1. Python 基本数据类型概述
Python作为一门动态类型语言，其数据类型系统既灵活又强大。与Java等静态类型语言不同，Python的变量不需要预先声明类型，这使得代码编写更加简洁高效。但这也意味着开发者需要更清楚地理解各种数据类型的特点和使用场景。
在Python中，所有数据都是以对象的形式存在。这些对象可以分为两大类：基本数据类型（标量类型）和容器数据类型（复合类型）。基本数据类型包括数值型（整数、浮点数、复数）、文本型（字符串）、逻辑型（布尔值）和空值型（None）。而容器类型则用于存储多个对象，包括列表、元组、字典和集合等。
提示：Python采用"鸭子类型"（Duck Typing）的设计哲学，即"如果它走起来像鸭子，叫起来像鸭子，那么它就是鸭子"。这意味着我们更关注对象的行为而非其具体类型。
2. 数值类型详解
2.1 整数（int）
Python的整数类型int具有一个显著特点：它没有大小限制（仅受可用内存限制）。这与Java等语言形成鲜明对比，在Java中需要根据数值范围选择byte、short、int或long等不同类型。
python复制# 定义整数
age = 25
big_num = 10**1000 # 一个非常大的数，在Java中会溢出
# 不同进制表示
binary = 0b1010 # 二进制，等于十进制的10
octal = 0o17 # 八进制，等于十进制的15
hex_num = 0xFF # 十六进制，等于十进制的255
底层原理：Python的整数实际上是一个PyLongObject结构体，它使用变长数组来存储大整数。对于小整数（通常在-5到256之间），Python会缓存这些对象以提高性能。
2.2 浮点数（float）
浮点数用于表示带小数点的数值，但在使用时需要注意精度问题：
python复制price = 9.99
scientific = 3.0e8 # 科学计数法，表示3×10^8
# 浮点数精度问题
print(0.1 + 0.2) # 输出0.30000000000000004而非0.3
精度问题解决方案：
- 对于金融计算等需要精确结果的场景，可以使用decimal模块：
python复制from decimal import Decimal
print(Decimal('0.1') + Decimal('0.2')) # 输出0.3
- 对于科学计算，可以考虑使用numpy的float128类型
2.3 复数（complex）
Python原生支持复数类型，这在科学计算和工程领域非常有用：
python复制c = 3 + 4j
print(c.real) # 实部，输出3.0
print(c.imag) # 虚部，输出4.0
print(c.conjugate()) # 共轭复数，输出(3-4j)
3. 文本类型：字符串（str）
3.1 字符串基础
Python中的字符串是不可变序列，支持多种定义方式：
python复制s1 = '单引号'
s2 = "双引号"
s3 = '''三引号可以
跨多行'''
raw = r'原始字符串\n不转义' # 输出原始字符串
3.2 字符串格式化（2026最佳实践）
Python 3.6引入的f-string是目前最推荐的字符串格式化方式：
python复制name = "Alice"
age = 25
print(f"{name}今年{age}岁，明年{age + 1}岁")
# 格式规范
pi = 3.1415926
print(f"π的值是{pi:.2f}") # 保留两位小数
性能对比：f-string不仅语法简洁，而且执行效率高于%格式化和str.format()方法。
3.3 字符串常用操作
python复制text = " Python编程指南 "
print(text.strip()) # 去首尾空格
print(text.lower()) # 转小写
print(text.replace("指南", "教程")) # 替换
print("Py" in text) # 包含检查
print(text.split(" ")) # 分割字符串
重要特性：
- 字符串是不可变的，任何修改操作都会创建新字符串
- 支持切片操作：text[1:5]获取子串
- 支持负索引：text[-1]获取最后一个字符
4. 布尔类型（bool）
Python的布尔类型只有两个值：True和False（注意首字母大写）。
python复制is_active = True
is_deleted = False
# 逻辑运算
print(True and False) # False
print(True or False) # True
print(not True) # False
真值测试：Python中以下值在布尔上下文中被视为False：
- None
- False
- 数值0（0, 0.0, 0j）
- 空序列（'', (), []）
- 空映射（{}）
- 用户定义类的实例，如果定义了__bool__()或__len__()方法并返回False或0
5. 空值类型（NoneType）
None是Python中表示空值的唯一对象，类似于Java中的null。
python复制result = None
# 正确比较方式
if result is None: # 使用is而非==
print("结果为空")
使用场景：
- 初始化变量但尚未赋值时
- 函数没有显式返回值时（默认返回None）
- 表示缺失值或空值
6. 容器类型概述
虽然容器类型属于复合类型，但它们是Python编程的基础。
6.1 列表（list）
python复制fruits = ["apple", "banana"]
fruits.append("orange") # 添加元素
fruits[0] = "pear" # 修改元素
特点：
- 有序、可变
- 可以包含不同类型的元素
- 支持切片操作
6.2 元组（tuple）
python复制coordinates = (10.0, 20.0)
# coordinates[0] = 15.0 # 错误！元组不可变
使用场景：
- 存储不应修改的数据
- 作为字典的键（因为不可变）
- 函数返回多个值时
6.3 字典（dict）
python复制user = {"name": "Bob", "age": 30}
user["email"] = "bob@example.com" # 添加键值对
print(user.get("phone", "N/A")) # 安全获取
特点：
- Python 3.7+保证插入顺序
- 键必须是不可变类型（字符串、数字、元组等）
- 查找速度快（基于哈希表实现）
6.4 集合（set）
python复制unique_nums = {1, 2, 2, 3} # 自动去重，结果为{1, 2, 3}
print(unique_nums | {3, 4}) # 并集：{1, 2, 3, 4}
应用场景：
- 去除重复元素
- 成员快速测试（比列表快）
- 数学集合运算
7. 类型转换与检查
7.1 显式类型转换
python复制# 字符串转数字
num = int("123")
pi = float("3.14")
# 数字转字符串
msg = str(100) # "100"
# 其他转换
list((1, 2, 3)) # 元组转列表：[1, 2, 3]
tuple([1, 2, 3]) # 列表转元组：(1, 2, 3)
7.2 类型检查
python复制value = 100
# 不推荐的方式
print(type(value) == int) # True
# 推荐方式（考虑继承）
print(isinstance(value, int)) # True
print(isinstance(value, (int, float))) # 检查多个类型
8. 实际开发中的注意事项
-
不可变对象的修改：
python复制s = "hello" # s[0] = "H" # 错误！字符串不可变 s = "H" + s[1:] # 正确做法 -
浮点数比较的正确方式：
python复制a = 0.1 + 0.2 # 错误方式 # if a == 0.3: ... # 正确方式 if abs(a - 0.3) < 1e-10: ... -
深浅拷贝问题：
python复制lst1 = [1, [2, 3]] lst2 = lst1.copy() # 浅拷贝 lst1[1][0] = 99 # 会影响lst2 import copy lst3 = copy.deepcopy(lst1) # 深拷贝 -
字典键的选择：
python复制# 可以 good_keys = {1: "one", "two": 2, (3,4): "tuple"} # 不可以（列表是可变的） # bad_key = {[1,2]: "list"} -
性能考虑：
- 频繁的字符串拼接应使用join而非+
- 成员测试时，集合比列表快得多
- 考虑使用生成器表达式而非列表推导式处理大数据
在实际项目中，我经常看到开发者因为不理解Python数据类型的这些特性而引入bug。例如，将可变对象作为函数默认参数、混淆is和==的使用场景、或者忽视浮点数精度问题。掌握这些基础知识不仅能帮助你写出更健壮的代码，还能在性能优化时做出正确决策。