set.intersection()求交集更快，因用哈希表O(1)查找；列表推导若b为list则为O(n×m)，需先转set；仅set/frozenset有该方法；多参数直接支持；空参返回空集或原集；小数据差异不显但类型易出错。
用 set.intersection() 求交集比列表推导快得多
当两个集合都较大（比如上万元素）时，set.intersection() 通常比列表推导快 10–100 倍。根本原因不是语法糖，而是底层用了哈希表 O(1) 查找，而 [x for x in a if x in b] 对每个 x 都要线性扫描 b（若 b 是 list）。
- 如果
b是 list，x in b平均耗时 O(len(b))，整段推导是 O(len(a) × len(b)) - 如果
b是 set，x in b是 O(1)，但你得先手动转set(b)，这步有开销；而set(a).intersection(b)内部会自动选较小集合做遍历，更省 -
intersection()返回新set，不修改原对象；列表推导返回list，类型和可变性不同，别直接替换着用
list 直接套 intersection() 会报错：AttributeError
常见错误是写 my_list.intersection(other_list)，结果抛出 AttributeError: 'list' object has no attribute 'intersection'。因为只有 set、frozenset 有这个方法，list 没有。
- 想对列表求交集，必须先转成 set：
set(a).intersection(set(b)) - 如果原始顺序很重要，别只依赖
intersection()—— set 不保序，之后得用[x for x in a if x in set_b]（注意：这里set_b = set(b)只转一次） - 含不可哈希元素（如 dict、list）的容器不能转 set，这时只能用列表推导 + 自定义判断逻辑，但性能必然差
多个集合交集：set.intersection() 支持任意数量参数
不用嵌套调用或 reduce，set.intersection() 天然支持多集合： set(a).intersection(b, c, d) 等价于 a ∩ b ∩ c ∩ d。
- 所有参数都会被隐式转为 set（只要支持迭代），包括 list、tuple、range，甚至另一个
set实例 - 空参数调用
set().intersection()返回空 set；但set(a).intersection()（无参数）返回原 set，行为一致 - 如果其中任一参数是空容器（如
[]或set()），结果一定是空 set，短路生效，不浪费时间遍历其余集合
小数据量下差异不明显，但类型混用容易埋雷
几百个元素时，set.intersection() 和带 set 预处理的列表推导耗时可能相差不到 1ms，看不出优势。这时候反而容易忽略类型问题。
立即学习“Python免费学习笔记（深入）”；
- 函数输入没做类型检查，传进来的可能是 list、tuple、pd.Series、np.ndarray ——
intersection()只接受可迭代对象，但内部转换逻辑不同（例如 np.ndarray 会被当作整体一个元素，除非加.flat） - 字符串是可迭代的：
set('ab').intersection('abc')返回{'a', 'b'}，不是你想的“字符串整体匹配” - None、NaN、+0.0/-0.0 这类值在 set 中去重行为特殊，交集结果可能不符合直觉，调试时得打出来看实际元素
