资讯专栏INFORMATION COLUMN

Python全栈之路系列之数字数据类型

Developer / 472人阅读

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。

数字

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。

int内部优化机制

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,var1var2两个对象的值同样是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。

数字类型的长度限制

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-2147483648214483647的整数。

一个长整(long)型会占用更多的空间,64位的可以存储-922372036854775808922372036854775808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 - - 、

数字类型所具备的方法

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denominatorfrom_bytesnumeratorrealto_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。

混合类型

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(bool)

布尔类型其实就是数字0和1的变种而来,即真(True/0)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(set)

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"}
集合所提供的方法

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}

原文链接 Python全栈之路系列文章

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/38350.html

相关文章

  • Python全栈系列字符串格式化

    摘要:目前提供的字符串格式化方式有两种百分号方式方式这两种方式在和中都适用,百分号方式是一直内置存在的,方式为近期才出来的。 This PEP proposes a new system for built-in string formatting operations, intended as a replacement for the existing % string formatti...

    avwu 评论0 收藏0
  • Python全栈系列递归

    摘要:所谓递归其实就是函数本身调用函数,直到满足指定条件之后一层层退出函数,例如从前有座山,山里有座庙,庙里有个老和尚,正在给小和尚讲故事呢故事是什么呢从前有座山,山里有座庙,庙里有个老和尚,正在给小和尚讲故事呢故事是什么呢从前有座山,山里有座庙 所谓递归其实就是函数本身调用函数,直到满足指定条件之后一层层退出函数, 例如 从前有座山,山里有座庙,庙里有个老和尚,正在给小和尚讲故事呢!故事是...

    kviccn 评论0 收藏0
  • Python全栈系列字典数据类型

    摘要:字典在基本的数据类型中使用频率也是相当高的,而且它的访问方式是通过键来获取到对应的值,当然存储的方式也是键值对了,属于可变类型。 字典(dict)在基本的数据类型中使用频率也是相当高的,而且它的访问方式是通过键来获取到对应的值,当然存储的方式也是键值对了,属于可变类型。 创建字典的两种方式 第一种 >>> dic = {k1:123,k2:456} >>> dic {k1: 123, ...

    caoym 评论0 收藏0
  • Python全栈系列列表数据类型

    摘要:列表同字符串一样都是有序的,因为他们都可以通过切片和索引进行数据访问,且列表的的是可变的。 列表(list)同字符串一样都是有序的,因为他们都可以通过切片和索引进行数据访问,且列表的的是可变的。 创建列表的几种方法 第一种 name_list = [Python, PHP, JAVA] 第二种 name_list = list([Python, PHP, JAVA]) 创建一个空列表 ...

    琛h。 评论0 收藏0
  • Python全栈系列元组数据类型

    摘要:元组和列表的为唯一区别就是列表可以更改,元组不可以更改,其他功能与列表一样创建元组的两种方法第一种第二种如果元祖内只有一个元素,那么需要加上一个逗号,否则就变成字符串了。 元组(tuple)和列表的为唯一区别就是列表可以更改,元组不可以更改,其他功能与列表一样 创建元组的两种方法 第一种 ages = (11, 22, 33, 44, 55) 第二种 ages = tuple((11,...

    李涛 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<