value具有在对象的生命周期内无法改变的理解。（注意，我并不认为这是一个好的选择。您使用的实际哈希实际上取决于您的实际应用程序）

现在为什么 - 集合（和字典）背后的魔力和惊人的性能是它们依赖于哈希。基本上，每个可散列对象都会变成一个“唯一”（在完美世界中）数字。Python 将这个“唯一”数字转换为一个数组索引，它可以用来获取对象的句柄（这里的魔法有点难以解释，但对于本次讨论并不重要）。因此，与其通过将对象与“数组”（通常称为表）中的所有其他对象进行比较来查找对象 - 这是一项昂贵的操作，它还可以根据哈希值准确地知道在哪里查找对象（便宜） . 默认情况下，用户定义的对象由它们的id（内存地址）散列。创建集合xx时，python 会查看每个对象ids 并根据它们的 id 将它们放入 a 中。现在，当您这样做时xx.issubset(yy)，python 会查看所有的 idxx并检查它们是否都在yy。但是它们都不在，yy因为它们都是唯一的对象（因此具有唯一的哈希值）。

但你说，“为什么xx-(yy-xx) == xx工作？” 好问题。让我们把它分开。

首先，我们有(yy - xx). 这将返回一个空集，因为同样没有元素 inxx也在其中yy（它们都散列到不同的值，因为它们都有唯一id的 s）。所以你真的在做

xx - set([]) == xx

这应该很明显为什么会这样True。

于 2012-10-19T17:58:14.253 回答