Python数组交集：set与双指针对比解析

本文深入对比了Python中求数组交集的两种主流方法——基于哈希表的set操作与适用于有序数组的双指针法：set方案简洁高效、时间复杂度约O(n+m)，适合无需保序和去重的常规场景，但会丢失原始顺序与元素频次；双指针法则在输入已排序的前提下，以O(1)额外空间实现保序输出和精准重复控制，是处理如LeetCode 350等频次敏感问题的不二之选。最终选择不应只看性能，而应紧扣三大实际约束——输入是否已排序、是否需保留重复、以及内存与开发效率的权衡，避开“未排序硬用双指针”或“需频次却用set”等高频陷阱。

用 set() 求交集快不快？看场景

绝大多数情况下，set(nums1) & set(nums2) 是最简、最快的选择——前提是不关心顺序、不保留重复元素、且数组不是超大（比如上亿元素）。

Python 的 set 底层是哈希表，求交集时间复杂度接近 O(min(len(nums1), len(nums2)))，但建集合本身要遍历一次数组，总开销约 O(n + m)。内存会多占一份去重后的副本。

常见错误现象：list(set(nums1) & set(nums2)) 返回结果顺序不定；如果原数组有重复值（如 [1,1,2] 和 [1,2,2]），交集只留一个 1 和一个 2，丢失频次信息。

• 需要去重 + 无视顺序 → 直接用 set 最省事
• 输入已排序，且想保持升序输出 → set 会打乱顺序，不如双指针
• 内存敏感（如嵌入式或流式处理）→ set 额外占内存，慎用

双指针法适合什么情况？

当两个数组都已排序，且你要求结果也有序、或需保留重复逻辑（比如“每个元素在交集中出现次数 = 两数组中该元素最小出现次数”），双指针是更精准的解法。

它不依赖哈希，空间复杂度仅 O(1)（不算输出列表），遍历过程天然保序，还能灵活控制重复行为。

典型使用场景：LeetCode 350 “两个数组的交集 II”，要求返回带重复的交集；或者你在处理数据库分页结果、时间序列对齐等已排好序的数据流。

• 两数组必须事先升序排列，否则指针移动会漏匹配
• 边界判断容易错：任一指针越界就得停，别写成 while i 后还继续访问 nums1[i]
• 重复处理逻辑要明确：遇到相等时 append 后，两个指针都进一；不等时只动小数那边的指针

set.intersection() 和 & 有区别吗？

没实质区别。set1 & set2 是运算符语法糖，底层调用的就是 set1.intersection(set2)。但注意：后者支持多个参数，比如 set1.intersection(set2, set3, set4)，而 & 只能两两连用（set1 & set2 & set3 也行，但本质还是左结合）。

性能上几乎无差异，Cython 层都走同一套逻辑。不过 intersection() 支持传入任意可迭代对象（比如 set1.intersection([1,2,3])），而 & 要求右边也得是 set 类型，否则报 TypeError: unsupported operand type(s)。

• 想一行写多个集合交集 → 用 .intersection() 更直白
• 右边可能是 list/tuple 且不想显式转 set → 只能用 .intersection()
• 做类型检查或 lint 报警时，有些工具对运算符重载提示较弱，用方法名更易追踪

实际选哪个？关键看这三点

别纠结“哪个更高级”，就盯住输入特征和输出需求：

• 输入是否已排序？是 → 优先双指针；否 → set 省心
• 是否要保留重复？是 → 双指针可精确控频次；set 天然去重，绕不开
• 内存 or 速度优先？大数据量且内存紧 → 双指针；中小数据且写快为主 → set

最容易被忽略的是：很多人直接对未排序数组硬套双指针，结果逻辑全错；或者在需要频次的题里盲目用 set，提交后发现用例过不了。顺序和重复性这两个约束，比“哪个快”重要得多。

到这里，我们也就讲完了《Python数组交集：set与双指针对比解析》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！