Python整数类型int详解：特性、运算与存储原理-代码聚汇网

Python整数类型int详解：特性、运算与存储原理

秀云南·2026-08-02·阅读 30 GEO检测（免费）

Python整数类型int数据类型无限精度

|难度：普通|阅读约 16 分钟

1. 整数类型int在Python中的基本特性

Python中的int类型是编程语言中最基础的数据类型之一，用来表示整数值。与许多其他编程语言不同，Python的int类型具有一些独特的特性，这使得它在处理整数时更加灵活和强大。

1.1 Python整数类型的无限精度

在Python 3中，int类型不再有大小限制（Python 2中有int和long两种整数类型）。这意味着你可以存储任意大的整数，只受限于你的计算机内存大小。例如：

python复制# 非常大的整数
big_num = 1234567890123456789012345678901234567890
print(big_num)  # 正常输出

这种无限精度的特性使得Python特别适合进行大数运算和数学计算。在底层实现上，Python会根据数值大小自动调整存储方式，小整数使用固定长度的存储（通常是32位或64位），大整数则使用可变长度的存储方式。

1.2 整数的三种表示形式

Python中的整数可以用三种不同的形式表示：

十进制形式：最常用的表示方法，如10、-5、0
二进制形式：以0b或0B开头，如0b1010（表示十进制的10）
八进制形式：以0o或0O开头，如0o12（表示十进制的10）
十六进制形式：以0x或0X开头，如0xA（表示十进制的10）

python复制# 不同进制的表示
dec = 10
bin_num = 0b1010
oct_num = 0o12
hex_num = 0xA

print(dec, bin_num, oct_num, hex_num)  # 输出: 10 10 10 10

1.3 整数的不可变性

Python中的int类型是不可变的（immutable）。这意味着一旦创建了一个整数对象，它的值就不能被改变。当我们对一个整数进行运算时，实际上是创建了一个新的整数对象，而不是修改原有的对象。

python复制a = 5
print(id(a))  # 输出a的内存地址
a += 1
print(id(a))  # 输出新的内存地址，与之前不同

这种不可变性带来了线程安全等优势，但也意味着频繁的整数运算会产生较多的临时对象，在性能敏感的场景需要注意。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 正数、负数与0的表示方法

2.1 正整数的表示

在Python中，正整数直接以数字序列表示，前面可以带正号（+），也可以不带。正号通常省略不写。

python复制positive1 = 42
positive2 = +42  # 与positive1完全相同

2.2 负整数的表示

负整数在数字前加负号（-）表示：

python复制negative = -42

在计算机内部，负数是以补码形式存储的（我们将在第4章详细讨论）。Python屏蔽了这些底层细节，开发者可以直接使用负号表示负数。

2.3 零的表示

零在Python中简单地表示为0。值得注意的是，无论是正整数还是负整数，它们的绝对值趋近于零时都会收敛到同一个零值。

python复制zero = 0
negative_zero = -0  # 实际上还是0
print(zero == negative_zero)  # 输出: True

在Python中，没有像某些语言那样的正零和负零的区别，所有零都是相同的。

2.4 整数字面量的分隔符

为了提高大数字的可读性，Python 3.6+允许在数字中使用下划线作为分隔符：

python复制large_num = 1_000_000  # 等同于1000000
binary_num = 0b_1111_0000  # 等同于0b11110000

这种表示方法不会影响数值，只是提高了代码的可读性。

3. 整数类型的基本运算

Python的int类型支持丰富的数学运算，这些运算既包括基本的算术运算，也包括位运算等高级操作。

3.1 算术运算

基本的算术运算包括加（+）、减（-）、乘（*）、除（/）、整除（//）、取模（%）和幂运算（**）：

python复制a = 10
b = 3

print(a + b)   # 13
print(a - b)   # 7
print(a * b)   # 30
print(a / b)   # 3.333... (注意结果是float)
print(a // b)  # 3 (整除)
print(a % b)   # 1 (取模)
print(a ** b)  # 1000 (幂运算)

注意：在Python 3中，除法运算符/总是返回浮点数结果，即使能整除也是如此。如果需要整数结果，应使用//运算符。

3.2 位运算

Python支持对整数进行位级别的操作：

python复制x = 0b1010  # 10
y = 0b1100  # 12

print(bin(x & y))   # 0b1000 (8) - 按位与
print(bin(x | y))   # 0b1110 (14) - 按位或
print(bin(x ^ y))   # 0b110 (6) - 按位异或
print(bin(~x))      # -0b1011 (-11) - 按位取反
print(bin(x << 2))  # 0b101000 (40) - 左移
print(bin(y >> 2))  # 0b11 (3) - 右移

3.3 比较运算

整数之间可以进行比较运算，结果为布尔值（True或False）：

python复制a = 5
b = 7

print(a == b)  # False
print(a != b)  # True
print(a < b)   # True
print(a > b)   # False
print(a <= b)  # True
print(a >= b)  # False

3.4 赋值运算符

Python支持复合赋值运算符，可以简化代码：

python复制x = 5
x += 3  # 等同于 x = x + 3
print(x)  # 8

x *= 2  # 等同于 x = x * 2
print(x)  # 16

4. 整数在计算机中的存储方式

4.1 补码表示法

虽然Python屏蔽了底层细节，但了解整数在计算机中的存储方式有助于理解某些边界情况。现代计算机通常使用补码（two's complement）表示有符号整数。

补码的特点：

最高位是符号位：0表示正数，1表示负数
正数的补码是其二进制表示本身
负数的补码是其绝对值的二进制表示取反后加1
0的补码是全0

例如，假设使用8位存储：

5的补码：00000101
-5的补码：11111011

4.2 Python的整数存储优化

Python对小整数（通常在[-5, 256]范围内）进行了特殊优化，这些整数在解释器启动时就被预先创建并缓存。这意味着在这个范围内的小整数实际上是同一个对象：

python复制a = 100
b = 100
print(a is b)  # True (在大多数实现中)

x = 300
y = 300
print(x is y)  # False (除非在同一行定义)

对于大整数，Python使用可变长度的存储方式，根据需要分配内存。

4.3 整数的边界情况

由于Python的整数没有固定大小限制，所以不会出现像其他语言那样的整数溢出问题。但在与其他系统交互（如C扩展）时，需要注意类型转换可能导致的溢出。

python复制# Python中不会溢出
huge = 2 ** 10000
print(huge)  # 正常输出非常大的数

5. 整数类型的常用方法与函数

5.1 内置的数学函数

Python提供了一些内置函数用于处理整数：

python复制num = -42

print(abs(num))      # 42 - 绝对值
print(pow(2, 3))     # 8 - 幂运算
print(divmod(10, 3)) # (3, 1) - 返回商和余数
print(round(3.75))   # 4 - 四舍五入

5.2 类型转换

可以使用int()函数将其他类型转换为整数：

python复制print(int(3.14))     # 3 (浮点数转整数，截断小数部分)
print(int("42"))     # 42 (字符串转整数)
print(int("1010", 2)) # 10 (按二进制解析字符串)

5.3 整数的方法

虽然int类型是基本类型，但它也提供了一些有用的方法：

python复制num = 42

print(num.bit_length())  # 6 - 表示这个数需要的位数
print(num.to_bytes(2, byteorder='big'))  # b'\x00*' - 转换为字节序列

6. 整数运算的注意事项与最佳实践

6.1 整数除法与浮点数除法

Python中有两种除法运算符，容易混淆：

python复制print(5 / 2)   # 2.5 - 真除法，返回浮点数
print(5 // 2)  # 2 - 地板除，返回整数

在需要整数结果时，务必使用//运算符，特别是在Python 3中。

6.2 大整数运算的性能考虑

虽然Python支持任意大的整数，但大整数运算会比小整数慢很多。在性能敏感的场景，可以考虑：

使用NumPy等库的固定大小整数类型
避免不必要的大整数运算
使用位运算替代部分算术运算

6.3 类型一致性检查

在与外部系统交互或处理用户输入时，应该验证整数类型：

python复制def safe_int(value):
    try:
        return int(value)
    except (ValueError, TypeError):
        return 0  # 或适当的默认值/错误处理

6.4 使用位运算优化

在某些算法中，位运算可以显著提高性能：

python复制# 判断奇偶
if x & 1:
    print("奇数")
else:
    print("偶数")

# 乘以2的n次方
x = 5
n = 3
print(x << n)  # 相当于5 * (2**3) = 40

7. 实际应用案例

7.1 处理用户输入

python复制while True:
    try:
        age = int(input("请输入您的年龄: "))
        if age < 0:
            print("年龄不能为负数！")
        else:
            break
    except ValueError:
        print("请输入有效的整数！")

print(f"您输入的年龄是: {age}")

7.2 位掩码应用

python复制# 使用整数作为位掩码存储多个布尔值
READ_PERMISSION = 0b0001
WRITE_PERMISSION = 0b0010
EXECUTE_PERMISSION = 0b0100

user_permissions = 0

# 添加写权限和执行权限
user_permissions |= WRITE_PERMISSION | EXECUTE_PERMISSION

# 检查是否有读权限
if user_permissions & READ_PERMISSION:
    print("有读权限")
else:
    print("无读权限")

7.3 性能测试：整数运算 vs 浮点数运算

python复制import timeit

def test_int():
    x = 0
    for i in range(1000000):
        x += 1

def test_float():
    x = 0.0
    for i in range(1000000):
        x += 1.0

print("整数运算时间:", timeit.timeit(test_int, number=100))
print("浮点数运算时间:", timeit.timeit(test_float, number=100))

在实际项目中，我发现整数运算通常比浮点数运算更快，特别是在循环中进行大量计算时。这种差异在性能敏感的应用中可能很重要。