两个列表之间的差异大于两个列表中元素数量的差异

Question

我有两个已处理文件的列表（A，B）。列表A包含所有初始文件，列表B包含所有已成功处理的文件（因此第二个列表（B）是第一个列表的子集）。

A包含231453个项目。

B包含124769个项目。

我想减去它们以查看哪些文件没有得到处理。 （C应包含106684个项目）

为此，我正在使用 set ：

newlist=[]
newlist2=[]
newlist3=[]
newlist=( set(A) - ( set(A) & set(B) ) )
newlist2=(set(A)^set(B))
newlist3=(set(A) - set(B))
print len(newlist)
print len(newlist2)
print len(newlist3)

结果是：

134173
161662
134173

  

为什么有比预期更多的物品？

Answer 1

您已指定A和B为列表。列表中可能存在重复项，这些重复项在转换为set时会丢失。

  

集合是无序且无索引的集合。在Python集中   用大括号括起来。

您可以的话

not_processed = filter(lambda x: x in A, B)

OR

not_processed = [x for x in A if x in B]

如果X值位于B中，则上面的代码将使A中存在的所有x值均变

Answer 2

您的B包含一些不在A中的项目，如果B是A的子集，则所有三个长度都应该相同。您的对称异形的长度较大，因此您的B包含某些不在A中的项目