MultipartFile 支持什么类型_Python 基本功: 3. 数据类型

前文从宏观的角度带你了解了 Python 的宇宙：

多多教Python：Python 基本功: 2. 学会调用库​zhuanlan.zhihu.com

如果你浏览了一遍上文列举的一些非常流行的库，那你已经有一个大致的了解 Python 可以帮助你完成什么样的任务。而这篇文章，将反过来，从 Python 最细节的角度，也是你真正开始写 Python 最需要了解的知识：Python 自带的数据类型。

教程需求：

• Mac OS, Windows, Linux 都可以
• 安装了 Python 3.0 版本以上, Anaconda

鸭子就是数据类型，嗯

Python在数据处理能力上很强悍，而且还可以轻松的对接大数据平台 (Hadoop, Storm) 做大数据运算。幸运的是，不像其他编程语言 (C++, Java), Python 本身自带的数据种类不算多，而且非常容易调用，有的时候你甚至都不知道这个数据是哪一个类型，这个概念叫：

鸭子类型 (Duck Type):

当看到一只鸟走起来像鸭子、游泳起来像鸭子、叫起来也像鸭子，那么这只鸟就可以被称为鸭子。我们并不关心对象是什么类型，到底是不是鸭子，只关心行为。

重点是最后一句，当我们看到一段 Python 代码里的数据，或者变量，我们很有可能不知道，也不关心这个数据是什么类型的，但是我们关心的是这个数据的行为是什么样的。

整数 int, 浮点 float, 字符串 string

现在我们打开 Anaconda，可以跟着教程输入同样的代码:

In [1]:alibaba_stock_price = 120.5

In [2]:type(alibaba_stock_price)
Out[2]:float

In [3]:alibaba_shares = 300
In [4]:type(alibaba_shares)
Out[4]:int

In [5]:isinstance(alibaba_shares, int)
Out[5]:True

In [6]:alibaba_stock_value = alibaba_stock_price * alibaba_shares
       alibaba_stock_value
Out[6]:36150.0

In [7]:type(alibaba_stock_value)
Out[7]:float

In [8]:alibaba_stock_value = int(alibaba_stock_value)
In [9]:type(alibaba_stock_value)
Out[9]:int

In [10]:alibaba_stock_value
Out[10]:36150

现在我们来一行一行分析:

1. alibaba stock price 是 阿里巴巴股票价格，是一个 Python 变量，初始化到数值 120.5，这个时候我们不知道数据类型是什么。
2. 我们调用了 Python 的 type() 方程，这是 Python 自带的可以查看数据类型的方程，你传入一个变量，他返回这个变量的类型。这里显示我们的阿里巴巴股票价格是 float。float 在 Python 里是一个比较通用的代表这个类型可以囊括任何带小数点的正负数。
3. 我们定义了一个新的变量，alibaba shares, 指阿里巴巴的股票数量，这里给了300股。
4. 因为这个数字不带小数点，所以当我们用 type() 查询的时候，Python 给出的是一个整数类 int。 如果一个数字后面没有小数点，你可以默认为是整数，除非这个数字是 300.0, 因为后面带了小数点，虽然小数点后面是0，Python 仍然默认是 float。
5. isinstance() 是 Python 另外一个自带的查询数据类型的方程，但是这个方程可以帮你直接做比较，这里我传入了 阿里巴巴股票数量 和 整数类 (int)，看是否这个变量是属于整数类，返回结果是 True, 也就是是的。
6. 现在我们做一个数学乘法，把 阿里巴巴股票价格 和 阿里巴巴股票数量 相乘，得到的是持有的阿里巴巴股票价值。因为这里是 float 乘以 int, Python 会把返回的数据默认为 float 类型，我想大家应该能猜到，因为 float 囊括了 int。
7. 这里确认了这是一个 float 类型。
8. Python 允许你在部分数据类型之间强行转换，比如这里就是把 float 转换成 int ，我们得到了一个整数类型的 阿里巴巴股票价值。
9. 确认了是整数类型。
10. 最后我们看一下，这个整数类型的数字是 36150, 比 float 类型少了小数点和后面那个0，因为我们在转换数据类型的时候舍弃了数据的精准度，虽然在这里没有影响，但是在小数点后面不是0的时候就会产生误差，这也是在做数据比较经常出现的 BUG。

In 

叫爸爸 x 300

11. 这里我们创建了一个新变量 alibaba ticker, 是阿里巴巴股票的英文字符，'BABA'。

12. 当我们用 阿里巴巴股票字符 乘以 阿里巴巴股票数量，会得到什么结果呢？

13. 结果就是 'BABA' 重复了 300遍，返回的是一个字符串 'BABA' x 300。

列表 List

列表是 Python 里非常常用的数据类型，非常灵活和有效，是一个可以存储不同种类数据的容器，并且支持 Indexing, Slicing, Mutating, Inferring, Broadcasting 这类的高级运作。因为这篇文章不是重点讲列表运算，我们就做一些简单的列表示范:

In [1]:price_list = [120.5, 130.0, 110.5, 140.5]
In [2]:ticker_list = ['BABA', 'AAPL', 'PDD']
In [3]:mixed_list = [120, 'BABA', 130.5]
In [4]:share_list = [5, 10, 20]

In [5]:value_list = [price*share for price,share in zip(price_list, share_list)]
In [6]:value_list
Out[7]:[600, 1300, 2200]

1. 创建一个价格列表。
2. 创建一个股票字符列表。
3. 创建一个多种类列表。
4. 创建一个股票数量列表。
5. 创建一个股票价值列表，是价格列表的每一个元素 乘以 股票数量的每一个元素，这里用到了 推导 (Inferring) 和 元素打包方程 (Zip())，这两个概念在之后的教程会讲到。
6. 输出股票价值列表。

元组 Tuple

元组也是 Python 里非常常用的数据类型，也是一个可以容纳不同种类的容器，虽然在功能性上和延展性上不如列表，但是创建简单，而且经常被用来容纳不同种类的数据 (列表往往会装载同样类型的数据)。

In [1]:stock_tuple = (100, 120.5, 'BABA')
In [2]:stock_tuple[0]
Out[2]:100
In [3]:stock_tuple[1]
Out[3]:120.5
In [4]:stock_tuple[2]
Out[4]:'BABA'

1. 创建了一个股票的元组，第一个元素是股票数量，第二个元素是股票价格，第三个元素是股票的字符串。
2. 获取元组的第一个元素，Python 里获取元素都是从0开始，并且基本上所有容器都支持索引 (运用 "[ ]" + 数字的组合 )，之后会讲到。
3. 获取元组的第二个元素，价格。
4. 获取元组的第三个元素，股票字符。

集合 Set

集合和列表很相似，一个很大的区别是集合里，就像数学定义的，元素都是独一无二的，所以我们可以尝试一下操作:

In [1]:price_list = [120.5, 130, 125, 120.5]
In [2]:price_set = set(price_list)
In [3]:price_set
Out[3]:{120.5, 125, 130}

1. 创建一个价格列表，里面有一个重复的元素 120.5。
2. 从列表种类转换成集合种类，运用了 set() 方程。
3. 打印集合，显示去掉了其中一个重复元素

字典 Dict

字典是 Python 里非常重要的数据种类，也是大数据时代很常用的一个容器。我们知道字典是用来查询的，给你一个字，你去查询其含义，在 Python 中也是如此，只不过换了一种形式：

给你一个钥匙 Key， 去查询其值 Value

来看一段代码：

In [1]:price_dict = {'BABA': 120.5, 'PDD': 30}
In [2]:price_dict['BABA']
Out[2]:120.5
In [3]:price_dict['PDD']
Out[3]:30
In [4]:price_dict.keys()
Out[4]:dict_keys(['BABA', 'PDD'])
In [5]:price_dict.values()
Out[5]:dict_values([120.5, 30])

1. 一个价格查询字典，里面有 ‘BABA’ 和 ‘PDD' (拼多多）的股票英文字符和股价，这里股票字符是钥匙，值是股价。
2. 查询阿里巴巴股票价格。
3. 查询拼多多股票价格。
4. 查看字典里所有的钥匙。
5. 查看字典里所有值。

---

小结

这篇文章介绍了 Python 自带的几种数据类型，你们会发现 Python 的数据类型虽然不算多，但是用法非常灵活，多样。这是符合 Pythonic 编程的一种思想，虽然数据本身是很严谨的，但是写 Python 的时候不需要给自己条条框框，语法放飞自我。同样的一行代码在其他的编程语言 C++/C, Java 可能需要十几行，这就是 Python 带来的强功能性+便捷性。

要详细的看每一个数据类型，这里是一个外部链接：

Python 3 数据教程​www.runoob.com

你可以打开 Anaconda 或者 PyCharm 很浅的玩玩试试手，在之后的教程中会挖掘出这些工具的潜能。