另一种选择是使用包含您不关心的值的字典。例如,

poor_man_set = {}
poor_man_set[1] = None
poor_man_set[2] = None
poor_man_set[3] = None
...

你可以把键作为一个集合，除了它们只是一个数组:

keys = poor_man_set.keys()
print "Some key = %s" % keys[0]

这种选择的一个副作用是，您的代码将向后兼容旧的预先设置的Python版本。这可能不是最好的答案，但这是另一种选择。

编辑:你甚至可以这样做来隐藏你使用字典而不是数组或集合的事实:

poor_man_set = {}
poor_man_set[1] = None
poor_man_set[2] = None
poor_man_set[3] = None
poor_man_set = poor_man_set.keys()

博士tl;

对于muh_set中的first_item: break仍然是Python 3.x中的最佳方法。诅咒你，圭多。

你这样做

欢迎来到另一套Python 3。X时序，由wr推断。的优秀Python 2。x-specific响应。不像champion同样有用的Python 3。x特定的响应，下面的时间以及上面建议的时间异常值解决方案-包括:

list(s)[0]， John新颖的基于序列的解决方案。 随机的。样品(s, 1)， dF。基于rng的折衷解决方案。

快乐的代码片段

打开，收听，计时:

from timeit import Timer

stats = [
    "for i in range(1000): \n\tfor x in s: \n\t\tbreak",
    "for i in range(1000): next(iter(s))",
    "for i in range(1000): s.add(s.pop())",
    "for i in range(1000): list(s)[0]",
    "for i in range(1000): random.sample(s, 1)",
]

for stat in stats:
    t = Timer(stat, setup="import random\ns=set(range(100))")
    try:
        print("Time for %s:\t %f"%(stat, t.timeit(number=1000)))
    except:
        t.print_exc()

快速过时的永恒时间

看哪!按最快到最慢的片段排序:

$ ./test_get.py
Time for for i in range(1000): 
    for x in s: 
        break:   0.249871
Time for for i in range(1000): next(iter(s)):    0.526266
Time for for i in range(1000): s.add(s.pop()):   0.658832
Time for for i in range(1000): list(s)[0]:   4.117106
Time for for i in range(1000): random.sample(s, 1):  21.851104

面向整个家庭的Faceplants

不出所料，手动迭代的速度至少是第二快的解决方案的两倍。虽然与Bad Old Python 2相比，差距有所缩小。x天(其中手动迭代的速度至少是它的四倍)，最详细的解决方案是最好的，这让我这个PEP 20狂热者感到失望。至少将一个集合转换为一个列表只是为了提取集合的第一个元素是可怕的。感谢圭多，愿他的光芒继续指引我们。

令人惊讶的是，基于rng的解决方案非常糟糕。列表转换是糟糕的，但随机确实是糟糕的。随机数之神也就这么多了。

我只是希望无定形的They已经为我们PEP了一个set.get_first()方法。如果你在读这篇文章，他们会说:“拜托。做点什么。”

@wr。post，我得到了类似的结果(对于Python3.5)

from timeit import *

stats = ["for i in range(1000): next(iter(s))",
         "for i in range(1000): \n\tfor x in s: \n\t\tbreak",
         "for i in range(1000): s.add(s.pop())"]

for stat in stats:
    t = Timer(stat, setup="s=set(range(100000))")
    try:
        print("Time for %s:\t %f"%(stat, t.timeit(number=1000)))
    except:
        t.print_exc()

输出:

Time for for i in range(1000): next(iter(s)):    0.205888
Time for for i in range(1000): 
    for x in s: 
        break:                                   0.083397
Time for for i in range(1000): s.add(s.pop()):   0.226570

然而，当改变底层集合(例如调用remove())时，对于可迭代的例子(for, iter)来说，事情变得很糟糕:

from timeit import *

stats = ["while s:\n\ta = next(iter(s))\n\ts.remove(a)",
         "while s:\n\tfor x in s: break\n\ts.remove(x)",
         "while s:\n\tx=s.pop()\n\ts.add(x)\n\ts.remove(x)"]

for stat in stats:
    t = Timer(stat, setup="s=set(range(100000))")
    try:
        print("Time for %s:\t %f"%(stat, t.timeit(number=1000)))
    except:
        t.print_exc()

结果:

Time for while s:
    a = next(iter(s))
    s.remove(a):             2.938494
Time for while s:
    for x in s: break
    s.remove(x):             2.728367
Time for while s:
    x=s.pop()
    s.add(x)
    s.remove(x):             0.030272

最少的代码是:

>>> s = set([1, 2, 3])
>>> list(s)[0]
1

显然，这将创建一个包含集合中的每个成员的新列表，所以如果你的集合非常大，就不太好了。

因为你想要一个随机元素，这也可以:

>>> import random
>>> s = set([1,2,3])
>>> random.sample(s, 1)
[2]

文档中似乎没有提到random.sample的性能。从一个非常快速的经验测试中，有一个巨大的列表和一个巨大的集合，对于列表来说似乎是常数时间，而对于集合来说则不是。而且，集合上的迭代不是随机的;顺序没有定义，但可以预测:

>>> list(set(range(10))) == range(10)
True 

如果随机性很重要，并且你需要在常数时间内(大型集合)使用一堆元素，那么我会使用随机性。先采样并转换为列表:

>>> lst = list(s) # once, O(len(s))?
...
>>> e = random.sample(lst, 1)[0] # constant time

s.copy().pop()怎么样?我还没有计时，但应该可以，而且很简单。但是，它最适用于小集，因为它复制了整个集。