Python学习日记：六大数据类型之——数值类型

Hello NanFeng

python六大数据类型

python数据类型主要分为六种，分别是：

• 数值类型（Number）
• 字符串（String）
• 元组（Tuple）
• 列表（List）
• 字典（Dictionary）
• 集合（Sets）

其中数值类型、字符串和元组为不可变数据类型，而列表、字典和集合为可变数据类型。

本篇介绍数值类型

数值类型

数值类型包括了四种，分别为：

• 整型（int）
• 长整型（long）
• 浮点型（float）
• 复数类型（complex）

1.整型

整型即为整数。python中的整型可以自由定义正整数或者负整数。

num1 = 123
num2 =-123
print(num1,type(num1))
print(num2,type(num2))

输出

123 <class 'int'>
-123 <class 'int'>

工厂函数int()
int()函数可以将数字的字符串类型转换为整型

a = "123"
a = int(a)
print(a, type(a))

输出

123 <class 'int'>

2.长整型

长整型是相对于整型而言的，与整型的差异存在于数值位数的长度。在32位的机器上，整型的其取值范围是 -2³¹ ~ 2³¹-1,即-2147483648 ~ 214748364。在64位系统上，整数的位数为64位，取值范围为-2⁶³ ~ 2⁶³-1，即9223372036854775808 ~ 9223372036854775807。而长整型没有指定位宽，但是其位宽总会受限于机器的实际内存，所以长整型也不是无限大的数据。

不过需要注意的是，其实整型和长整型的分类是存在于python2的现象了，现在的python3的整型实上已经是长整型了，不再需要担心存在溢出的问题了。

3.浮点型

浮点初步可理解为带小数点的数据（关于浮点数和定点数可以之后深入了解），其存储方式与整型存在区别。浮点数很大的一个特征便是运算可能会出现误差，无法像整型的运算一样精确。

int1 = 1.24
float1 = 1.04
result = int1 - float1
print(result)

上面的结果本应该为0.2，但是输出结果为

0.19999999999999996

这是因为小数以二进制形式表示时的有穷性导致的，本质上是二进制对很多浮点数无法准确表示只能用一个近似值代替，参与运算时使用的也是这个近似值，所以出来的也就是进似值运算后的结果。上面的例子里可以看出二进制无法表示0.2，涉及到进制转换的问题。

但python中还是存在解决办法的，于是引入了decimal模块
Decimal数据类型为十进制，Decimal实例可以准确地表示任何数，对其上取整或下取整，还可以对有效数字个数加以限制。

import decimal
int1 = decimal.Decimal("1.24")
float1 = decimal.Decimal("1.04")
result = int1 - float1
print(result)

输出

0.20

可以看到，0.20被精准表示了。

需要注意的是，decimal.Decimal()方法只对整型和字符串类型的数据有效。

4.复数类型

复数相信大家都还记得，是数学中对数的概念拓展。一般来说，一个数的平方一定是非负数，于是数学家为了表示平方后结果为负数的数，就提出了复数的概念。我们把形如 z=a+bi（a、b均为实数）的数称为复数。其中，a 称为实部，b 称为虚部，i 称为虚数单位(i²=-1)。同时共轭复数为实部相同，虚部为相反数的复数。

在python中也引入了复数，格式如下：

real+imagj

其中real为实部，imag为虚部，j为虚部后缀

有两种生成复数的方式

#complex实例方法
a = complex(2, 3)
print(a, type(a))
#直接手写
b = 2+3j
print(b, type(b))

输出

(2+3j) <class 'complex'>
(2+3j) <class 'complex'>

复数类型的一些属性

#获取实部
a.real
#获取虚部
a.imag
#获取该复数的共轭复数
a.conjugate

复数在使用是有个小点可以注意

b = 2+3j
print(b.imag)
print(2+3j.imag)
print((2+3j).imag)
#输出
3.0
5.0
3.0

在获取复数的虚部时，如果是具体的形式，需要用括号将复数形成一个整体，否则会出现调用时把实部虚部相加作为虚部的情况。

Hello NanFeng