Python全栈之路系列之数字数据类型

摘要：数字在中，整型长整型浮点数负数布尔值等都可以称之为数字类型。数字类型的复杂度整数比浮点数简单浮点数比复数简单。布尔类型布尔类型其实就是数字和的变种而来，即真或假，实际上就是内置的数字类型的子类而已。

上篇文章中我们简单的体验了Python语言基本概念与语法，那么在继续深入下去的过程中，不妨先学习几个常见的Python内置数据类型？这也是大部分Python教科书的学习目录，由浅至深，慢慢深入。

Python常用的几种数据类型就是以下几种，其实Python内部的数据类型还是很多的，多归多但是很少有我们用到了，太多了也记不了，把常用的几个玩熟练了就OK了。

那么接下来我们会学到那些内置的数据类型呢？

虽然说我们是在学习数据类型，但其实只是在学习每一个类型所提供的API而已，你所需要的大部分功能，Python都已经帮我们封装好了，不需要担心任何效率的问题，当你熟悉了这些API之后，灵活的组合应用，因为这在开发的过程中是必不可少的，那么接下来就让我们开始漫长的数据类型API学习之旅吧。

所有的数据类型所具备的方法都存在相对应的类里面，当创建一个类型的对象时，该对象所具备的功能都保存在相应的类中。

在Python3中，整型、长整型、浮点数、负数、布尔值等都可以称之为数字类型。

创建数字类型类型的对象

int类型通常都是数字，创建数字类型的方式有两种，且在创建的时候值两边不需要加双引号或单引号。

第一种创建整型的方式

>>> number = 9
>>> type(number)

第二种创建整型的方式

>>> number = int(9)
>>> type(number)

以上两种创建整型对象的方式都可以创建的，但是他们也是有本质上的区别，第一种方式实际上会转换成第二种方式，然后第二种方式会把括号内的数据交给__init__这个构造方法，构造方法是int类的，然后构造方法会在内存中开辟一块空间用来存放数据，但实际上我们在用时候是没有任何区别的。

构造方法每个数据类型中都会有，这是Python内部所定义的，如下图所示：

__init__

def __init__(self, x, base=10): # known special case of int.__init__

可以从源码中看到，__init__的方法有两个参数，其中base=10是可选的参数，x是我们对象的值，base=10其实就是说把我们的值(默认二进制)以十进制的方式输出出来，通过下面的实例可以看到：

>>> var=int("0b100",base=2)
>>> var
4

通过int()可以将一个数字的字符串变成一个整数，并且如果你指定了第二个参数，还可以将值进制数转换为整数：

# 将数字字符串转换为整数，数字字符串通过进制转换为整数
>>> int("99"),int("100",8),int("40",16),int("10000000",2)
(99, 64, 64, 128)
# 讲进制数转换为整数
>>> int("0x40",16),int("0b1000000",2)
(64, 64)

把二进制的数字4通过十进制输出出来，4的二进制就是0b100，又有一个知识点就是在类的方法中，所有以__开头，并且以__结尾的方法都是Python内部自己去调用的，我们在写代码的过程中是不需要去调用的，最简单的例子就是__init__，通过上面的流程图我们就可以很清楚的看到。

下图中我们可以很清楚的看到int类型在创建对象时内存所分配空间的情况

首先我们知道当我们创建第一个对象var1的时候会在内存中开辟一块空间作为存放var1对象的值用的，当我们创建第二个对象var2的时候也会在内存中开辟一块空间来作为var2对象的值，那如果这样说，那是不是说对象var1和var2的值内存是否会同时开辟两块呢？我们通过下面的实例可以得到答案：

C:Usersanshe>c:Python35python.exe
# 注意我是用的是Python3.5.1
Python 3.5.1 (v3.5.1:37a07cee5969, Dec  6 2016, 01:54:25) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
# 分别创建对象var1和var2
>>> var1=123
>>> var2=123
# 我们可以看到他们的内存地址都是指向的`1502084720`
>>> id(var1)
1502084720
>>> id(var2)
1502084720

通过上面的结果我们可以看到var1和var2的内存地址是相同的，就代表他们的值是使用的同一块空间，那么如果我把var2的值改为456呢？

>>> var2=456
>>> id(var1)
1502084720
>>> id(var2)
2452305956816

可以看到var2的内存地址已经改变了（废话），因为对象的值不一样了，所以他才不会改变，OK，我们可以得到一个结论就是：当两个或者多个对象的值都是同一个的时候，那么这些对象都会使用同一个内存地址，这里的值是是有范围的，默认范围是-5~257，得到这个结论之后我们继续往下看。

这张图我们同样创建了两个对象，但是唯一不同的是我把第一个创建的对象的值作为第二个对象的值，这里他们肯定使用的是同一个内存地址，但是如果我把第一个对象的值改动了呢？

>>> var1=123
>>> var2=var1
>>> id(var1)
1502084720
>>> id(var2)
1502084720
>>> var1=456
>>> id(var1)
2452305956816
>>> id(var2)
1502084720

请自行思考，这里不多做解释，然后下面我们再来说说刚才的话题，说在-5~257这个范围内对象的值都会引用同一块内存地址，我们可以通过下面的实验来测试：

>>> var1=12345
>>> var2=12345
>>> id(var1)
2452305956816
>>> id(var2)
2452308384720

事实证明我们的结论是完全没有问题的，注意我上面的实例都是在Python3.5上面执行的哦，var1和var2两个对象的值同样是12345，但是他们的内存地址就是不一样，这就是Python在内部做的优化，他把-5~257这个范围内我们常用道德数字多对象可引用的，OK，到此结束这个话题。

数字类型在python2.7里面是分整型和长整型这个区别的，也就是说如果你的数字大到一定的范围，那么python会把它转换为长整形，一个数字类型包含32位，可以存储从-2147483648到214483647的整数。

一个长整(long)型会占用更多的空间，64位的可以存储-922372036854775808到922372036854775808的整数。

python3里long型已经不存在了，而int型可以存储到任意大小的整型，甚至超过64为。

Python内部对整数的处理分为普通整数和长整数，普通整数长度为机器位长，通常都是32位，超过这个范围的整数就自动当长整数处理，而长整数的范围几乎完全没限制，如下：

Python2.7.x

>>> var=123456
>>> var
123456
>>> var=10**20
>>> var
100000000000000000000L
>>> type(var)
# long就是长整型

Python3.5.x

>>> var=123456789
>>> var
123456789
>>> var=10**20
>>> var
100000000000000000000
>>> type(var)

请自行补脑 - - 、

bit_length

返回表示该数字时占用的最少位数

>>> num=20
>>> num.bit_length()
5

conjugate

返回该复数的共轭复数，复数，比如0+2j,其中num.real,num.imag分别返回其实部和虚部，num.conjugate()，返回其共扼复数对象

>>> num =-20
>>> num.conjugate()
-20
>>> num=0+2j
>>> num.real
0.0
>>> num.imag
2.0
>>> num.conjugate()
-2j

imag

返回复数的虚数

>>> number = 10
>>> number.imag
0
>>> number = 3.1415926
>>> number.imag
0.0

内置的方法还有denominator、from_bytes、numerator、real、to_bytes，实在搞不懂这有什么用，也不太理解，就不做介绍了，你可以通过help(int.numerator)查看该方法的帮助信息等。

所谓混合类型就是浮点数和整数进行运算，如下所示：

>>> 3.14159 + 10
13.14159

结果和我们想象中的一样，但是一个浮点数一个正整数它是怎么进行相加的呢？其实很简单，Python会把两个值转换为其中最复杂的那个对象的类型，然后再对相同类型运算。

比如上面的例子中，会先把10转换为10.0然后再与3.14159相加。

数字类型的复杂度

整数比浮点数简单、浮点数比复数简单。

布尔类型其实就是数字0和1的变种而来，即真（True/0）或假（False/1），实际上就是内置的数字类型的子类而已。

# 如果0不是真，那么就输出"0 is False."
>>> if not 0: print("0 is False.")
... 
0 is False.
# 如果1是真，那么就输出"1 is True."
>>> if 1: print("1 is True.")
... 
1 is True.

你还可以使用布尔值进行加减法，虽然从来没在任何代码中见过这种形式：

>>> True + 1
# 1 + 1 = 2
2
>>> False + 1
# 0 + 1 = 1
1

集合的元素是不允许重复、不可变且无序的集合，集合就像是字典舍弃了值一样，集合中的元素只能够出现一切且不能重复。

创建set集合

>>> s = set([11,22,33])
>>> s
{33, 11, 22}
>>> type(s)

第二种不常用创建set集合的方式

# 这种的创建方式，集合中的元素相当于字典中的key
>>> s = {11,22,33}
>>> type(s)

>>> s
{33, 11, 22}

把其它可迭代的数据类型转换为set集合

>>> li = ["a","b","c"]
>>> seting = set(li)
>>> seting
{"b", "a", "c"}
>>> type(seting)

集合同样支持表达式操作符

# 首先创建两个集合
>>> x = set("abcde")
>>> y = set("bdxyz")
>>> x
{"a", "d", "b", "c", "e"}
>>> y
{"y", "d", "b", "x", "z"}
# 使用in进行成员检测
>>> "a" in x
True
# 差集
>>> x - y
{"a", "e", "c"}
# 并集
>>> x | y
{"b", "y", "z", "a", "d", "e", "c", "x"}
# 交集
>>> x & y
{"d", "b"}
# 对称差
>>> x ^ y
{"y", "z", "a", "e", "c", "x"}
# 比较
>>> x > y, x < y
(False, False)

集合解析

>>> {x for x in "abc"}
{"a", "b", "c"}
>>> {x+"b" for x in "abc"}
{"bb", "cb", "ab"}

add

往集合内添加元素

>>> se = { 11, 22, 33 }
>>> se
{33, 11, 22}
# 元素写在小括号内
>>> se.add(44)
>>> se
{33, 11, 44, 22}

 
clear

清除集合内容

>>> se = { 11, 22, 33 }
>>> se
{33, 11, 22}
>>> se.clear()
>>> se
set()

 
copy浅拷贝

下文介绍
 
difference

寻找集合的元素var1中存在，var2中不存在的

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22 ,55 }
>>> var1.difference(var2)
{33, 11}
>>> var2.difference(var1)
{55}

 
difference_update

寻找集合的元素var1中存在，var2中不存在的元素，并把查找出来的元素重新复制给var1

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22 ,55 }
>>> var1.difference_update(var2)
>>> var1
{33, 11}

 
discard

移除指定元素，不存在不保错

>>> var1 = { 11, 22, 33 }
>>> var1.discard(11)
>>> var1
{33, 22}
>>> var1.discard(1123123)
>>> var1
{33, 22}

remove

移除指定元素，不存在保错

>>> var1 = { 11, 22, 33 }
>>> var1
{33, 11, 22}
>>> var1.remove(11)
>>> var1
{33, 22}
>>> var1.remove(asda)
Traceback (most recent call last):
  File "", line 1, in 
NameError: name "asda" is not defined

intersection

交集，查找元素中都存在的值

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22, 55, "一二" }
>>> var1.intersection(var2)
{22}

 
intersection_update

取交集并更更新到A中

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22, 55, "一二" }
>>> var1.intersection_update(var2)
>>> var1
{22}

 
isdisjoint

判断有没有交集，如果有返回False，否则返回True

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22, 44, 55 }
>>> var1.isdisjoint(var2)
False
>>> var2 = { 66, 44, 55 }
>>> var1.isdisjoint(var2)
True

 
issubset

是否是子序列,也就是说如果var2的所有元素都被var1所包含了，那么var2就是var1的子序列

>>> var1 = {11,22,33,44}
>>> var2 = {11,22}
>>> var2.issubset(var1)
True

issuperset

是否是父序列

>>> var1 = { 11, 22, 33 }
>>> var2 = { 22, 44, 55 }
>>> var1.issuperset(var2)
True

pop

移除一个元素，并显示移除的元素，移除时是无序的

>>> var1 = {11,22,33,44}
>>> var1.pop()
33
>>> var1
{11, 44, 22}

symmetric_difference

对称交集，把var1存在且b不存在和var2存在且var1不存在的元素合在一起

>>> var1 = { 11, 22, 33, 44 }
>>> var2 = { 11, 22, 77, 55 }
>>> var1.symmetric_difference(var2)
{33, 44, 77, 55}

symmetric_difference_update

对称交集，并更新到var1中

>>> var1 = { 11, 22, 33, 44 }
>>> var2 = { 11, 22, 77, 55 }
>>> var1
{33, 11, 44, 22}
>>> var1.symmetric_difference_update(var2)
>>> var1
{33, 44, 77, 55}

union

并集，把两个集合中的所有元素放在一起，如果有重复的则只存放一个

>>> var1 = { 11, 22, 33, 44 }
>>> var2 = { 11, 22, 77, 55 }
>>> var1.union(var2)
{33, 11, 44, 77, 22, 55}

update

更新，把一个集合中的元素更新到另一个集合中

>>> var1 = { 11, 22, 33, 44 }
>>> var2 = { 11, 22, 77, 55 }
>>> var1.update(var2)
>>> var1
{33, 11, 44, 77, 22, 55}