2.1 引言

INFO

第一章讲的是计算过程（computational processes），以及函数在程序设计中的作用。我们看到了如何使用基本数据（数字）和基本操作（算术运算），如何用组合和控制搭出复合函数，如何给过程命名来创建函数抽象。我们还看到，高阶函数让我们能操作、进而推理通用的计算方法，从而增强了语言的威力。这很大程度上就是编程的精髓。

本章把重点转向数据。这里探讨的技术，能让我们表示和处理众多不同领域的信息。互联网的爆发式增长，让海量结构化信息人人都能在网上自由获取，计算也能应用到范围极广的各种问题上。有效利用内置和用户自定义的数据类型，是数据处理应用的基础。

2.1.1 原生数据类型

Python 中的每个值都有一个类（class），它决定了这个值是什么类型。同属一个类的值，行为也相同。例如，整数 1 和 2 都是 int 类的实例（instance）。这两个值可以同等对待，比如都能取反，也都能和另一个整数相加。内置的 type 函数可以查看任何值的类。

>>> type(2)
<class 'int'>

到目前为止，我们用到的值都属于 Python 语言内置的少数几种原生数据类型（native data types）。原生数据类型有以下特性：

存在求值为原生类型值的表达式，称为字面值（literal）
存在操作原生类型值的内置函数和运算符

int 类是表示整数的原生数据类型。整数字面值（相邻数字组成的序列）求值为 int 值，数学运算符负责处理这些值。

>>> 12 + 3000000000000000000000000
3000000000000000000000012

Python 包含三种原生数值类型：整数（int）、实数（float）和复数（complex）。

>>> type(1.5)
<class 'float'>
>>> type(1+1j)
<class 'complex'>

浮点数（Floats）：float 这个名字，来自 Python 和许多其他编程语言表示实数的方式——「浮点」表示法。数字在底层如何表示，不在本书的讨论范围，但 int 和 float 对象之间有些高层次的差异必须了解。具体来说，int 对象能精确表示整数，对大小也没有限制。而 float 对象能表示范围很广的分数，但并非所有数字都能精确表示，而且有最小值和最大值的限制。所以，float 值应当看作实数的近似值，这些近似值只有有限的精度。把多个 float 值组合起来，可能产生近似误差；下面两个表达式要不是有近似误差，本该都求值为 7。

>>> 7 / 3 * 3
7.0
>>> 1 / 3 * 7 * 3
6.999999999999999

上面参与运算的虽然是 int 值，但一个 int 除以另一个 int，得到的是 float 值：两个整数相除所得实际比值的一个截断后的有限近似值。

>>> type(1/3)
<class 'float'>
>>> 1/3
0.3333333333333333

做相等性测试时，这种近似带来的问题就会暴露出来。

>>> 1/3 == 0.333333333333333312345  # 警惕浮点数近似误差
True

int 和 float 这两个类之间的细微差别，对写程序影响很大，所以程序员必须牢记这些细节。好在原生数据类型屈指可数，要熟练掌握一门编程语言，需要死记硬背的东西并不多。而且，有了 IEEE 754 浮点数标准这类社区准则的强制规定，这些细节在许多编程语言里都是一致的。

非数值类型（Non-numeric types）。值还能表示许多其他类型的数据，例如声音、图像、位置、网址、网络连接等等。其中有少数由原生数据类型表示，比如用 bool 类表示 True 和 False。大多数值的类型，必须由程序员用本章将要介绍的组合和抽象手段自己定义。

接下来的章节会介绍更多 Python 的原生数据类型，重点关注它们对创建有用的数据抽象有什么用。想了解更多细节的话，在线书籍《Dive Into Python 3》里有一章讲原生数据类型，对 Python 所有的原生数据类型及其操作方法做了实用的概览，还附有大量用法示例和实用技巧。

2.1 引言 ​

2.1.1 原生数据类型 ​

2.1 引言

2.1.1 原生数据类型