Python集合差集、对称差集详解|通俗易懂带实战案例

前言

Python 中的 set 集合自带高效集合运算，日常数据去重、对比两组数据差异场景超好用。 最常用的两组对比运算：差集、对称差集，很多新手容易混淆，本文分开拆解，附直观代码案例，可直接复制运行。

前置小知识：集合元素唯一、无序，用 {} / set() 创建，不支持索引取值。

一、差集（Difference）：只保留A独有的元素

1. 定义

集合A减去集合B，得到只存在于A、不存在于B的元素，叫A相对于B的差集。 通俗理解：A有但B没有的数据。

2. 两种写法

1. 运算符：A - B（简洁推荐）
2. 内置方法：A.difference(B)

3. 基础示例

# 两组学生名单
stu_a = {"张三", "李四", "王五", "赵六"}
stu_b = {"李四", "钱七", "孙八", "赵六"}

# 方式1：运算符求差集
res1 = stu_a - stu_b
# 方式2：difference方法
res2 = stu_a.difference(stu_b)

print("A独有的学生：", res1)
print("两种方法结果一致：", res1 == res2)

输出结果：

A独有的学生： {'张三', '王五'}
两种方法结果一致： True

4. 反向差集 B - A

差集不满足交换律，A-B 和 B-A 结果完全不同：

# B独有的元素
res3 = stu_b - stu_a
print("B独有的学生：", res3)

输出：

B独有的学生： {'钱七', '孙八'}

5. 实用业务场景

1. 对比新旧用户列表，找出新增用户（新集合 - 旧集合）
2. 筛选只买过A商品、没买过B商品的客户
3. 筛选两个名单中只属于一方的数据

二、对称差集（Symmetric Difference）：两边各自独有的全部元素

1. 定义

合并「A独有的元素」+「B独有的元素」，同时剔除两者都有的交集元素。 大白话：只在其中一边出现，两边不共同拥有的数据。

2. 两种写法

1. 运算符：A ^ B
2. 内置方法：A.symmetric_difference(B)

3. 基础示例

沿用上面学生集合：

stu_a = {"张三", "李四", "王五", "赵六"}
stu_b = {"李四", "钱七", "孙八", "赵六"}

# 对称差集两种写法
sym1 = stu_a ^ stu_b
sym2 = stu_a.symmetric_difference(stu_b)

print("两边互不相同的全部学生：", sym1)
print("方法等价：", sym1 == sym2)

输出：

两边互不相同的全部学生： {'张三', '王五', '钱七', '孙八'}
方法等价： True

逻辑拆解： A独有：张三、王五 B独有：钱七、孙八 合并 = 对称差集；李四、赵六是两边共有，直接删掉。

4. 数学等价公式

对称差集 = (A - B) | (B - A)

# 验证公式
test = (stu_a - stu_b) | (stu_b - stu_a)
print(test == sym1)  # True

5. 实用业务场景

1. 对比两份Excel名单，快速找出两份表里所有不一样的数据
2. 对比前后两次爬虫结果，找出新增+消失的数据
3. 校验两份标签列表，找出两边独有的标签

三、差集 vs 对称差集 核心对比表

一句话区分

• 差集：我有你没有
• 对称差集：我独有的 + 你独有的，咱俩重合的全部不要

四、综合实战完整案例（可直接复制运行）

场景：电商平台两份用户标签，筛选差异数据

# 用户1的商品标签
tag1 = {"手机", "耳机", "充电器", "充电宝"}
# 用户2的商品标签
tag2 = {"耳机", "平板", "充电宝", "键盘"}

print("===== 差集演示 =====")
print("用户1独有标签：", tag1 - tag2)
print("用户2独有标签：", tag2 - tag1)

print("\n===== 对称差集演示 =====")
print("两人完全不重合的所有标签：", tag1 ^ tag2)

print("\n===== 交集（补充对照） =====")
print("两人共同标签：", tag1 & tag2)

运行输出：

===== 差集演示 =====
用户1独有标签： {'手机', '充电器'}
用户2独有标签： {'平板', '键盘'}

===== 对称差集演示 =====
两人完全不重合的所有标签： {'手机', '充电器', '平板', '键盘'}

===== 交集（补充对照） =====
两人共同标签： {'耳机', '充电宝'}

五、文末小总结

1. 差集 A - B：筛选仅属于A的数据，单向对比；
2. 对称差集 A ^ B：筛选两份数据所有互不重合内容，双向对比；
3. 运算有两种写法：运算符更简洁，.difference() / .symmetric_difference() 可读性更高；
4. 日常数据对比、名单校验、爬虫数据更新判断，集合运算效率远高于循环遍历列表。