Welche verschiedenen integrierten Typen gibt es in Python?
In diesem Artikel erfahren Sie mehr über Python-Datentypen und deren Verwendung beim Schreiben von Python-Programmen. Anhand von Beispielen lernen Sie deren Zweck, Syntax und deren Anwendung in Ihrem Programm kennen. Die Python-Sprache bedarf keiner Einführung. Es ist sehr leistungsstark, anpassungsfähig, schnell und leicht zu erlernen.
Eine der Sprachen, die jedes Jahr weiter wächst und immer beliebter wird, ist Python. Python ist eine objektorientierte, interpretierte Computersprache, die für die allgemeine Programmierung verwendet wird. In diesem Tutorial lernen wir verschiedene Datentypen in der Programmiersprache Python kennen.
Integrierte Datentypen in Python
In Python gibt es verschiedene Arten von Datentypen. Einige integrierte Python-Datentypen umfassen -
Numerische Datentypen – int, float, complex
String-Datentyp – str
Sequenztypen – Liste, Tupel, Bereich
Binärtypen – Bytes, Bytearray, Speicheransicht
Zugeordneter Datentyp – Diktat
Boolescher Typ - bool
Datentyp festlegen – Set, Frozenset
Python Numerischer Datentyp
In Python wird der numerische Datentyp zum Speichern numerischer Werte verwendet.
Ganzzahlen, Gleitkommazahlen und komplexe Zahlen gehören zu den Zahlenkategorien von Python. Sie sind in Python als int-, float- und complex-Klassen definiert.
int − enthält eine vorzeichenbehaftete Ganzzahl unbegrenzter Länge.
float − Gleitkommazahl mit einer Genauigkeit von 15 Dezimalstellen speichern.
complex – speichert komplexe Zahlen.
Python-String-Datentyp
Eine Zeichenfolge ist eine Sammlung von Unicode-Symbolen. In Python lautet der Name einer Zeichenfolge str. Verwenden Sie einfache oder doppelte Anführungszeichen, um Zeichenfolgen darzustellen. Es ist akzeptabel, drei Anführungszeichen „““ oder „‘ zu verwenden, um mehrere Zeichenfolgen darzustellen. Zwischen Anführungszeichen ist jedes Zeichen Teil der Zeichenfolge.
Einzige Einschränkung sind die Speicherressourcen des Maschinensystems, es können beliebig viele Zeichen verwendet werden. Bei der Python-Programmierung führt das Löschen oder Aktualisieren einer Zeichenfolge zu einem Fehler. Daher erlaubt die Programmiersprache Python keine Änderung von Zeichenfolgen.
Python-Sequenzdatentyp
List − List ist der einzige flexible Datentyp, der in Python verfügbar ist. Es ähnelt in mancher Hinsicht Arrays in C/C++. Das Besondere an Listen in Python ist jedoch, dass sie viele Arten von Daten gleichzeitig speichern können. Eine Liste ist eine geordnete Sammlung von Informationen, die durch Kommas und eckige Klammern ([]) dargestellt werden. (,)
Tuple − Listen und Tupel sind in vielerlei Hinsicht vergleichbar. Tupel enthalten Sammlungen von Elementen verschiedener Datentypen, genau wie Listen. Die Komponenten eines Tupels werden durch Kommas (,) und Klammern () getrennt. Tupel sind schreibgeschützte Datenstrukturen, da Größe und Wert von Elementen nicht geändert werden können.
Range - Die Methode range() in Python gibt eine Liste von Ganzzahlen zurück, die im angegebenen Bereich enthalten sind. Es wird am häufigsten verwendet, um mithilfe von Python-Schleifen über eine Reihe von Ganzzahlen zu iterieren.
Python-Daten-Binärtypen
bytes − Ein Byteobjekt wird durch die Funktion bytes() generiert. Es kann ein leeres Byte-Objekt der erforderlichen Größe generieren oder das Element in ein Byte-Objekt konvertieren. bytes() und bytearray() geben unterschiedliche Objekttypen zurück: bytes() gibt ein unveränderliches Objekt zurück, während bytearray() ein veränderliches Objekt zurückgibt.
bytearray - Die Funktion bytearray() gibt ein Byte-Array-Objekt mit angegebenen Bytes zurück. Bietet eine veränderbare Zahlenfolge von 0 über x bis 256.
memoryview − Python-Programme können Memoryview-Objekte verwenden, um auf die internen Daten von Objekten zuzugreifen, die das Pufferprotokoll implementieren, ohne sie zu kopieren. Mit der Methode „memoryview()“ können Sie die byteorientierten Daten eines Objekts direkt lesen und schreiben, ohne sie zu kopieren.
Python-zugeordnete Datentypen
dict − In Python ist ein Wörterbuch eine Sammlung von Datenelementen, die in ungeordneter Weise gespeichert sind, ähnlich einer Karte. Wörterbücher bestehen aus Schlüssel-Wert-Paaren, im Gegensatz zu anderen Datentypen, die nur einen einzelnen Wert enthalten können. Um die Effizienz des Wörterbuchs zu verbessern, werden Schlüssel-Wert-Paare in das Wörterbuch aufgenommen. Ein Komma „trennt jeden Schlüssel“, wohingegen ein Wörterbuchdatentyp einen Doppelpunkt zwischen jedem Schlüssel-Wert-Paar hat.
Python Boolescher Datentyp
bool − True und False sind zwei vordefinierte Werte, die vom booleschen Typ bereitgestellt werden. Verwenden Sie diese Werte, um festzustellen, ob die angegebene Aussage wahr oder falsch ist. Es wird durch die Bool-Klasse identifiziert. Zur Darstellung von „wahr“ kann jede Ganzzahl ungleich Null oder der Buchstabe „T“ verwendet werden, während die Zahl „0“ oder der Buchstabe „F“ für „falsch“ stehen kann.
Python-Datentyp festlegen
set − Eine ungeordnete Sammlung von Datentypen wird als Python-Set bezeichnet. Es verfügt über einzigartige, iterierbare und veränderbare Komponenten (die nach der Erstellung geändert werden können). Die Reihenfolge der Elemente in einer Sammlung ist undefiniert; es kann zu einer veränderten Reihenfolge von Elementen kommen. Verwenden Sie die integrierte Methode set(), um eine Menge zu erstellen, oder geben Sie eine durch Kommas getrennte Liste von Elementen in geschweiften Klammern an. Es kann mehrere Arten von Werten enthalten.
frozenset - Die Methode Frozenset() gibt ein unveränderliches Frozenset-Objekt zurück, dessen Anfangselemente aus der bereitgestellten Iterable stammen. Eingefrorene Sammlungen sind unveränderliche Versionen von Python-Sammlungsobjekten. Die Elemente einer Sammlung können jederzeit geändert werden, aber sobald eine eingefrorene Sammlung erstellt wurde, können ihre Elemente nicht mehr geändert werden.
Fazit
In diesem Abschnitt haben wir die Datentypen von Python untersucht. Im Detail haben wir uns zwei der Datentypen angesehen: „Keine“ und „Numerisch“. Wie wir gesehen haben, gibt es numerische Daten in vier verschiedenen Formen: ganze Zahlen, Gleitkommazahlen, boolesche Werte und komplexe Zahlen. Wir verfügen über ein umfassendes Verständnis der verschiedenen booleschen Operatoren und Vergleichsoperatoren für den booleschen Typ. Im Gegensatz zu statisch typisierten Sprachen wie C oder Java erfordert Python keine explizite Deklaration des Datentyps einer Variablen. In dynamisch typisierten Sprachen wie Python leitet der Interpreter den Datentyp einer Variablen basierend auf dem Typ des an ihn übergebenen Werts ab.
Das obige ist der detaillierte Inhalt vonWelche verschiedenen integrierten Typen gibt es in Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen

Dieses Tutorial zeigt, wie man Python verwendet, um das statistische Konzept des Zipf -Gesetzes zu verarbeiten, und zeigt die Effizienz des Lesens und Sortierens großer Textdateien von Python bei der Bearbeitung des Gesetzes. Möglicherweise fragen Sie sich, was der Begriff ZiPF -Verteilung bedeutet. Um diesen Begriff zu verstehen, müssen wir zunächst das Zipf -Gesetz definieren. Mach dir keine Sorgen, ich werde versuchen, die Anweisungen zu vereinfachen. Zipf -Gesetz Das Zipf -Gesetz bedeutet einfach: In einem großen natürlichen Sprachkorpus erscheinen die am häufigsten vorkommenden Wörter ungefähr doppelt so häufig wie die zweiten häufigen Wörter, dreimal wie die dritten häufigen Wörter, viermal wie die vierten häufigen Wörter und so weiter. Schauen wir uns ein Beispiel an. Wenn Sie sich den Brown Corpus in amerikanischem Englisch ansehen, werden Sie feststellen, dass das häufigste Wort "Th ist

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Der Umgang mit lauten Bildern ist ein häufiges Problem, insbesondere bei Mobiltelefonen oder mit geringen Auflösungskamera-Fotos. In diesem Tutorial wird die Bildfilterungstechniken in Python unter Verwendung von OpenCV untersucht, um dieses Problem anzugehen. Bildfilterung: Ein leistungsfähiges Werkzeug Bildfilter

PDF-Dateien sind für ihre plattformübergreifende Kompatibilität beliebt, wobei Inhalte und Layout für Betriebssysteme, Lesegeräte und Software konsistent sind. Im Gegensatz zu Python Processing -Klartextdateien sind PDF -Dateien jedoch binäre Dateien mit komplexeren Strukturen und enthalten Elemente wie Schriftarten, Farben und Bilder. Glücklicherweise ist es nicht schwierig, PDF -Dateien mit Pythons externen Modulen zu verarbeiten. In diesem Artikel wird das PYPDF2 -Modul verwendet, um zu demonstrieren, wie Sie eine PDF -Datei öffnen, eine Seite ausdrucken und Text extrahieren. Die Erstellung und Bearbeitung von PDF -Dateien finden Sie in einem weiteren Tutorial von mir. Vorbereitung Der Kern liegt in der Verwendung von externem Modul PYPDF2. Installieren Sie es zunächst mit PIP: pip ist p

Dieses Tutorial zeigt, wie man Redis Caching nutzt, um die Leistung von Python -Anwendungen zu steigern, insbesondere innerhalb eines Django -Frameworks. Wir werden Redis -Installation, Django -Konfiguration und Leistungsvergleiche abdecken, um den Vorteil hervorzuheben

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Dieses Tutorial zeigt, dass eine benutzerdefinierte Pipeline -Datenstruktur in Python 3 erstellt wird, wobei Klassen und Bedienerüberladungen für verbesserte Funktionen genutzt werden. Die Flexibilität der Pipeline liegt in ihrer Fähigkeit, eine Reihe von Funktionen auf einen Datensatz GE anzuwenden

Python, ein Favorit für Datenwissenschaft und Verarbeitung, bietet ein reichhaltiges Ökosystem für Hochleistungs-Computing. Die parallele Programmierung in Python stellt jedoch einzigartige Herausforderungen dar. Dieses Tutorial untersucht diese Herausforderungen und konzentriert sich auf die globale Interprete
