深入python3阅读day02 —— 内置数据类型

零、开始

Wonder is the foundation of all philosophy, inquiry its
progress，ignorance its end. ——Michel de Montaigne 米歇尔·德·蒙田
怀疑是一切哲学的基础，探究是一切哲学的进步，无知是一切哲学的终结。

一、深入

让我们暂时将第一份Python程序抛在脑后，来聊一聊数据类型。在 Python 中，每个值都有一种数据类型，但您并不需要声明变量的数据类型。那该方式是如何运作的呢？Python 根据每个变量的初始赋值情况分析其类型，并在内部对其进行跟踪。

Python有多种内置数据类型。以下是比较重要的一些：

• Booleans［布尔型］ 或为 True［真］ 或为 False［假］。
• Numbers［数值型］ 可以是 Integers［整数］（1 和 2）、 Floats［浮点数］（1.1 和 1.2）、Fractions［分数］（1/2 和2/3）；甚至是 Complex Number［复数］。
• Strings［字符串型］ 是 Unicode 字符序列，例如： 一份HTML 文档。
• Bytes［字节］ 和 Byte Arrays［字节数组］， 例如: 一份JPEG 图像文件。
• Lists［列表］ 是值的有序序列。
• Tuples［元组］ 是有序而不可变的值序列。
• Sets［集合］ 是装满无序值的包裹。
• Dictionaries［字典］ 是键值对的无序包裹。

当然，还有更多的类型。在 Python 中一切均为对象，因此存在像 module［模块］、 function［函数］、 class［类］、 method ［方法］、 file［文件］ 甚至 compiled code［已编译代码］ 这样的类型。您已经见过这样一些例子：模块的 name、 函数的 docstrings 等等。将学到的包括 《类 与 迭代器》 中的 Classes ［类］，以及 《文件》 中的 Files［文件］。
Strings［字符串］和 Bytes［字节串］比较重要，也相对复杂，足以开辟独立章节予以描述，让我们先看看其他类型。

二、布尔类型

在布尔类型上下文中，您几乎可以使用任何表达式。

布尔类型或为真或为假。Python 有两个被巧妙地命名为 True 和 False 的常量，可用于对布尔类型的直接赋值。表达式也可以计算为布尔类型的值。在某些地方（如 if 语句），Python 所预期的就是一个可计算出布尔类型值的表达式。这些地方称为 布尔类型上下文环境。事实上，可在布尔类型上下文环境中使用任何表达式，而 Python 将试图判断其真值。在布尔类型上下文环境中，不同的数据类型对于何值为真、何值为假有着不同的规则。（看过本章稍后的实例后，这一点将更好理解。）

例如，看看 humansize.py 中的这个片段：

if size < 0: 
    raise ValueError('number must be non‐negative') 

size 是整数， 0 是整数，而 < 是数字运算符。size < 0 表达式的结果始终是布尔值。可在 Python 交互式 shell 中自行测试下结果：

>>> size = 1 
>>> size < 0 
False 
>>> size = 0 
>>> size < 0 
False 
>>> size = ‐1 
>>> size < 0 
True 

由于 Python 2 的一些遗留问题，布尔值可以当做数值对待。 True 为 1；False 为 0 。

>>> True + True 
2 
>>> True ‐ False 
1 
>>> True * False 
0 
>>> True / False 
Traceback (most recent call last): 
  File "", line 1, in <module> ZeroDivisionError: int division or modulo by zero 

喔，喔，喔，别那么干！忘掉我刚才说的。

三、数值类型

数值类型是可畏的。有太多类型可选了。Python 同时支持 Integer［整型］ 和 Floating Point［浮点型］ 数值。无任何类型声明可用于区分；Python 通过是否有小数点来分辨它们。

>>> type(1) ①
<class 'int'>  
>>> isinstance(1, int)     ②
True 
>>> 1 + 1 ③
2 
>>> 1 + 1.0 ④
2.0 
>>> type(2.0) 
<class 'float'> 

1. 可以使用 type() 函数来检测任何值或变量的类型。正如所料，1 为 int 类型。
2. 同样，还可使用 isinstance() 函数判断某个值或变量是否为给定某个类型。
3. 将一个 int 与一个 int 相加将得到一个 int 。
4. 将一个 int 与一个 float 相加将得到一个 float 。Python 把int 强制转换为 float 以进行加法运算；然后返回一个 float 类型的结果。

A、将整数强制转换为浮点数及反向转换

正如刚才所看到的，一些运算符（如：加法）会根据需把整数强制转换为浮点数。也可自行对其进行强制转换。

>>> float(2) ①
2.0 
>>> int(2.0) ②
2 
>>> int(2.5) ③
2 
>>> int(‐2.5) ④
-2
>>> 1.12345678901234567890  ⑤
1.1234567890123457 
>>> type(1000000000000000)  ⑥
<class 'int'> 

1. 通过调用float() 函数，可以显示地将 int 强制转换为float。
2. 毫不出奇，也可以通过调用 int() 将 float 强制转换为int 。
3. int() 将进行取整，而不是四舍五入。
4. 对于负数，int() 函数朝着 0 的方法进行取整。它是个真正的取整（截断）函数，而不是 floor［地板］函数。
5. 浮点数精确到小数点后 15 位。
6. 整数可以任意大。

Python 2 对于int［整型］ 和 long［长整型］ 采用不同的数据类型。int 数据类型受到 sys.maxint 的限制，因平台该限制也会有所不同，但通常是 232‐1 。Python 3 只有一种整数类型，其行为方式很有点像 Python 2 的旧 long［长整数］ 类型。参阅 PEP 237 了解更多细节。

B、常见数值运算

对数值可进行各种类型的运算

>>> 11 / 2      ①
5.5 
>>> 11 // 2     ②    
5 
>>> −11 // 2    ③   
-6
>>> 11.0 // 2   ④  
5.0 
>>> 11 ** 2     ⑤ 
121 
>>> 11 % 2     ⑥ 
1 

1. / 运算符执行浮点除法。即便分子和分母都是 int，它也返回一个 float 浮点数。
2. // 运算符执行古怪的整数除法。如果结果为正数，可将其视为朝向小数位取整（不是四舍五入），但是要小心这一点。
3. 当整数除以负数， // 运算符将结果朝着最近的整数“向上”四舍五入。从数学角度来说，由于 −6 比 −5 要小，它是“向下”四舍五入，如果期望将结果取整为 −5，它将会误导你。
4. // 运算符并非总是返回整数结果。如果分子或者分母是float，它仍将朝着最近的整数进行四舍五入，但实际返回的值将会是 float 类型。
5. ** 运算符的意思是“计算幂”，11^2 结果为 121 。
6. % 运算符给出了进行整除之后的余数。11 除以 2 结果为 5 以及余数 1，因此此处的结果为 1。

在 Python 2 中，运算符 / 通常表示整数除法，但是可以通过在代码中加入特殊指令，使其看起来像浮点除法。在 Python 3 中，/ 运算符总是表示浮点除法。参阅 PEP 238 了解更多细节。

C、分数

Python 并不仅仅局限于整数和浮点数类型。它可以完成你在高中阶段学过、但几乎已经全部忘光的所有古怪数学运算。

>>> import fractions              ①
>>> x = fractions.Fraction(1, 3)  ②
>>> x 
Fraction(1, 3) 
>>> x * 2                         ③
Fraction(2, 3) 
>>> fractions.Fraction(6, 4)      ④
Fraction(3, 2) 
>>> fractions.Fraction(0, 0)      ⑤
Traceback (most recent call last):
  File "", line 1, in <module>
  File "D:\Python\lib\fractions.py", line 178, in __new__
    raise ZeroDivisionError('Fraction(%s, 0)' % numerator)
ZeroDivisionError: Fraction(0, 0)

1. 为启用 fractions 模块，必先引入 fractions 模块。
2. 为定义一个分数，创建一个 Fraction 对象并传入分子和分母。
3. 可对分数进行所有的常规数学计算。运算返回一个新的Fraction 对象。2 * (1/3) = (2/3)
4. Fraction 对象将会自动进行约分。(6/4) = (3/2)
5. 在杜绝创建以零为分母的分数方面，Python 有着良好的敏感性。

D、三角函数

还可在 Python 中进行基本的三角函数运算。

>>> import math 
>>> math.pi                ①
3.1415926535897931 
>>> math.sin(math.pi / 2)  ②
1.0 
>>> math.tan(math.pi / 4)  ③
0.99999999999999989 

1. math 模块中有一个代表 π 的常量，表示圆的周长与直径之比率（圆周率）。
2. math 模块包括了所有的基本三角函数，包括：sin()、 cos()、tan() 及像 asin() 这样的变体函数。
3. 然而要注意的是 Python 并不支持无限精度。tan(π / 4) 将返回 1.0，而不是 0.99999999999999989。

E、布尔上下文环境中的数值

零值是 false［假］，非零值是 true［真］。
可以在 if 这样的 布尔类型上下文环境中 使用数值。零值是 false［假］，非零值是 true［真］。

>>> def is_it_true(anything):              ①
...     if anything:
...             print("yes, it's true")
...     else:
...             print("no, it's false")
...
>>> is_it_true(1)                          ②
yes, it's true
>>> is_it_true(-1)
yes, it's true
>>> is_it_true(0)
no, it's false
>>> is_it_true(0.1)                      ③
yes, it's true
>>> is_it_true(0.0)
no, it's false
>>> import fractions
>>> is_it_true(fractions.Fraction(1, 2)) ④
yes, it's true
>>> is_it_true(fractions.Fraction(0, 1))
no, it's false

1. 您知道可以在 Python 交互式 Shell 中定义自己的函数吗？只需在每行的结尾按 回车键 ，然后在某一空行按 回车键 结束。
2. 在布尔类型上下文环境中，非零整数为真；零为假。
3. 非零浮点数为真； 0.0 为假。请千万小心这一点！如果有轻微的四舍五入偏差（正如在前面小节中看到的那样，这并非不可能的事情），那么 Python 将测试 0.0000000000001 而不是0 ，并将返回一个 True 值。
4. 分数也可在布尔类型上下文环境中使用。无论 n 为何值，Fraction(0, n)为假，所有其他分数为真。

四、列表

列表是 Python 的主力数据类型。当提到 “列表 ”时，您脑海中可能会闪现“必须进一步声明大小的数组，只能包含同一类对象”等想法。千万别这么想。列表比那要酷得多。

☞ Python 中的列表类似 Perl 5 中的数组。在 Perl 5中，存储数组的变量总是以字符 @ 开头；在 Python中，变量可随意命名，Python 仅在内部对数据类型进行跟踪。
☞ Python 中的列表更像 Java 中的数组（尽管可以把列表当做生命中所需要的一切来使用)。一个更好的比喻可能是 ArrayList 类，该类可以容纳任何对象，并可在添加新元素时进行动态拓展。

A、创建列表

列表创建非常轻松：使用中括号包裹一系列以逗号分割的值即可。

>>> a_list = ['a', 'b', 'mpilgrim', 'z', 'example'] ①
>>> a_list
['a', 'b', 'mpilgrim', 'z', 'example']
>>> a_list[0]                                       ②
'a'
>>> a_list[4]                                       ③
'example'
>>> a_list[-1]                                      ④
'example'
>>> a_list[-3]                                     ⑤
'mpilgrim'

1. 首先，创建一个包含 5 个元素的列表。要注意的是它们保持了最初的顺序。这并不是偶然的。列表是元素的有序集合。
2. 列表可当做以零为基点的数组使用。非空列表的首个元素始终是 a_list[0] 。
3. 该 5 元素列表的最后一个元素是 a_list[4]，因为列表（索引）总是以零为基点的。
4. 使用负索引值可从列表的尾部向前计数访问元素。任何非空列表的最后一个元素总是 a_list[‐1] 。
5. 如果负数令你混淆，可将其视为如下方式： a_list[‐n] == a_list[len(a_list) ‐ n] 。因此在此列表中， a_list[‐3] == a_list[5 ‐ 3] == a_list[2]。

B、列表切片

a_list[0] 是列表的第一个元素。
定义列表后，可从其中获取任何部分作为新列表。该技术称为对列表进行 切片 。

>>> a_list 
['a', 'b', 'mpilgrim', 'z', 'example'] 
>>> a_list[1:3]          ①
['b', 'mpilgrim']
>>> a_list[1:-1]         ②
['b', 'mpilgrim', 'z']
>>> a_list[0:3]          ③
['a', 'b', 'mpilgrim']
>>> a_list[:3]           ④
['a', 'b', 'mpilgrim']
>>> a_list[3:]          ⑤
['z', 'example']
>>> a_list[:]           ⑥
['a', 'b', 'mpilgrim', 'z', 'example']

1. 通过指定两个索引值，可以从列表中获取称作“切片”的某个部分。返回值是一个新列表，它包含列表(??切片)中所有元素，按顺序从第一个切片索引开始（本例中为 a_list[1]），截止但不包含第二个切片索引（本例中的 a_list[3]）。
2. 如果切片索引之一或两者均为负数，切片操作仍可进行。如果有帮助的话，您可以这么思考：自左向右读取列表，第一个切片索引指明了想要的第一个元素，第二个切片索引指明了第一个不想要的元素。返回值是两者之间的任何值。 between.
3. 列表是以零为起点的，因此 a_list[0:3] 返回列表的头三个元素，从 a_list[0] 开始，截止到但不包括 a_list[3] 。
4. 如果左切片索引为零，可以将其留空而将零隐去。因此a_list[:3] 与 a_list[0:3] 是完全相同的，因为起点 0 被隐去了。
5. 同样，如果右切片索引为列表的长度，也可以将其留空。因此 a_list[3:] 与 a_list[3:5] 是完全相同的，因为该列表有五个元素。此处有个好玩的对称现象。在这个五元素列表中， a_list[:3] 返回头三个元素，而 a_list[3:] 返回最后两个元素。事实上，无论列表的长度是多少, a_list[:n] 将返回头 n 个元素，而 a_list[n:] 返回其余部分。
6. 如果两个切片索引都留空，那么将包括列表所有的元素。但该返回值与最初的 a_list 变量并不一样。它是一个新列表，只不过恰好拥有完全相同的元素而已。a_list[:] 是对列表进行复制的一条捷径。

C、向列表中新增项

有四种方法可用于向列表中增加元素。

>>> a_list = ['a']
>>> a_list = a_list + [2.0, 3]     ①
>>> a_list                         ②
['a', 2.0, 3]
>>> a_list.append(True)            ③
>>> a_list
['a', 2.0, 3, True]
>>> a_list.extend(['four', 'Ω'])   ④
>>> a_list
['a', 2.0, 3, True, 'four', 'Ω']
>>> a_list.insert(0, 'Ω')         ⑤
>>> a_list
['Ω', 'a', 2.0, 3, True, 'four', 'Ω']

1. +运算符连接列表以创建一个新列表。列表可包含任何数量的元素；没有大小限制（除了可用内存的限制）。然而，如果内存是个问题，那就必须知道在进行连接操作时，将在内存中创建第二个列表。在该情况下，新列表将会立即被赋值给已有变量 a_list 。因此，实际上该行代码包含两个步骤 — 连接然后赋值 — 当处理大型列表时，该操作可能（暂时）消耗大量内存。
2. 列表可包含任何数据类型的元素，单个列表中的元素无须全为同一类型。下面的列表中包含一个字符串、一个浮点数和一个整数。
3. append() 方法向列表的尾部添加一个新的元素。（现在列表中有 四种 不同数据类型！）
4. 列表是以类的形式实现的。“创建”列表实际上是将一个类实例化。因此，列表有多种方法可以操作。extend() 方法只接受一个列表作为参数，并将该参数的每个元素都添加到原有的列表中。
5. insert() 方法将单个元素插入到列表中。第一个参数是列表中将被顶离原位的第一个元素的位置索引。列表中的元素并不一定要是唯一的；比如说：现有两个各自独立的元素，其值均为 ‘Ω’:，第一个元素 a_list[0] 以及最后一个元素 a_list[6] 。

☞ a_list.insert(0, value) 就像是 Perl 中的unshift() 函数。它将一个元素添加到列表的头部，所有其它的元素都被顶离原先的位置以腾出空间。

让我们进一步看看 append() 和 extend() 的区别。

>>> a_list = ['a', 'b', 'c']
>>> a_list.extend(['d', 'e', 'f'])  ①
>>> a_list
['a', 'b', 'c', 'd', 'e', 'f']
>>> len(a_list)                     ②
6
>>> a_list[-1]
'f'
>>> a_list.append(['g', 'h', 'i'])  ③
>>> a_list
['a', 'b', 'c', 'd', 'e', 'f', ['g', 'h', 'i']]
>>> len(a_list)                    ④
7
>>> a_list[-1]
['g', 'h', 'i']

1. extend() 方法只接受一个参数，而该参数总是一个列表，并将列表 a_list 中所有的元素都添加到该列表中。
2. 如果开始有个 3 元素列表，然后将它与另一个 3 元素列表进行 extend 操作，结果是将获得一个 6 元素列表。
3. 另一方面， append() 方法只接受一个参数，但可以是任何数据类型。在此，对一个 3 元素列表调用 append() 方法。
4. 如果开始的时候有个 6 元素列表，然后将一个列表 append［添加］上去，结果就会……得到一个 7 元素列表。为什么是 7 个？因为最后一个元素（刚刚 append［添加］ 的元素） 本身是个列表 。列表可包含任何类型的数据，包括其它列表。这可能是你所需要的结果，也许不是。但如果这就是你想要的，那这就是你所得到的。

D、在列表中检索值

>>> a_list = ['a', 'b', 'new', 'mpilgrim', 'new'] 
>>> a_list.count('new')       ①
2 
>>> 'new' in a_list           ②
True 
>>> 'c' in a_list 
False
>>> a_list.index('mpilgrim')  ③
3
>>> a_list.index('new')      ④
2 
>>> a_list.index('c')        ⑤
Traceback (most recent call last):
  File "", line 1, in <module>
ValueError: 'c' is not in list

1. 如你所期望， count() 方法返回了列表中某个特定值出现的次数。
2. 如果你想知道的是某个值是否出现在列表中， in 运算符将会比使用 count() 方法要略快一些。in 运算符总是返回 True 或False；它不会告诉你该值出现在什么位置。
3. 如果想知道某个值在列表中的精确位置，可调用 index() 方法。尽管可以通过第二个参数（以 0 为基点的）索引值来指定起点，通过第三个参数（以 0 基点的）索引来指定搜索终点，但缺省情况下它将搜索整个列表，
4. index() 方法将查找某值在列表中的第一次出现。在该情况下，‘new’ 在列表中出现了两次，分别为 a_list[2] 和a_list[4]，但 index() 方法将只返回第一次出现的位置索引值。
5. 可能 出乎 您的预期，如果在列表中没有找到该值，index()方法将会引发一个异常。

等等，什么？是这样的：如果没有在列表中找到该值， index() 方法将会引发一个异常。这是 Python 语言最显著不同之处，其它多数语言将会返回一些无效的索引值（像是 ‐1）。当然，一开始这一点看起来比较讨厌，但我想您会逐渐欣赏它。这意味着您的程序将会在问题的源头处崩溃，而不是之后奇怪地、默默地崩溃。请记住， ‐1 是合法的列表索引值。如果 index() 方法返回 ‐1，可能会导致调整过程变得不那么有趣！

E、从列表中删除元素

列表永远不会有缝隙。
列表可以自动拓展或者收缩。您已经看到了拓展部分。也有几种方法可从列表中删除元素。

>>> a_list = ['a', 'b', 'new', 'mpilgrim', 'new']
>>> a_list[1]
'b'
>>> del a_list[1] ①
>>> a_list
['a', 'new', 'mpilgrim', 'new']
>>> a_list[1]     ②
'new'

1. 可使用 del 语句从列表中删除某个特定元素。
2. 删除索引 1 之后再访问索引 1 将 不会 导致错误。被删除元素之后的所有元素将移动它们的位置以“填补”被删除元素所产生的“缝隙”。

不知道位置索引？这不成问题，您可以通过值而不是索引删除元素。

>>> a_list.remove('new') ①
>>> a_list
['a', 'mpilgrim', 'new']
>>> a_list.remove('new') ②
>>> a_list
['a', 'mpilgrim']
>>> a_list.remove('new')
Traceback (most recent call last):
  File "", line 1, in <module>
ValueError: list.remove(x): x not in list

1. 还可以通过 remove() 方法从列表中删除某个元素。remove()方法接受一个 value 参数，并删除列表中该值的第一次出现。同样，被删除元素之后的所有元素将会将索引位置下移，以“填补缝隙”。列表永远不会有“缝隙”。
2. 您可以尽情地调用 remove() 方法，但如果试图删除列表中不存在的元素，它将引发一个异常。

REMOVING ITEMS FROM A LIST: BONUS ROUND，其实就是再举一个删除的例子。
另一有趣的列表方法是 pop() 。pop() 方法是从列表删除元素的另一方法，但有点变化。

>>> a_list = ['a', 'b', 'new', 'mpilgrim']
>>> a_list.pop() ①
'mpilgrim'
>>> a_list
['a', 'b', 'new']
>>> a_list.pop(1) ②
'b'
>>> a_list
['a', 'new']
>>> a_list.pop()
'new'
>>> a_list
['a']
>>> a_list.pop()
'a'
>>> a_list.pop() ③
Traceback (most recent call last):
  File "", line 1, in <module>
IndexError: pop from empty list

1. 如果不带参数调用， pop() 列表方法将删除列表中最后的元素，并返回所删除的值。
2. 可以从列表中 pop［弹出］任何元素。只需传给 pop() 方法一个位置索引值。它将删除该元素，将其后所有元素移位以“填补缝隙”,然后返回它删除的值。
3. 对空列表调用 pop() 将会引发一个异常

☞ 不带参数调用的 pop() 列表方法就像 Perl 中的pop() 函数。它从列表中删除最后一个元素并返回所删除元素的值。Perl 还有另一个函数 shift()，可用于删除第一个元素并返回其值；在 Python中，该函数相当于 a_list.pop(0) 。

F、布尔上下文环境中的列表

空列表为假；其它所有列表为真。
可以在 if 这样的 布尔类型上下文环境中 使用列表。

>>> def is_it_true(anything): 
...   if anything: 
...        print("yes, it's true") 
...   else: 
...        print("no, it's false") 
... 
>>> is_it_true([])       ①
no, it's false 
>>> is_it_true(['a'])    ②
yes, it's true 
>>> is_it_true([False]) ③
yes, it's true 

1. 在布尔类型上下文环境中，空列表为假值。
2. 任何至少包含一个元素的列表为真值。
3. 任何至少包含一个元素的列表为真值。元素的值无关紧要。

五、元组

元素是不可变的列表。一旦创建之后，用任何方法都不可以修改元素。

>>> a_tuple = ("a", "b", "mpilgrim", "z", "example")  ①
>>> a_tuple 
('a', 'b', 'mpilgrim', 'z', 'example') 
>>> a_tuple[0]                                        ②
'a' 
>>> a_tuple[‐1]                                       ③
'example' 
>>> a_tuple[1:3]                                      ④
('b', 'mpilgrim') 

1. 元组的定义方式和列表相同，除了整个元素的集合都用圆括号，而不是方括号闭合。
2. 和列表一样，元组的元素都有确定的顺序。元组的索引也是以零为基点的，和列表一样，因此非空元组的第一个元素总是a_tuple[0] 。
3. 负的索引从元组的尾部开始计数，这和列表也是一样的。
4. 和列表一样，元组也可以进行切片操作。对列表切片可以得到新的列表；对元组切片可以得到新的元组。

元组和列表的主要区别是元组不能进行修改。用技术术语来说，元组是 不可变更 的。从实践的角度来说，没有可用于修改元组的方法。列表有像 append()、 extend()、 insert()、 remove() 和 pop() 这样的方法。这些方法，元组都没有。可以对元组进行切片操作（因为该方法创建一个新的元组），可以检查元组是否包含了特定的值（因为该操作不修改元组），还可以……就那么多了。

# continued from the previous example 
>>> a_tuple 
('a', 'b', 'mpilgrim', 'z', 'example') 
>>> a_tuple.append("new")  ①
Traceback (innermost last): 
  File "", line 1, in ?AttributeError: 
  'tuple' object has no attribute 'append' 
>>> a_tuple.remove("z")    ②
Traceback (innermost last): 
  File "", line 1, in ?AttributeError: 
  'tuple' object has no attribute 'remove' 
>>> a_tuple.index("example")  ③
4 
>>> "z" in a_tuple            ④
True   

1. 无法向元组添加元素。元组没有 append() 或 extend() 方法。
2. 不能从元组中删除元素。元组没有 remove() 或 pop() 方法。
3. 可以在元组中查找元素，由于该操作不改变元组。
4. 还可以使用 in 运算符检查某元素是否存在于元组中。

那么元组有什么好处呢？

• 元组的速度比列表更快。如果定义了一系列常量值，而所需做的仅是对它进行遍历，那么请使用元组替代列表。
• 对不需要改变的数据进行“写保护”将使得代码更加安全。使用元组替代列表就像是有一条隐含的 assert 语句显示该数据是常量，特别的想法（及特别的功能）必须重写。（？？）
• 一些元组可用作字典键（特别是包含字符串、数值和其它元组这样的不可变数据的元组）。列表永远不能当做字典键使用，因为列表不是不可变的。

☞ 元组可以转换为列表，反之亦然。内建的tuple()函数接收一个列表参数，并返回一个同样包含该元素的元组，而list()函数接收一个元组参数并返回一个列表。从效果上看，tuple()冻结列表，而list()融化元组。

A、布尔上下文环境中的元组

可以在 if 这样的 布尔类型上下文环境中 使用元组。

>>> def is_it_true(anything):
...     if anything:
...             print("yes, it's true")
...     else:
...             print("no, it's false")
...
>>> is_it_true(())            ①
no, it's false
>>> is_it_true(('a', 'b'))    ②
yes, it's true
>>> is_it_true((False,))     ③
yes, it's true
>>> type((False))            ④
<class 'bool'>
>>> type((False, ))
<class 'tuple'>

1. 在布尔类型上下文环境中，空元组为假值。
2. 任何至少包含一个元素的元组为真值。
3. 任何至少包含一个元素的元组为真值。元素的值无关紧要。不过此处的逗号起什么作用呢？
4. 为创建单元素元组，需要在值之后加上一个逗号。没有逗号，Python 会假定这只是一对额外的圆括号，虽然没有害处，但并不创建元组。

B、同时赋多个值

以下是一种很酷的编程捷径：在 Python 中，可使用元组来一次赋多值。

>>> v = ('a', 2, True)    ①
>>> (x, y, z) = v
>>> x
'a'
>>> y
2
>>> z
True

1. v 是一个三元素的元组，而 (x, y, z) 是包含三个变量的元组。将其中一个赋值给另一个将会把 v 中的每个值按顺序赋值给每一个变量。

该特性有多种用途。假设需要将某个名称指定某个特定范围的值。可以使用内建的 range() 函数进行多变量赋值以快速地进行连续变量赋值。

>>> (MONDAY, TUESDAY, WEDNESDAY, THURSDAY, FRIDAY, SATURDAY, SUNDAY) = range(7) ①
>>> MONDAY ②
0
>>> TUESDAY
1
>>> SUNDAY
6

1. 内建的 range() 函数构造了一个整数序列。（从技术上来说， range() 函数返回的既不是列表也不是元组，而是一个 迭代器，但稍后您将学到它们的区别。） MONDAY、 TUESDAY、 WEDNESDAY、 THURSDAY、 FRIDAY、 SATURDAY 和 SUNDAY 是您所定义的变量。（本例来自于 calendar 模块，该短小而有趣的模块打印日历，有点像 UNIX 程序 cal 。该 calendar 模块为星期数定义了整数常量。
2. 现在，每个变量都有其值了： MONDAY 为 0， TUESDAY 为 1，如此类推。

还可以使用多变量赋值创建返回多值的函数，只需返回一个包含所有值的元组。调用者可将返回值视为一个简单的元组，或将其赋值给不同的变量。许多标准 Python 类库这么干，包括在下一章将学到的 os 模块。

六、集合

集合 set 是装有独特值的无序“袋子”。一个简单的集合可以包含任何数据类型的值。如果有两个集合，则可以执行像联合、交集以及集合求差等标准集合运算。

A、创建集合

重中之重。创建集合非常简单。

>>> a_set = {1}   ①
>>> a_set
{1}
>>> type(a_set)   ②
<class 'set'>
>>> a_set = {1, 2} ③
>>> a_set
{1, 2}

1. 要创建只包含一个值的集合，仅需将该值放置于花括号之间。（{}）。
2. 实际上，集合以 类 的形式实现，但目前还无须考虑这一点。
3. 要创建多值集合，请将值用逗号分开，并用花括号将所有值包裹起来。

还可以以列表为基础创建集合。

>>> a_list = ['a', 'b', 'mpilgrim', True, False, 42]
>>> a_set = set(a_list)  ①
>>> a_set                ②
{'a', True, False, 'mpilgrim', 'b', 42}
>>> a_list               ③
['a', 'b', 'mpilgrim', True, False, 42]

1. 要从列表创建集合，可使用 set() 函数。（懂得如何实现集合的学究可能指出这实际上并不是调用某个函数，而是对某个类进行实例化。我保证在本书稍后的地方将会学到其中的区别。目前而言，仅需知道 set() 行为与函数类似，以及它返回一个集合。）
2. 正如我之前提到的，简单的集合可以包括任何数据类型的值。而且，如我之前所提到的，集合是 无序的。该集合并不记得用于创建它的列表中元素的最初顺序。如果向集合中添加元素，它也不会记得添加的顺序。
3. 初始的列表并不会发生变化。

还没有任何值？没有问题。可以创建一个空的集合。

>>> a_set = set() ①
>>> a_set         ②
set()
>>> type(a_set)   ③
<class 'set'>
>>> len(a_set)    ④
0
>>> not_sure = {}  ⑤
>>> type(not_sure)
<class 'dict'>

1. 要创建空集合，可不带参数调用 set() 。
2. 打印出来的空集合表现形式看起来有点儿怪。也许，您期望看到一个 {} 吧 ？该符号表示一个空的字典，而不是一个空的集合。本章稍后您将学到关于字典的内容。
3. 尽管打印出的形式奇怪，这 确实是 一个集合……
4. …… 同时该集合没有任何成员。
5. 由于从 Python 2 沿袭而来历史的古怪规定，不能使用两个花括号来创建空集合。该操作实际创建一个空字典，而不是一个空集合。

B、修改集合

有两种方法可向现有集合中添加值： add() 方法和 update() 方法。

>>> a_set = {1, 2}
>>> a_set.add(4)  ①
>>> a_set
{1, 2, 4}
>>> len(a_set)    ②
3
>>> a_set.add(1)  ③
>>> a_set
{1, 2, 4}
>>> len(a_set)   ④
3

1. add() 方法接受单个可以是任何数据类型的参数，并将该值添加到集合之中。
2. 该集合现在有三个成员了。
3. 集合是装 唯一值 的袋子。如果试图添加一个集合中已有的值，将不会发生任何事情。将不会引发一个错误；只是一条空操作。
4. 该集合 仍然 只有三个成员。

>>> a_set = {1, 2, 3}
>>> a_set
{1, 2, 3}
>>> a_set.update({2, 4, 6})  ①
>>> a_set                    ②
{1, 2, 3, 4, 6}
>>> a_set.update({3, 6, 9}, {1, 2, 3, 5, 8, 13}) ③
>>> a_set
{1, 2, 3, 4, 5, 6, 8, 9, 13}
>>> a_set.update([10, 20, 30])                   ④
>>> a_set
{1, 2, 3, 4, 5, 6, 8, 9, 10, 13, 20, 30}

1. update() 方法仅接受一个集合作为参数，并将其所有成员添加到初始列表中。其行为方式就像是对参数集合中的每个成员调用 add() 方法。
2. 由于集合不能包含重复的值，因此重复的值将会被忽略。
3. 实际上，可以带任何数量的参数调用 update() 方法。如果调用时传递了两个集合， update() 将会被每个集合中的每个成员添加到初始的集合当中（丢弃重复值）。
4. update() 方法还可接受一些其它数据类型的对象作为参数，包括列表。如果调用时传入列表，update() 将会把列表中所有的元素添加到初始集合中。

C、从集合中删除元素

有三种方法可以用来从集合中删除某个值。前两种，discard() 和 remove() 有细微的差异。

>>> a_set = {1, 3, 6, 10, 15, 21, 28, 36, 45}
>>> a_set
{1, 3, 36, 6, 10, 45, 15, 21, 28}
>>> a_set.discard(10) ①
>>> a_set
{1, 3, 36, 6, 45, 15, 21, 28}
>>> a_set.discard(10) ②
>>> a_set
{1, 3, 36, 6, 45, 15, 21, 28}
>>> a_set.remove(21) ③
>>> a_set
{1, 3, 36, 6, 45, 15, 28}
>>> a_set.remove(21) ④
Traceback (most recent call last):
  File "", line 1, in <module>
KeyError: 21

1. discard() 接受一个单值作为参数，并从集合中删除该值。
2. 如果针对一个集合中不存在的值调用 discard() 方法，它不进行任何操作。不产生错误；只是一条空指令。
3. remove() 方法也接受一个单值作为参数，也从集合中将其删除。
4. 区别在这里：如果该值不在集合中，remove() 方法引发一个KeyError 异常。

就像列表，集合也有个 pop() 方法。

>>> a_set = {1, 3, 6, 10, 15, 21, 28, 36, 45}
>>> a_set.pop()  ①
1
>>> a_set.pop()
3
>>> a_set.pop()
36
>>> a_set
{6, 10, 45, 15, 21, 28}
>>> a_set.clear() ②
>>> a_set
set()
>>> a_set.pop() ③
Traceback (most recent call last):
  File "", line 1, in <module>
KeyError: 'pop from an empty set'

1. pop() 方法从集合中删除某个值，并返回该值。然而，由于集合是无序的，并没有“最后一个”值的概念，因此无法控制删除的是哪一个值。它基本上是随机的。
2. clear() 方法删除集合中 所有 的值，留下一个空集合。它等价于 a_set = set()，该语句创建一个新的空集合，并用之覆盖a_set 变量的之前的值。
3. 试图从空集合中弹出某值将会引发 KeyError 异常。

D、常见集合操作

Python 的 集合 类型支持几种常见的运算。

>>> a_set = {2, 4, 5, 9, 12, 21, 30, 51, 76, 127, 195}
>>> 30 in a_set ①
True
>>> 31 in a_set
False
>>> b_set = {1, 2, 3, 5, 6, 8, 9, 12, 15, 17, 18, 21}
>>> a_set.union(b_set) ②
{1, 2, 195, 4, 5, 3, 6, 8, 9, 12, 76, 15, 17, 18, 21, 30, 51, 127}
>>> a_set.intersection(b_set) ③
{2, 5, 9, 12, 21}
>>> a_set.difference(b_set) ④
{195, 4, 76, 51, 30, 127}
>>> a_set.symmetric_difference(b_set) ⑤
{1, 3, 195, 6, 4, 8, 76, 15, 17, 18, 51, 30, 127}

1. 要检测某值是否是集合的成员，可使用 in 运算符。其工作原理和列表的一样。
2. union() 方法返回一个新集合，其中装着 在两个 集合中出现的元素。
3. intersection() 方法返回一个新集合，其中装着 同时 在两个集合中出现的所有元素。
4. difference() 方法返回的新集合中，装着所有在 a_set 出现但未在 b_set 中的元素。
5. symmetric_difference() 方法返回一个新集合，其中装着所有 只在其中一个 集合中出现的元素。

这三种方法是对称的。

# continued from the previous example
>>> a_set.symmetric_difference(b_set) ①
{1, 3, 195, 6, 4, 8, 76, 15, 17, 18, 51, 30, 127}
>>> b_set.symmetric_difference(a_set) ②
{1, 195, 4, 3, 6, 8, 76, 15, 17, 18, 51, 30, 127}
>>> b_set.union(a_set) == a_set.union(b_set) ③
True
>>> b_set.intersection(a_set) == a_set.intersection(b_set) ④
True
>>> b_set.difference(a_set) == a_set.difference(b_set) ⑤
False

1. a_set 与 b_set 的对称差分 看起来 和b_set 与 a_set 的对称差分不同，但请记住：集合是无序的。任何两个包含所有同样值（无一遗漏）的集合可认为是相等的。
2. 而这正是这里发生的事情。不要被 Python Shell 对这些集合的输出形式所愚弄了。它们包含相同的值，因此是相等的。
3. 对两个集合的 Union［并集］操作也是对称的。
4. 对两个集合的 Intersection［交集］操作也是对称的。
5. 对两个集合的 Difference［求差］操作不是对称的。这是有意义的；它类似于从一个数中减去另一个数。操作数的顺序会导致结果不同。

最后，有几个您可能会问到的问题。

>>> a_set = {1, 2, 3}
>>> b_set = {1, 2, 3, 4}
>>> a_set.issubset(b_set) ①
True
>>> b_set.issuperset(a_set) ②
True
>>> a_set.add(5) ③
>>> a_set.issubset(b_set)
False
>>> b_set.issuperset(a_set)
False

1. a_set 是 b_set 的 子集 — 所有 a_set 的成员均为 b_set 的成员。
2. 同样的问题反过来说， b_set 是 a_set 的 超集，因为 a_set的所有成员均为 b_set 的成员。
3. 一旦向 a_set 添加一个未在 b_set 中出现的值，两项测试均返回 False 。

E、布尔上下文环境中的集合

可在 if 这样的 布尔类型上下文环境中 使用集合。

>>> def is_it_true(anything):
...     if anything:
...             print("yes, it's true")
...     else:
...             print("no, it's false")
...
>>> is_it_true(set()) ①
no, it's false
>>> is_it_true({'a'}) ②
yes, it's true
>>> is_it_true({False}) ③
yes, it's true

1. 在布尔类型上下文环境中，空集合为假值。
2. 任何至少包含一个元素的集合为真值。
3. 任何至少包含一个元素的集合为真值。元素的值无关紧要。

七、字典

A、创建字典

创建字典非常简单。其语法与 集合 的类似，但应当指定键值对而不是值。有了字典后，可以通过键来查找值。

>>> a_dict = {'server': 'db.diveintopython3.org', 'database': 'mysql'} ①
>>> a_dict
{'server': 'db.diveintopython3.org', 'database': 'mysql'} 
>>> a_dict['server'] ②
'db.diveintopython3.org'
>>> a_dict['database'] ③
'mysql'
>>> a_dict['db.diveintopython3.org'] ④
Traceback (most recent call last):
  File "", line 1, in <module>
KeyError: 'db.diveintopython3.org'

1. 首先，通过将两个字典项指定给 a_dict 变量创建了一个新字典。每个字典项都是一组键值对，整个字典项集合都被大括号包裹在内。
2. ‘server’ 为键，通过 a_dict[‘server’] 引用的关联值为’db.diveintopython3.org’ 。
3. ‘database’ 为键，通过 a_dict[‘database’] 引用的关联值为 ‘mysql’ 。
4. 可以通过键获取值，但不能通过值获取键。因此a_dict[‘server’]
5. 为’db.diveintopython3.org’，而a_dict[‘db.diveintopython3.org’] 会引发异常，因为’db.diveintopython3.org’ 并不是键。

B、修改字典

字典没有预定义的大小限制。可以随时向字典中添加新的键值对，或者修改现有键所关联的值。继续前面的例子：

>>> a_dict
{'server': 'db.diveintopython3.org', 'database': 'mysql'}
>>> a_dict['database'] = 'blog' ①
>>> a_dict
{'server': 'db.diveintopython3.org', 'database': 'blog'}
>>> a_dict['user'] = 'mark' ②
>>> a_dict                  ③
{'server': 'db.diveintopython3.org', 'database': 'blog', 'user': 'mark'}
>>> a_dict['user'] = 'dora' ④
>>> a_dict
{'server': 'db.diveintopython3.org', 'database': 'blog', 'user': 'dora'}
>>> a_dict['User'] = 'mark' ⑤
>>> a_dict
{'server': 'db.diveintopython3.org', 'database': 'blog', 'user': 'dora', 'User': 'mark'}

1. 在字典中不允许有重复的键。对现有的键赋值将会覆盖旧值。
2. 可随时添加新的键值对。该语法与修改现有值相同。
3. 新字典项（键为 ‘user’，值为 ‘mark’）出现在中间。事实上，在第一个例子中字典项按顺序出现是个巧合；现在它们不按顺序出现同样也是个巧合。
4. 对既有字典键进行赋值只会用新值替代旧值。
5. 该操作会将 user 键的值改回 “mark” 吗？不会！仔细看看该键——有个大写的 U 出现在 “User” 中。字典键是区分大小写的，因此该语句创建了一组新的键值对，而不是覆盖既有的字典项。对你来说它们可能是一样的，但对于 Python 而言它们是完全不同的。

C、混合值字典

字典并非只能用于字符串。字典的值可以是任何数据类型，包括整数、布尔值、任何对象，甚至是其它的字典。而且就算在同一字典中，所有的值也无须是同一类型，您可根据需要混合匹配。字典的键要严格得多，可以是字符串、整数和其它一些类型。在同一字典中也可混合、匹配使用不同数据类型的键。
实际上，您已经在 your first Python program 见过一个将非字符串用作键的字典了。

SUFFIXES = {1000: ['KB', 'MB', 'GB', 'TB', 'PB', 'EB', 'ZB', 'YB'], 1024: ['KiB', 'MiB', 'GiB', 'TiB', 'PiB', 'EiB', 'ZiB', 'YiB']}

让我们在交互式 shell 中剖析一下：

>>> SUFFIXES = {1000: ['KB', 'MB', 'GB', 'TB', 'PB', 'EB', 'ZB', 'YB'], 1024: ['KiB', 'MiB', 'GiB', 'TiB', 'PiB', 'EiB', 'ZiB', 'YiB']}
>>> len(SUFFIXES) ①
2
>>> 1000 in SUFFIXES ②
True
>>> SUFFIXES[1000] ③
['KB', 'MB', 'GB', 'TB', 'PB', 'EB', 'ZB', 'YB']
>>> SUFFIXES[1024] ④
['KiB', 'MiB', 'GiB', 'TiB', 'PiB', 'EiB', 'ZiB', 'YiB']
>>> SUFFIXES[1000][3] ⑤
'TB'

1. 类似 列表 和 集合 ，len() 函数将返回字典中键的数量。
2. 而且像列表和集合一样，可使用 in 运算符以测试某个特定的键是否在字典中。
3. 1000 是 字典 SUFFIXES 的一个键；其值为一个 8 元素列表（确切地说，是 8 个字符串）。
4. 同样， 1024 是字典 SUFFIXES 的键；其值也是一个 8 元素列表。
5. 由于 SUFFIXES[1000] 是列表，可以通过它们的 0 基点索引来获取列表中的单个元素。

D、布尔上下文环境中的字典

空字典为假值；所有其它字典为真值。
可以在 if 这样的 布尔类型上下文环境中 使用字典。

>>> def is_it_true(anything):
...     if anything:
...             print("yes it's true")
...     else:
...             print("no it's false")
...
>>> is_it_true({}) ①
no it's false
>>> is_it_true({'a': 1}) ②
yes it's true

1. 在布尔类型上下文环境中，空字典为假值。
2. 至少包含一个键值对的字典为真值。

八、None

None 是 Python 的一个特殊常量。它是一个 空 值。None 与 False 不同。None 不是 0 。None 不是空字符串。将 None 与任何非 None 的东西进行比较将总是返回 False
None 是唯一的空值。它有着自己的数据类型（NoneType）。可将 None 赋值给任何变量，但不能创建其它 NoneType 对象。所有值为 None 变量是相等的。

>>> type(None)
<class 'NoneType'>
>>> None == False
False
>>> None == 0
False
>>> None == ''
False
>>> None == None
True
>>> x = None
>>> x == None
True
>>> y = None
>>> x == y
True

A、布尔上下文环境中的 NONE

在 布尔类型上下文环境中， None 为假值，而 not None 为真值。

>>> def is_it_true(anything):
...     if anything:
...             print('ok')
...     else:
...             print('no')
...
>>> is_it_true(None)
no
>>> is_it_true(not None)
ok

九、深入阅读

布尔运算
数值类型
序列类型
集合类型
映射类型
fractions【分数】 模块
math【数学】 模块
PEP 237：统一长整数和整数
PEP 238：修改除法运算符