ansheng’s blog!
Python全栈之路系列之数字数据类型
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。
对象是基于类的，也就是说如果我定义一个数据类型是字符串类型的，那么类型字符串就是类，二定义的变量就是对象，对象所拥有的功能都是从类里面去拿的。
如图：
可变类型与不可变类型
再继续学习之前，先打个小断点，看看在Python中可变类型与不可变类型是什么鬼。
不可变类型(数字、字符串、元组、不可变集合)
不可变的类型是不支持修改原数据的，每次对不可变类型的数据进行修改时都是重新创建一个对象然后赋值给变量。
>>> s = "as"
>>> id(s)
4320431664
>>> s = s + ',as'
>>> id(s)
4320623168
>>> s
'as,as'
可变类型(列表、字典、可变集合)
而可变类型是支持修改源数据，而不用重新创建新的对象
>>> L = [1,2]
>>> id(L)
4320613768
>>> L[0] = 2
>>> id(L)
4320613768
>>> L
[2, 2]
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)
<class 'int'>
第二种创建整型的方式
>>> number = int(9)
>>> type(number)
<class 'int'>
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:\Users\anshe>c:\Python35\python.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-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
<type 'long'>
- Python3.5.x
>>> var=123456789
>>> var
123456789
>>> var=10**20
>>> var
100000000000000000000
>>> type(var)
<class 'int'>
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。
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）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(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)
<class 'set'>
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)
<class 'set'>
>>> 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)
<class 'set'>
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，不存在则不进行任何处理，也不会保错
>>> 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 "<stdin>", line 1, in <module>
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 = {0, 1, 2, 3, 4, 6, 7, 8, 9}
>>> var2 = {0, 1, 2, 3, 4}
>>> 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}