求两个list的差集

求两个list的差集

应用场景：从excel读取了整个数据集，希望随机选取20%做测试集，其余的80%做训练集

转成set求差集的方式虽然写法简单，但会将list_all中的重复元素去掉，如果要保留重复元素，就要用列表推导式。

# -*- coding: utf-8 -*-
import random
# 求两个list的差集，这两个list中都没有重复元素
# 在range(100)中随机选择20个放入list作为测试集, 剩下的80作为训练集
# 不要用关键词做变量名，比如list,set

list_all = range(100)
test_list = random.sample(list_all, 20)         # 随机选取不重复的20个

# 方法一
train_list = []
for item in list_all:
    if item not in test_list:
        train_list.append(item)
print train_list

# 方法二：列表推导式（这种应该掌握）
train_list2 = [item for item in list_all if item not in test_list]      # 将not去掉可以求交集
print train_list2

# 方法三：先转成set（两个list都没有重复元素，如果list_all有重复元素且不希望去掉重复元素，就不能用这种）
train_list3 = list(set(list_all) ^ set(test_list))
print train_list3

# 集合的交集，差集
# 注意转成set会把重复元素去掉，有时并不想去掉重复元素，就要用上面的方法一或者方法二
a = [1, 1, 2, 2, 3, 3, 4, 4]
b = [1, 2]
print list(set(a).intersection(set(b)))
print list(set(a).union(set(b)))
print list(set(b) ^ set(a))                 # 差集，这个不区分顺序，谁写在前面都是大的减小的
print list(set(a).difference(set(b)))       # 差集,，注意是前面减去后面，不能弄错顺序