＜Python Panoramic Series-2＞ Inventar der Python-Datentypen

Willkommen zu unserer Blogreihe „Python Panorama Series“! In dieser Serie führen wir Sie von den Grundlagen von Python zu fortgeschrittenen Themen und helfen Ihnen, diese leistungsstarke und flexible Programmiersyntax zu beherrschen. Unabhängig davon, ob Sie neu in der Programmierung sind oder ein Entwickler mit gewissen Kenntnissen sind, vermittelt diese Serie das Wissen und die Fähigkeiten, die Sie benötigen.

Als leistungsstarke und flexible Programmiersprache verfügt Python über ein umfangreiches Datentypsystem. Dieser Artikel bietet eine detaillierte Einführung in jeden Datentyp in Python, einschließlich der Typen „Numerisch“, „Sequenz“, „Zuordnung“, „Menge“, „Boolesch“ und „Keine“. Die Eigenschaften jedes Datentyps, seine Verwendung und seine Anwendung auf praktische Probleme werden ausführlich besprochen. Darüber hinaus werden wir die dynamische Typisierungsfunktion von Python untersuchen und erfahren, wie diese Datentypen in der praktischen Programmierung vollständig genutzt werden können, um Code zu vereinfachen und die Effizienz zu verbessern. Am Ende des Artikels werde ich auch eine sehr nützliche Funktion vorstellen, die Sie vielleicht noch nicht kennen.

1. Numerik

Zu den numerischen Typen von Python gehören Ganzzahlen (Integers), Gleitkommazahlen (Floating-Point Numbers), komplexe Zahlen (Complex Numbers), boolesche Werte (Booleans) und binäre Typen (Bytes).

# 整数
x = 10
print(type(x)) # <class 'int'>

# 浮点数
y = 20.5
print(type(y)) # <class 'float'>

# 复数
z = 2 + 3j
print(type(z)) # <class 'complex'>

# 布尔值
a = True
print(type(a)) # <class 'bool'>

# 二进制
b = b"Hello"
print(type(b)) # <class 'bytes'>

Integer-Typen in Python unterstützen nicht nur reguläre Dezimalzahlen, sondern auch binäre (0b10), oktale (0o10) und hexadezimale (0x10). Sie sollen Python die leistungsstarke Fähigkeit verleihen, mathematische Operationen auszuführen. Es ist erwähnenswert, dass es für die Ganzzahlen in Python keine Größenbeschränkung gibt, was bedeutet, dass Sie mit sehr großen Ganzzahlen umgehen können, ohne sich Gedanken über einen Überlauf machen zu müssen.

2. Sequenztyp (Sequenzen)

Zu den Sequenztypen gehören Listen, Tupel, Zeichenfolgen, Byte-Arrays und Bereiche.

# 列表
list_ = [1, 2, 3]
print(type(list_)) # <class 'list'>

# 元组
tuple_ = (1, 2, 3)
print(type(tuple_)) # <class 'tuple'>

# 字符串
str_ = "Hello, Python!"
print(type(str_)) # <class 'str'>

# 字节数组
bytes_array = bytearray(b"Hello")
print(type(bytes_array)) # <class 'bytearray'>

# 范围
range_ = range(5)
print(type(range_)) # <class 'range'>

Listen sind veränderlich, während Tupel und Strings unveränderlich sind. Diese Funktion bestimmt ihre Verwendungsszenarien in der Python-Programmierung. Beispielsweise können wir Listen verwenden, um Daten zu speichern, die dynamisch geändert werden müssen, Tupel, um unveränderliche Datensequenzen zu speichern, und Zeichenfolgen, um Textdaten zu verarbeiten.

3. Zuordnungen

Zu den Zuordnungstypen von Python gehört das Wörterbuch.

# 字典
dict_ = {"name": "Python", "age": 30}
print(type(dict_)) # <class 'dict'>

Der Leistungsvorteil des Wörterbuchs besteht darin, dass die Such- und Einfügegeschwindigkeit unabhängig von der Größe des Wörterbuchs sehr schnell ist, da die interne Implementierung des Wörterbuchs eine Hash-Tabelle verwendet. Dadurch eignen sich Wörterbücher ideal zum Speichern großer Datenmengen, insbesondere wenn wir Daten schnell nachschlagen müssen.

Wörterbücher wurden seit Python 3.7 optimiert, um die Einfügereihenfolge beizubehalten. Das bedeutet, dass die Elemente beim Durchlaufen des Wörterbuchs in derselben Reihenfolge vorliegen, in der sie eingefügt wurden. Dies macht Wörterbücher in manchen Fällen zu einer Alternative zu geordneten Wörterbüchern (OrderedDict).

4. Sammlungstyp (Sets)

Set und FrozenSet sind zwei Sammlungstypen in Python.

# 集合
set_ = {1, 2, 3}
print(type(set_)) # <class 'set'>

# 冻结集合
frozenset_ = frozenset([1, 2, 3])
print(type(frozenset_)) # <class 'frozenset'>

Mengen sind sehr nützlich, wenn Sie bestimmte Probleme lösen, z. B. doppelte Elemente entfernen, prüfen, ob ein Element vorhanden ist, Schnittmengen, Vereinigungen, Differenzen usw. finden.

5. Keiner Typ

Python hat einen speziellen Typ namens NoneType, der nur einen Wert hat: None. Es wird häufig zur Darstellung fehlender oder Nullwerte verwendet.
 

# None类型
none_ = None
print(type(none_)) # <class 'NoneType'>

Die Verwendung von „None“ kann uns helfen zu unterscheiden, ob einer Variablen ein Wert zugewiesen wurde oder ob eine Funktion ein gültiges Ergebnis zurückgegeben hat.

Wenn in einer Funktion keine explizite return-Anweisung vorhanden ist, gibt Python standardmäßig None zurück. Dadurch können wir leicht feststellen, ob eine Funktion einen expliziten Rückgabewert hat.

**Eine Sache noch...**

Die Datentypen von Python sind alle Klassen. Das bedeutet, dass wir diese Daten wie Objekte behandeln, ihre Methoden aufrufen und ihnen sogar Eigenschaften hinzufügen können.

# 给整数添加属性
x = 10
x.my_attribute = "Hello"
print(x.my_attribute) # "Hello"

Obwohl diese Funktion möglicherweise nicht häufig verwendet wird, eröffnet sie enorme Möglichkeiten für die Dynamik von Python. Es ist die Verkörperung von Python als objektorientierter Sprache und die Verkörperung von Pythons „Alles ist ein Objekt“-Philosophie.

Dies sind alle integrierten Datentypen von Python. Das Verständnis und die kompetente Anwendung dieser Datentypen ist die Grundlage für die Verbesserung der Python-Programmierkenntnisse. Ich hoffe, dieser Blog hilft Ihnen, die Datentypen von Python besser zu verstehen. Wenn Sie Fragen oder Ideen haben, hinterlassen Sie bitte eine Nachricht im Kommentarbereich.