Python最基本的数据类型以及对元组的介绍

简单类型

内置到 Python 编程语言中的简单数据类型包括：

bool
int
float
complex

支持简单数据类型不是 Python 独有的功能，因为多数现代编程语言都具有完整类型补充。例如 Java? 语言甚至有一组更丰富的原始数据类型：

byte
short
int
long
float
double
char
boolean

但是，在 Python 中，简单数据类型并不是原始数据类型，而是完善的对象，它们有自已的方法和类。另外，这些简单的内置类型是不可改变的，这意味着：创建对象之后，您无法更改对象的值。如果需要新值，则必须创建新的对象。Python 简单数据类型的不可改变特性与其他多数流行语言（如 Java 语言）处理简单原始类型的方式不同。但是，当您对这些简单数据类型的对象属性有了更多的了解之后，就很容易理解这种差异。

所以，整数如何能够拥有一些方法？它仅仅是一个数字吗？不是的，至少在 Python 中答案是否定的。您自已可以对它进行检验：仅借助内置的 help 方法，就可以向 Python 解释器咨询关于 int 对象的信息（参见清单 1 ）。
清单 1. Python 解释器: 用于整数对象的 Help

rb% python Python 2.4 (#1, Mar 29 2005, 12:05:39) [GCC 3.3 20030304ppp(Apple Computer, Inc. build 1495)] on darwin Type help, copyright, credits or license for more information. >>> help(int) Help on class int in module __builtin__: class int(object) int(x[, base]) -> integer Convert a string or number to an integer, if possible. A floating point argument will be truncated towards zero (this does not include a string representation of a floating point number!) When converting a string, use the optional base. It is an error to supply a base when converting a non-string. If the argument is outside the integer range a long object will be returned instead. Methods defined here: __abs__(...) x.__abs__() <==> abs(x) __add__(...) x.__add__(y) <==> x+y ...

这具体说明了什么？只有一个事情，那就是可以方便地从 Python 解释器中得到帮助，但是从后面部分可以获得更多帮助。第一行告诉您正在查看 int 类的帮助页面，它是一个内置的数据类型。如果您对面向对象的编程的概念不太熟悉，那么可以将类 想像成只是一个用于构建特殊事物并与之交互的蓝图。好比房子的设计蓝图，不仅显示如何构建房子，还显示房子完工之后，如何更好地使用房子。例如，设计图会显示不同房间的位置、在房间之间的移动方式以及出入房子的通道情况。

第一行的下面是对实际 int 类的详细说明。在这一点上，您可能不熟悉如何在 Python 中创建类，因为显示的语法类似于外语。没关系，我将在另一篇文章中对此进行全面介绍。现在，您只需要知道：int 对象是从 object 类中继承而来，它是 Python 中许多内容的一个基类。

后面的几行介绍 int 类的构造函数。构造函数 只是创建特定类实例（或对象) 的特殊方法。构造函数方法好比建筑承包人，它利用房子的设计图建房子。在 Python 中，构造函数的名称与其创建的类的名称相同。类可以有不同的构造函数方法，这些方法是通过类名称后的圆括号内附带的不同属性进行区分。类可以有不同构造函数方法的较好的一个例子就是 int 类, 实际上，您可以用多种方法调用它，具体采用哪种方法取决于圆括号中放置的参数（参见清单 2）。
清单 2. Python 解释器：int 类构造函数

>>> int() 0 >>> int(100) # Create an integer with the value of 100 >>> int(100, 10) # Create an integer with the value of 100 in base 10 100 100 >>> int(100, 8) # Create an integer with the value of 100 in base 8 64

这四个构造函数调用创建了四个不同的整数。第一个构造函数创建了一个整数对象，其值为 0，在没有值提供给 int 类构造函数的情况下，该值是所使用的默认值。第二个构造函数根据规定创建了一个值为 100 的整数。第三个构造函数采用了字符串“100”并创建了以 10 为基数的整数值（常见的十进制系统）。最后一个构造函数也采用了字符串“100”—— 但是它使用基数 8 来创建整数值，通常称为 八进制。不过，该值在输出时会被转换成十进制数值，这就是该数字显示为 64 的原因。

您可能想知道如果省略了构造函数调用中的圆括号将会发生什么。在这种情况下，您可以向该变量分配一个实际的类名称，有效地为原先的类创建一个别名（参见清单 3）。
清单 3. Python 解释器：int 类型

>>> it = int # Create an alias to the integer class >>> it(100) 100 >>> type(it) # We created a new type <type type> >>> type(it(100)) # Our new type just makes integers <type int>

真是太棒了！您立即可以创建一个由内置 int 类定义的新数据类型。但请注意不好的一面，不要滥用这一新功能。优秀的程序员除了使代码具有良好性能外，还应努力使代码清淅。这类编码技巧的确有其使用价值，但它们并不常见。

使用 Python 解释器可以使新的 Python 程序员简化学习过程，少走弯路。如果您想详细了解 Python 内的 help 工具，只需在 Python 解释器中的命令提示符下键入 help() ，就可以访问交互式的帮助工具（参见清单 4)。
清单 4. Python 解释器：帮助解释器

>>> help() Welcome to Python 2.4! This is the online help utility. If this is your first time using Python, you should definitely check out the tutorial on the Internet at

您可能已经对此有所了解，但在 help> 提示符处输入 int 可以显示那些为以前的 int 类显示的类描述。

容器类型

到目前为止，已经谈论了许多 Python 语言中使用的简单类型。但是多数程序并不简单，它们涉及通常由简单类型组成的复杂数据。因此，现在的问题就成了“如何在 Python 中处理复杂数据？”

如果您熟悉面向对象的语言，如 Java 或 C#，那么您可能认为该问题的答案很简单：只需创建一个新类来处理复杂的数据即可。该方法也适用于 Python，原因是 Python 支持通过类创建新类型。但是，在多数情况下，Python 还可以提供更为简单的方法。当您的程序需要一次处理多个对象时，就可以利用 Python 容器类：

tuple
string
unicode
list
set
frozenset
dictionary

这些容器类型提供了两种功能。前六个类型是有序的，最后一个类型 dictionary 则是一个映射。有序类型与映射类型的区别较为简单。有序类型 仅仅是指对象的顺序。所有的有序类型（除 set 和 frozenset 类型外）都支持访问给定顺序的对象。相比之下，映射容器 则用于保存那些对顺序不是很敏感的对象；通过提供可以找到关系值的密钥，就可以从容器中提取值。

容器类型间的另一个不同点来自于它们所持有的数据的特性，下面四种容器类型的顺序是不可变的：

tuple
string
unicode
frozenset

这意味着在您创建了这些容器类型之一后，所存储的数据就不可更改。如果出于某种原因需要更改数据，则需要创建一个新容器来保存新的数据。

后三种容器类型（list、set 和 dictionary）都是可变容器，因此，它们可以根据需要更改保存的任何数据（但在 dictionary 中所使用的密钥是不可变的，就像您房间的钥匙）。虽然可变容器非常灵活，但它们的动态特性会对性能造成影响。例如，tuple 类型，尽管它是不可变的，灵活性较差，但在同一环境中使用时，它们通常比 list 类型快得多。

这些容器类提供了强大的功能，它们通常是多数 Python 程序的核心。本文的其余部分讨论了 tuple 类型，它用于引入许多与创建和使用 Python 中的容器类型有关的基本概念。其余的类型将在以后的文章中讨论。
元组

tuple 类型像一个口袋，在出门前可以把所需的任何东西一股脑地放在里面。您可以将钥匙、驾驶证、便笺簿和钢笔放在口袋里，您的口袋是存放各种东西的收集箱。Python 的 tuple 类型与口袋类似，它可以存放不同类型的对象。您只需向变量分配一个用逗号分隔的对象序列，就可以创建一个 tuple（参见清单 5）。
清单 5. Python 解释器：创建一个 tuple

>>> t = (0,1,2,3,4,5,6,7,8,9) >>> type(t) <type tuple> >>> t (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) >>> tt = 0,1,2,3,4,5,6,7,8,9 >>> type(tt) <type tuple> >>> tt (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) >>> tc=tuple((0,1,2,3,4,5,6,7,8,9)) >>> tc (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) >>> et = () # An empty tuple >>> et () >>> st = (1,) # A single item tuple >>> st (1,)

该示例代码显示了如何以多种方式创建 tuple。第一种方法是创建一个包含从 0 到 9 整数序列的 tuple。第二种方法与第一种相同，但这次省去了括号。在创建一个 tuple 时，括号通常是可选的，但有时是必需的，这取决于上下文。结果，您会习惯性地使用括号来减少混淆。最后一个 tupletc 使用了一个实际的类构造函数来创建 tuple。这里重要的一点是，构造函数构成中仅有一个变量，因此您必须在括号中包括对象序列。最后两个构造函数调用演示了如何通过在括号内不放任何东西来创建空的 tuple (et)，以及如何通过将一个逗号放在序列中仅有的一个项目后面来创建 tuple (st)。

使用口袋装东西的一个主要原因是为了方便生活。但要求在需要这些东西的时候能够迅速地从口袋中取出它们。Python 中的多数容器类型（其中包括 tuple）允许您使用方括号操作符从集合中方便地访问数据项。但 Python 比其他语言更具灵活性：您可以使用通常称为分段 的方法选择一个项目或多个有序项目（参见清单 6）。
清单 6. Python 解释器：从 tuple 访问项目

>>> t = (0,1,2,3,4,5,6,7,8,9) >>> t[2] 2 >>> type(t[2]) <type int> >>> t[0], t[1], t[9] (0, 1, 9) >>> t[2:7] # Slice out five elements from the tuple (2, 3, 4, 5, 6) >>> type(t[2:7]) <type tuple> >>> t[2:7:2] # Slice out three elements from the tuple (2, 4, 6)

在创建简单的 tuple 之后，前面的示例显示如何选择一个数据项 —— 在本示例中是整数 2。这时，请注意 Python 使用了零排序，其中集合中的项目从零开始编号。如果您熟悉使用 Java 语言、C# 或其他从 C 语言派生的语言进行编程，那么您应该非常熟悉此行为。否则，该概念也是非常简单的。用于访问数据项的索引只声明集合中越过第一个数据项有多远，或者称为序列，您需要去获得所需的内容。因此，要获得第三个数据项（在本示例中为整数 2），您需要从第一个数据项起越过两个数据项。在访问第三个数据项时，Python 知道它是一个整数对象。您还可以方便地从集合中提取多个数据项。在本示例中，您创建了一个新的 tuple，其值为从最初的 tuple 开始第一、第二和第十个值。

其余的示例显示了如何使用 Python 的分段功能从序列中一次选择多个数据项。术语分段 是指从序列中对数据项进行分段的方法。分段的工作方式是声明开始索引、结束索引和一个可选的步骤大小，全部都用分号分隔。因此，t[2:7] 将 tuple 中的第三到第七个数据项分段，而 t[2:7:2] 则对每两个数据项进行分段，从 tuple 中的第三个数据项开始一直到第七个数据项。

我目前创建的 tuple 对象是同类的，它们仅包含整数对象。所幸的是，tuple 要比显示的示例复杂得多，因为 tuple 实际上是一个异构容器（参见清单 7）。
清单 7. Python 解释器：异构的 tuple

>>> t = (0,1,two,3.0, four, (5, 6)) >>> t (0, 1, two, 3.0, four, (5, 6)) >>> t[1:4] (1, two, 3.0) >>> type(t[2]) <type str> >>> type(t[3]) <type float> >>> type(t[5]) <type tuple> >>> t[5] = (0,1) Traceback (most recent call last): File <stdin>, line 1, in ? TypeError: object does not support item assignment

您会看到，创建可以拥有各种类型数据项（其中包括另一 tuple）的 tuple 是多么方便。并且可以使用方括号操作符以相同的方式访问所有数据项，它支持将不同类型的有序数据项分段。然而，tuple 是不可变的。因此，当我尝试更改第五个元素时，发现不允许对数据项分配。打一个简单的比方，在您将某些东西放入口袋后，改变所取东西的惟一方式是取一个新口袋，并将所有数据项放进去。

如果需要在现有 tuple 中创建一个包含数据项子集的新 tuple，最简单的方法是使用相关的片段，并根据需要同时添加子集（参见清单 8）。
清单 8. Python 解释器：使用 tuple

>>> tn = t[1:3] + t[3:6] # Add two tuples >>> tn (1, two, 3.0, four, (5, 6)) >>> tn = t[1:3] + t[3:6] + (7,8,9,ten) >>> tn (1, two, 3.0, four, (5, 6), 7, 8, 9, ten) >>> t2 = tn[:] # Duplicate an entire tuple, a full slice >>> t2 (1, two, 3.0, four, (5, 6), 7, 8, 9, ten) >>> len(tn) # Find out how many items are in the tuple 9 >>> tn[4][0] # Access a nested tuple 5

您还可以将现有 tuple 的片段与新 tuple 的片段合并在一起。使用片段语法，无需指定开始或结束索引，就可以制作现有 tuple 的副本。最后两个示例也非常有趣。内置的 len 方法告诉您 tuple 中数据项的数量。从嵌套的 tuple 访问数据项也非常简单：选择嵌套的 tuple，然后从中访问有趣的数据项。

您还可以从称为打包 的过程的一组现有变量中创建一个tuple。反之亦然，其中，tuple 中的值被指派给变量。这之后的过程称为解包，它是用于许多情形的功能十分强大的技术，其中包括希望从一个函数中返回多个值。在解包 tuple 时，仅有的问题是必须为 tuple 中的每个数据项提供一个变量（参见清单 9）。
清单 9. Python 解释器：打包和解包 tuple

>>> i = 1 >>> s = two >>> f = 3.0 >>> t = (i, s, f) # Pack the variables into a tuple >>> t (1, two, 3.0) >>> ii, ss, ff = t # Unpack the tuple into the named variables >>> ii 1 >>> ii, ff = t # Not enough variables to unpack three element tuple Traceback (most recent call last): File <stdin>, line 1, in ? ValueError: too many values to unpack

简化概念

尽管看上去十分复杂，但 Python 的对象属性实际上简化了 Python 语言新手常常面临的一些更为复杂的概念。在了解如何使用对象之后，所有东西都是对象这一概念意味着您已经进一步理解了一些新概念。如 Python 的容器类型。使困难的任务变得简单化是使用 Python 得到的常见好处之一；另一个例子是内置的帮助工具，只需在 Python 提示符处输入 help()，就可以在 Python 解释器中看到该工具。由于生活不是用一些简单的概念描述的，所以 Python 提供了一组丰富的容器（即集合）对象。在本文中，我介绍了其中的最简单的对象 —— tuple。要正确使用 tuple，就需要熟悉它的工作方式。但是，由于许多其他容器类型具有类似的功能，其中包括分段以及打包或解包，了解 tuple 的工作原理意味着您已经开始完全理解 Python 中的其他容器类型。