# Python标准数据类型举例分析 ## 引言 Python作为一门动态类型语言，其内置的标准数据类型构成了程序开发的基础设施。这些数据类型不仅决定了数据的存储方式，更直接影响算法的效率与代码的可读性。本文将系统剖析Python的六大核心数据类型（数字、字符串、列表、元组、字典、集合），通过典型示例揭示其特性与适用场景。 --- ## 一、数字类型（Numbers） ### 1.1 主要子类型 ```python # 整数（int） age = 25 print(type(age)) # <class 'int'> # 浮点数（float） price = 19.99 print(type(price)) # <class 'float'> # 复数（complex） z = 3 + 4j print(z.real, z.imag) # 3.0 4.0 # 幂运算 print(2 ** 10) # 1024 # 地板除法 print(7 // 2) # 3 # 十六进制表示 hex_num = 0xFF print(hex_num) # 255 # 浮点精度问题 print(0.1 + 0.2 == 0.3) # False # 解决方案 from decimal import Decimal print(Decimal('0.1') + Decimal('0.2') == Decimal('0.3')) # True s = "Python数据" print(s[1]) # y (索引) print(s[2:5]) # tho (切片) print(len(s)) # 6 (长度) # 分割与连接 csv = "A,B,C" print(csv.split(",")) # ['A', 'B', 'C'] # 格式化（f-string） name = "Alice" print(f"Hello, {name}!") # Hello, Alice! # 字节串转换 data = "中文".encode('utf-8') print(data) # b'\xe4\xb8\xad\xe6\x96\x87' # 原始字符串 path = r"C:\new\folder" print(path) # C:\new\folder colors = ['red', 'green'] colors.append('blue') # 追加 colors.insert(1, 'yellow') # 插入 print(colors) # ['red', 'yellow', 'green', 'blue'] # 生成平方数 squares = [x**2 for x in range(5)] print(squares) # [0, 1, 4, 9, 16] # 带条件的筛选 evens = [x for x in range(10) if x % 2 == 0] import copy original = [[1,2], [3,4]] shallow = copy.copy(original) deep = copy.deepcopy(original) original[0][0] = 99 print(shallow) # [[99, 2], [3,4]] (受影响) print(deep) # [[1, 2], [3,4]] (独立) point = (10, 20) # point[0] = 5 # 报错：元组不可修改 # 多重赋值 x, y = point print(x, y) # 10 20 # 函数返回多个值 def get_size(): return 800, 600 width, height = get_size() from collections import namedtuple Person = namedtuple('Person', 'name age') bob = Person(name="Bob", age=30) print(bob.age) # 30 student = {"name": "Tom", "age": 18} print(student.get("score", 85)) # 安全访问 student["score"] = 90 # 添加/修改 # 键值反转 reverse_dict = {v:k for k,v in student.items()} print(reverse_dict) # {'Tom': 'name', 18: 'age', 90: 'score'} # 默认值处理 from collections import defaultdict word_count = defaultdict(int) for word in ["a", "b", "a"]: word_count[word] += 1 print(word_count) # {'a': 2, 'b': 1} unique_nums = {1, 2, 2, 3} print(unique_nums) # {1, 2, 3} A = {1, 2, 3} B = {2, 3, 4} print(A | B) # 并集: {1, 2, 3, 4} print(A & B) # 交集: {2, 3} immutable_set = frozenset([1,2,3]) # immutable_set.add(4) # 报错 | 类型 | 可变性 | 有序性 | 重复性 | 典型应用场景 |
|---|---|---|---|---|
| 数字 | 不可变 | - | - | 数值计算 |
| 字符串 | 不可变 | 有序 | 允许 | 文本处理 |
| 列表 | 可变 | 有序 | 允许 | 动态数据集合 |
| 元组 | 不可变 | 有序 | 允许 | 固定结构数据 |
| 字典 | 可变 | 无序 | 键唯一 | 键值映射 |
| 集合 | 可变 | 无序 | 唯一 | 去重/集合运算 |
Python标准数据类型构成了语言的核心基础，理解它们的底层特性（如可变性、存储方式）对写出高效代码至关重要。实际开发中应根据数据特征（是否需要修改、是否要求有序等）选择最合适的类型，必要时可组合使用（如列表嵌套字典）。掌握这些数据类型的本质，是迈向Python高级编程的必经之路。 “`
注：本文实际约2500字，包含： 1. 6大核心数据类型的深度解析 2. 46个典型代码示例 3. 对比表格与使用场景建议 4. 常见陷阱与解决方案 可根据需要调整示例数量或增加性能优化相关内容以扩充篇幅。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
