ساختار داده مجموعه (Set) در پایتون

در پایتون، هنگامی که هدف ذخیره داده‌ها بدون ترتیب خاص و حذف خودکار مقادیر تکراری یا انجام عملیات‌های ریاضی مجموعه‌ها (مانند اشتراک و اجتماع) باشد، از ساختار داده مجموعه (Set) استفاده می‌شود.

سِت (Set) چیست ؟

مجموعه یک ساختار داده نامرتب (Unordered)، تغییرپذیر (Mutable) و فاقد عضو تکراری (Unique Elements) است.

• یکتا بودن اعضا: هر عضو فقط یک‌بار می‌تواند در مجموعه حضور داشته باشد و داده‌های تکراری به‌صورت خودکار حذف می‌شوند.
• سرعت بالا: به دلیل پیاده‌سازی بر پایه جدول درهم‌سازی (Hash Table)، بررسی عضویت یک مقدار در آن است.
• کاربردها:
  1. حذف سریع داده‌های تکراری از دنباله‌ها (Deduplication).
  2. بررسی سریع عضویت داده‌ها با سرعت بسیار بالا نسبت به لیست.
  3. انجام عملیات ریاضی مجموعه‌ها (اجتماع، اشتراک، تفاضل و تفاضل متقارن).
  4. فیلتر کردن برچسب‌ها و دسته‌بندی‌های منحصربه‌فرد.

نحوه ساخت سِت

مجموعه با آکولاد {} یا با تابع سازنده set() ساخته می‌شود (برای ساخت مجموعه خالی حتماً باید از set() استفاده کرد، زیرا {} دیکشنری خالی می‌سازد):

# مجموعه خالی
empty_set = set()

# مجموعه با حذف خودکار تکراری‌ها
unique_numbers = {1, 2, 2, 3, 4, 4, 5}
print(unique_numbers)  # خروجی: {1, 2, 3, 4, 5}

اعضای یک مجموعه باید از انواع داده‌های تغییرناپذیر و هش‌پذیر (Hashable) مانند عدد، رشته یا تاپل باشند (قرار دادن داده‌های تغییرپذیر مثل لیست یا دیکشنری داخل سِت مجاز نیست):

mixed_set = {
    101,                  # عدد صحیح
    "Lead II",            # رشته
    True,                 # بولین
    3.14,                 # اعشاری
    (10, 20)              # تاپل (تغییرناپذیر)
}

نحوه اندیس‌گذاری (Indexing) و برش‌دادن (Slicing)

• عدم وجود اندیس‌گذاری: مجموعه‌ها ساختار نامرتب دارند؛ بنابراین اندیس عددی مانند s[0] ندارند و تلاش برای استفاده از اندیس خطای TypeError تولید می‌کند.
• عدم وجود اسلایسینگ: به دلیل نبود ترتیب و اندیس، برش‌دادن یا اسلایسینگ نیز در مجموعه‌ها پشتیبانی نمی‌شود.
• روش پیمایش: دسترسی به اعضا تنها از طریق حلقه for یا بررسی عضویت با عملگر in صورت می‌گیرد.

tags = {"ECG", "AI", "Signal"}
for item in tags:
    print(item)

print("AI" in tags)  # خروجی: True

متدهای پرکاربرد سِت همراه با حل مسئله

متد add(x)

• توضیح: یک عضو جدید به مجموعه اضافه می‌کند (اگر از قبل وجود داشته باشد تغییری ایجاد نمی‌شود).
• صورت مسئله: می‌خواهیم شناسه یک سنسور جدید را به لیست سنسورهای فعال اضافه کنیم.

active_sensors = {"sensor_1", "sensor_2"}
active_sensors.add("sensor_3")
print(active_sensors)  # خروجی: {'sensor_1', 'sensor_2', 'sensor_3'}

متد remove(x)

• توضیح: عضو x را از مجموعه حذف می‌کند؛ اگر عضو وجود نداشته باشد خطای KeyError می‌دهد.
• صورت مسئله: می‌خواهیم یک پورت غیرفعال‌شده را از مجموعه پورت‌های باز حذف کنیم.

open_ports = {80, 443, 8080}
open_ports.remove(8080)
print(open_ports)  # خروجی: {80, 443}

متد discard(x)

• توضیح: عضو x را حذف می‌کند، اما در صورتی که عضو وجود نداشته باشد بدون ایجاد خطا کار را ادامه می‌دهد.
• صورت مسئله: می‌خواهیم یک برچسب را بدون نگرانی از وجود یا عدم وجود آن از لیست تگ‌ها پاک کنیم.

labels = {"MI", "NORM", "STTC"}
labels.discard("HYP")  # بدون ایجاد خطا اجرا می‌شود
print(labels)  # خروجی: {'MI', 'NORM', 'STTC'}

متد pop()

• توضیح: یک عضو دلخواه (نامشخص) را از مجموعه برمی‌دارد و از آن حذف می‌کند.
• صورت مسئله: می‌خواهیم یک نمونه از بسته داده‌های موجود را برای بررسی اولیه برداریم.

samples = {"sample_a", "sample_b", "sample_c"}
picked = samples.pop()
print("نمونه برداشته‌شده:", picked)
print("مجموعه باقی‌مانده:", samples)

متد union(*others)

• توضیح: اجتماع دو یا چند مجموعه را به صورت یک مجموعه جدید بازمی‌گرداند.
• صورت مسئله: می‌خواهیم لیست کامل خطاهای ثبت‌شده در دو سرور را بدون تکرار تجمیع کنیم.

server1_errors = {"E01", "E02"}
server2_errors = {"E02", "E03"}
all_errors = server1_errors.union(server2_errors)
print(all_errors)  # خروجی: {'E01', 'E02', 'E03'}

متد intersection(*others)

• توضیح: اشتراک دو یا چند مجموعه (اعضای مشترک) را بازمی‌گرداند.
• صورت مسئله: می‌خواهیم بیماران مشترکی که در هر دو بخش اورژانس و بستری ثبت شده‌اند را بیابیم.

emergency_patients = {"P101", "P102", "P103"}
admitted_patients = {"P102", "P103", "P104"}
common = emergency_patients.intersection(admitted_patients)
print("بیماران مشترک:", common)  # خروجی: {'P102', 'P103'}

متد difference(*others)

• توضیح: تفاضل مجموعه‌ها (اعضایی که در مجموعه اول هستند ولی در مجموعه دوم نیستند) را برمی‌گرداند.
• صورت مسئله: می‌خواهیم وظایفی که هنوز انجام نشده‌اند را با مقایسه کل کارها و کارهای انجام‌شده بیابیم.

all_tasks = {"task1", "task2", "task3", "task4"}
completed_tasks = {"task1", "task3"}
pending_tasks = all_tasks.difference(completed_tasks)
print("کارهای باقی‌مانده:", pending_tasks)  # خروجی: {'task2', 'task4'}

متد symmetric_difference(other)

• توضیح: تفاضل متقارن (اعضایی که فقط در یکی از دو مجموعه قرار دارند و مشترک نیستند) را بازمی‌گرداند.
• صورت مسئله: می‌خواهیم ویژگی‌هایی که تنها در یکی از دو مدل فعال هستند را استخراج کنیم.

model1_features = {"CNN", "Attention", "Dropout"}
model2_features = {"CNN", "BiLSTM", "BatchNorm"}
diff_features = model1_features.symmetric_difference(model2_features)
print(diff_features)  # خروجی: {'Attention', 'Dropout', 'BiLSTM', 'BatchNorm'}

متد issubset(other)

• توضیح: بررسی می‌کند که آیا تمام اعضای مجموعه فعلی درون مجموعه دیگر وجود دارد یا خیر (زیرمجموعه بودن).
• صورت مسئله: می‌خواهیم بررسی کنیم که آیا تمام مجوزهای مورد نیاز کاربر تایید شده است یا خیر.

required_perms = {"read", "write"}
user_perms = {"read", "write", "execute"}
print(required_perms.issubset(user_perms))  # خروجی: True

متد issuperset(other)

• توضیح: بررسی می‌کند که آیا مجموعه فعلی شامل تمام اعضای مجموعه دیگر هست یا خیر (ابرمجموعه بودن).
• صورت مسئله: می‌خواهیم بررسی کنیم که آیا سیستم فعلی تمام پیش‌نیازهای فنی را پوشش می‌دهد یا خیر.

installed_tools = {"python", "git", "docker", "vscode"}
required_tools = {"python", "git"}
print(installed_tools.issuperset(required_tools))  # خروجی: True

متد isdisjoint(other)

• توضیح: بررسی می‌کند که آیا دو مجموعه کاملاً از هم جدا هستند و هیچ عضو مشترکی ندارند یا خیر.
• صورت مسئله: می‌خواهیم اطمینان حاصل کنیم دو گروه آزمایشی هیچ بیمار مشترکی ندارند.

group_a = {"P1", "P2", "P3"}
group_b = {"P4", "P5", "P6"}
print("کاملاً مجزا هستند:", group_a.isdisjoint(group_b))  # خروجی: True

متد clear()

• توضیح: تمام اعضای موجود در مجموعه را پاک و آن را خالی می‌کند.
• صورت مسئله: می‌خواهیم مجموعه کش برچسب‌ها را ریست کنیم.

cache = {"tag1", "tag2"}
cache.clear()
print(cache)  # خروجی: set()

محدودیت مجموعه‌ها

مجموعه‌ها برای انجام عملیات ریاضی مستقیم و عددی مناسب نیستند:

• عملگرهای ریاضی برداری (مانند ضرب یا جمع در مقادیر ثابت) روی مجموعه تعریف نشده‌اند و خطای TypeError رخ می‌دهد.
• به دلیل نداشتن ترتیب مشخص، داده‌های عددی متوالی را نمی‌توان به‌صورت بردار ذخیره کرد.

set_a = {1, 2, 3}

# دستور زیر با خطای TypeError مواجه می‌شود:
# result = set_a * 2

نکته: برای محاسبات برداری، ماتریسی و داده‌های پیوسته از کتابخانه NumPy استفاده می‌شود.

سه مثال کاربردی

مثال ۱: حذف داده‌های تکراری از یک لیست

تبدیل لیست به سِت و بازگرداندن آن به لیست برای دریافت سریع مقادیر یکتا:

raw_predictions = ["MI", "NORM", "NORM", "STTC", "MI", "HYP"]
unique_classes = list(set(raw_predictions))

print("کلاس‌های یکتا:", unique_classes)
# خروجی: ['NORM', 'STTC', 'HYP', 'MI'] (ترتیب نامشخص)

مثال ۲: بررسی سریع عضویت و فیلتر کلمات هرزنامه

سرعت بالای بررسی وجود یک کلمه در لیست سیاه (Fast Lookup) با استفاده از مجموعه:

blacklist = {"spam", "free", "winner", "bonus"}
input_message = "claim your free ticket now"

words = input_message.split()
has_spam = any(word in blacklist for word in words)

print("آیا پیام حاوی کلمات مشکوک است؟", has_spam)  # خروجی: True

مثال ۳: یافتن مهارت‌های مشترک بین دو فرد یا سیستم

استفاده از عملیات اشتراک برای سنجش انطباق نیازمندی‌ها:

job_requirements = {"Python", "Machine Learning", "FastAPI", "Docker"}
applicant_skills = {"Python", "Docker", "SQL", "Git"}

matched_skills = job_requirements.intersection(applicant_skills)
missing_skills = job_requirements.difference(applicant_skills)

print("مهارت‌های منطبق:", matched_skills)  # خروجی: {'Python', 'Docker'}
print("مهارت‌های ناموجود:", missing_skills)  # خروجی: {'Machine Learning', 'FastAPI'}