CODING 修炼小册

数据类型

# 数据类型

在 Python 中，数据类型分内置的和自定义的。内置的共有 8 种常用的以及一些不太常用的数据类型；而自定义的一般以类的形式，根据需要组合内置类型成为独特的数据类型。

8 种常用内置数据类型：

  • 数字
  • 布尔
  • 列表
  • 元组
  • 字符串
  • 字典
  • bytes
  • 集合 set

# 数字

Python 支持三种不同的数字类型，整数、浮点数和复数：

# 整数（Int）

通常被称为整型，是正或负整数，不带小数点。Python3 的整型可以当作 Long 类型（更长的整型）使用，所以 Python3 没有 Python2 的 Long 类型。

  • 十进制表示法：1，100，-8080，0
  • 十六进制表示法：用 0x 前缀和 0-9，a-f 表示，例如：0xff00，0xa5b4c3d2
  • 八进制表示法：用 0o 前缀和 0-7 表示，例如：0o12

Python 的整数长度为 32 位，可以通过内置函数获取最大值和最小值：

import sys

# 最大值
max_num = sys.maxsize
print(max_num) # 结果为 9223372036854775807

# 最小值
min_num = -sys.maxsize - 1
print(min_num) # 结果为 -9223372036854775808
1
2
3
4
5
6
7
8
9

# 浮点数（float）

浮点数也就是小数，如 1.23，3.14，-9.01 等等。

但是对于很大或很小的浮点数，一般用科学计数法表示，把 10 用 e 替代，1.23x10⁹ 就是 1.23e9，或者 12.3e8，0.000012 可以写成 1.2e-5 等等。

# 复数（complex）

复数由实数部分和虚数部分构成，可以用 a + bj，或者 complex(a, b) 表示。复数的实部 a 和虚部 b 都是浮点型。关于复数，如果不做科学计算或其它特殊需要通常很难遇到。

# 布尔

但在 Python 语言中，布尔类型只有两个值：True 与 False。注意首字母要大写。

# 列表（List）

列表是 Python 中最基本也是最常用的数据结构之一。列表中的每个元素都被分配一个数字作为索引，用来表示该元素在列表内所排在的位置。第一个元素的索引是 0，第二个索引是 1，依此类推。

Python 的列表是一个有序可重复的元素集合，可嵌套、迭代、修改、分片、追加、删除，成员判断。

从数据结构角度看，Python 的列表是一个可变长度的顺序存储结构，每一个位置存放的都是对象的指针。

# 插入列表元素

使用 append()，insert() 方法插入指定的元素。

如果待插入的元素是列表、元组等，这种插入方式会将它们视为一个整体，作为一个元素添加进去。

# 列表的末尾追加元素
lis = ["element_1", "element_2", "element_3"]
lis.append("element_4")

# 在列表中间某个位置插入元素
# 下面代码将在索引 2 处插入元素
lis = ["element_1", "element_2", "element_3"]
lis.insert(1, 'element')
print(lis) # ["element_1", "element", "element_2", "element_3"]
1
2
3
4
5
6
7
8
9

# 删除列表元素

使用 del 语句或者 remove()，pop() 方法删除指定的元素。

# 删除索引为 0 的元素
lis = ["element_1", "element_2", "element_3"]
del lis[0]

# 除列表中匹配到的第一个 b 元素
lis = ["element_1", "element_2", "element_3", "element_1"]
lis.remove("element_1")

# 移除列表中的一个元素（默认最后一个元素），并且返回该元素的值。
# 可选参数，要移除列表元素的索引值，不能超过列表总长度，默认为 index=-1，即删除最后一个列表值。
lis = ["element_1", "element_2", "element_3", "element_1"]
a= lis.pop()
b = lis.pop(1)
1
2
3
4
5
6
7
8
9
10
11
12
13

# 列表与列表合并

使用 + 运算符或者 extend() 方法合并两个列表。

# 使用 + 运算符
# 该方法会生成一个新的列表，原有的列表不会被改变。
lis_1 = ["element_1", "element_2"]
lis_2 = ["element_3", "element_4"]
print(lis_1 + lis_2) # ['element_1', 'element_2', 'element_3', 'element_4']

# 使用 extend() 
# 在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）
# 该方法没有返回值，但会在已存在的列表中添加新的列表内容。
lis_1 = ["element_1", "element_2"]
lis_2 = ["element_3", "element_4"]
lis_1.extend(lis_2)
print(lis_1) # ['element_1', 'element_2', 'element_3', 'element_4']
1
2
3
4
5
6
7
8
9
10
11
12
13

# 切片

切片指的是对序列进行截取，选取序列中的某一段。

切片的语法是：list[start:end]，以冒号分割索引，start 代表起点索引，end 代表结束点索引。省略 start 表示以 0 开始，省略 end 表示到列表的结尾。

注意，区间是左闭右开的！

分片不会修改原有的列表，可以将结果保存到新的变量，因此切片也是一种安全操作，常被用来复制一个列表，例如 newlist = lis[:]。

如果提供的是负整数下标，则从列表的最后开始往头部查找。例如 -1 表示最后一个元素，-3 表示倒数第三个元素。

切片过程中还可以设置步长，以第二个冒号分割，例如 list[3:9:2]，表示每隔多少距离取一个元素：

# 切片设置步长
lis = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(lis[2:8:2]) # [3, 5, 7]
1
2
3

# 元组（Tuple）

用方括号括起来的是列表，而用圆括号括起来的是元组，形如：

tup = (1, 2, 3, 4)
1

元组也是序列结构，但是是一种不可变序列，你可以简单的理解为内容不可变的列表。除了在内部元素不可修改的区别外，元组和列表的用法差不多。

元组与列表相同的操作：

  • 使用方括号加下标访问元素
  • 切片（形成新元组对象）
  • count() / index()
  • len() / max() / min() / tuple()

元组中不允许的操作，确切的说是元组没有的功能：

  • 修改、新增元素
  • 删除某个元素（但可以删除整个元组）
  • 所有会对元组内部元素发生修改动作的方法。例如，元组没有 remove，append，pop 等方法。

但需要注意：元组只保证它的一级子元素不可变，对于嵌套的元素内部，不保证不可变。所以，在使用元组的时候，尽量使用数字、字符串和元组这种不可变的数据类型作为元组的元素，这样就能确保元组不发生变化。

元组和列表之间的转换：

  • 使用 list() 函数可以把元组转换成列表：list(元组)
  • 使用 tuple() 函数可以把列表转换成元组：tuple(列表)

# 字符串

字符串是 Python 中最常用的数据类型之一，使用单引号或双引号来创建字符串，使用三引号创建多行字符串。

Python3 全面支持 Unicode 编码，所有的字符串都是 Unicode 字符串，所以传统 Python2 存在的编码问题不再困扰我们，可以放心大胆的使用中文。

# 字符编码

计算机只能处理数字 0 和 1，如果要处理文本，就必须先把文本转换为数字 01，这种转换方式就称为字符编码。

对于我们而言，你只需要简单记住下面几种常见的编码就好：

  • ASCII 编码：早期专门为英语语系编码，只有 255 个字符，每个字符需要 8 位也就是 1 个字节。不兼容汉字。
  • Unicode 编码：又称万国码，国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。用 2 个字节来表示汉字。
  • UTF-8 编码：为了节省字节数，在 Unicode 的基础上进行优化的编码。用 1 个字节表示英文字符，3 个字符表示汉字。天生兼容 ASCII 编码，所以最为流行。
  • GB2312：我国早期自己制定的中文编码，世界范围内不通用。
  • GBK：全称《汉字内码扩展规范》，向下与 GB2312 兼容，向上支持 ISO10646.1 国际标准，是前者向后者过渡过程中的一个承上启下的产物。Windows 中文版的汉字编码用的就是 GBK。也非世界范围通用的编码。
  • 其它编码：非以上类型者的统称。属于能不用就不要碰的编码。

需要再强调一次，Python3 在运行时全部使用 Unicode 编码!

另外还有几条规则需要记住：

  • 操作系统运行时，在内存中，统一使用的都是 Unicode 编码，当需要将数据保存到硬盘或者网络传输的时候，就转换为 UTF-8 编码，进行保存和传输。
  • 用文本编辑器的时候，从文件系统或者说硬盘上读取的 UTF-8 编码字符被转换为 Unicode 字符到内存里，供程序或者操作系统使用。编辑完成后，保存的时候再把 Unicode 转换为 UTF-8 保存到文件。
  • 浏览网页的时候，服务器会把动态生成的 Unicode 内容转换为 UTF-8 传输到客户的浏览器。

这就是为什么我们平时一会说 Unicode，一会又用 UTF-8 的原因。

总而言之，一定要区分代码自己本身的编码和程序要处理的数据的编码！没有特殊要求的情况，请使用 UTF-8 编码。确保文本编辑器使用的是 UTF-8 without BOM 编码。

# 字典

Python的 字典数据类型是基于 hash 散列算法实现的，采用键值对 (key: value) 的形式，根据 key 的值计算 value 的地址，具有非常快的查取和插入速度。

字典包含的元素个数不限，值的类型可以是任何数据类型。但是字典的 key 必须是不可变的对象，例如整数、字符串、bytes 和元组，最常见的还是将字符串作为 key。同时，同一个字典内的key必须是唯一的，但值则不必。

注意：从 Python3.6 开始，字典是有序的！它将保持元素插入时的先后顺序！请务必清楚！

# 创建字典

创建字典有两种方法：

dic = {'name': 'zhangsan', 'age': 13}

dict(
    name='lisi',
    age=14
)
1
2
3
4
5
6

# 访问字典

可以通过方括号获取对应值，但是如果访问字典里没有的键，会抛出异常：

dic = {'name': 'zhangsan', 'age': 13}

name = dic['name']
1
2
3

也可以通过字典的 get() 方法返回指定键的值，如果键不在字典中，则返回 default 值，如果不指定默认值，则返回 None：

dic = {'name': 'zhangsan', 'age': 13}

name = dic.get('name', 'xxx')
1
2
3

# 删除字典元素、清空字典和删除字典

使用 del 关键字删除字典元素或者字典本身，使用字典的 clear() 方法清空字典。

# 删除指定的键
dic = {'name': 'zhangsan', 'age': 13}
del dic['name'] 

# 删除指定的键，并返回该键对应的值、
dic = {'name': 'zhangsan', 'age': 13}
a = dic.pop('age')

# 清空字典
dic = {'name': 'zhangsan', 'age': 13}
dic.clear()

# 删除字典本身，删除后该字典就不存在了
dic = {'name': 'zhangsan', 'age': 13}
del dic
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 遍历字典

从 Python3.6 开始遍历字典获得的键值对是有序的。

以下展示的多种遍历方法，都是经常会用到的：

dic = {'name': 'zhangsan', 'age': 13}

# 直接遍历字典获取键，根据键取值
for key in dic:
    print(key, dic[key])

# 利用 items 方法获取键值，速度很慢，少用！
for key,value in dic.items():
    print(key, value)

# 利用 keys 方法获取键
for key in dic.keys():
    print(key, dic[key])

# 利用 values 方法获取值，但无法获取对应的键。
for value in dic.values():
    print(value)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

此外，如果只是要统计字典内键的个数，可以使用 Python 内置的 len() 函数：

dic = {'name': 'zhangsan', 'age': 13}
len(dic)
1
2

# bytes

在 Python3 以后，字符串和 bytes 类型彻底分开了。字符串是以字符为单位进行处理的，bytes 类型是以字节为单位处理的。

对于 bytes，我们只要知道在 Python3 中某些场合下强制使用，以及它和字符串类型之间的互相转换，其它的基本照抄字符串。

简单的省事模式：

string = b'xxxxxx'.decode() 直接以默认的 utf-8 编码解码 bytes 成 string。

b = string.encode() 直接以默认的 utf-8 编码 string 为 bytes。

# 集合 set

set 集合是一个无序不重复元素的集，基本功能包括关系测试和消除重复元素。集合使用大括号（{}）框定元素，并以逗号进行分隔。

但是注意：如果要创建一个空集合，必须用 set() 而不是 {} ，因为后者创建的是一个空字典。

集合数据类型的核心在于自动去重。很多时候，这能给你省不少事。

s = set([1, 1, 2, 3, 3, 4])
print(s) # {1, 2, 3, 4}
1
2

（完）

函数参数