跳到主要内容

数据与变量

数据是所有编程语言的核心，程序的本质是将一些数据（输入）转换成另一些数据（输出）。在 Python 中，数据至关重要，数据处理、机器学习等高度依赖数据的任务是 Python 的主要应用领域。

在语句 print("Hello, World!") 中，"Hello, World!" 就是一个数据。

Python 常用的数据类型​

数据通常被划分为不同的类型，因为不同类型的数据需要不同的处理方式。例如，数值数据可以进行加减乘除运算；字符串则更多用于截取、拼接等操作。下文列出了 Python 中最常用的数据类型。在这里，只需要对它们有个大致印象，后续章节会详细解释这些数据类型的使用方法。

  • 数值型:

  • 布尔型（bool）: 只有两个值：True 和 False。通常用于条件测试。

  • 序列类型:

    • 字符串（str）： 由零或多个字符组成的文本，由单引号或双引号包裹，例如："Hello", 'Python'。
    • 列表（list）： 有序的对象集合，例如：[1, 2, 3, 'a', 'b']。
    • 元组（tuple）： 有序的不可变对象集合，例如：(1, 2, 3, 'a', 'b')。

  • 集合类型:

    • 集合（set）： 一个无序不重复元素集，基本功能包括关系测试和消除重复元素。例如：{1, 2, 3}。
    • 冻结集合（frozenset）： 与集合类似，但是它是不可变的。

  • 映射类型:

    • 字典（dict）： 无序的键值对集合，且键必须是唯一的。例如：{'name': 'John', 'age': 30}。

  • None 类型:

    • NoneType：只有一个值 None。用于表示一个值的缺失或空。

  • 二进制类型:

    • 字节序列（bytes）： 包含字节的不可变序列，例如：b'hello'。
    • 字节数组（bytearray）： 包含字节的可变序列。
    • 内存视图（memoryview）： 通过 memoryview 对象访问其他数据结构的内存。

  • 文件对象: 用于文件操作，例如：读取或写入文件。

  • 其他数据类型: 许多 Python 模块和库都对数据类型进行了扩展。在使用了这些模块的程序中，很可能会遇到其他数据类型，如 numpy 库中定义的 ndarray 或 pandas 库中定义的 DataFrame 等。

后文将对这些类型数据的用法再做详解。在继续介绍数据前，我们先要介绍一下“变量”（Variable）。

变量​

在编程语言里，通常不是直接使用原始数据本身，而是要给数据起个名字，程序中通过名字来使用数据。这些数据的名称，或者叫标签，这就是“变量”。变量使我们能方便地对数据进行标记、存储和操作。

初学者常把变量与代数方程中的变量（如 x+y=10x + y = 10）进行类比，二者确实都有“占位符”的作用。但需要注意的是，编程中的变量更像是一个容器或指针。x = x + 1 在数学中并不成立，但在编程中它表示“计算 x + 1 的结果，并将其重新赋值给 x”。

比如下面这个打印函数的参数直接使用了数据本身：

print(5 + 5 + 5 + 5 + 5)

如果我们想让程序改而打印 3 + 3 + 3 + 3 + 3 的结果呢？那就需要把程序中每个数据 5 都替换成 3，非常麻烦。但如果给数据起个名字，比如叫做 x：

x = 5
print(x + x + x + x + x)

同时，在函数使用数据时，可以使用数据的名字 x。程序运行的结果是一样的，但当我们再次需要打印 3 + 3 + 3 + 3 + 3 时，只要把 x 的值改为 3 即可，无须修改每一处数据。

以下是关于 Python 中变量的几个基本概念和特点：

声明和赋值​

赋值语句​

在 Python 中，不需要显式地声明变量或其类型。当为变量赋值时，Python 会自动创建变量。

变量的值可以是数值、字符串或任何其他类型的数据。

变量的名字是一种标识符，遵循标识符的定义规范。它必须是一串大小写英文字母、数字和下划线 _ 的组合，并且变量名不能以数字开头。比如，name_1 是一个合法的变量名，而 1_name 不是。 Python 的变量命名区分大小写，这意味着 Variable 和 variable 是两个不同的变量。习惯上，变量名中不应该包含任何大写字母，Variable 不是一个符合 Python 习惯的变量名。 变量名不能包含空格，但可使用下划线来分隔其中的单词。比如，is_student 是一个合法的变量名，但 is student 不是。 应当避免使用 Python 中已有特定用途的名称作为变量名。例如，print 是 Python 中打印函数的名字，就不适合再用作变量名了。 虽然在语法上我们可以用任何单词作为变量名称，但为每个变量赋予具有描述性、恰当的名称，对于程序是否易读、易懂至关重要。

作为对比，有些语言，比如 C 语言，变量必须预先声明，然后才可以使用；有些语言，比如 JavaScript 还有专门的关键字 “var” 来定义变量；还有一些语言，比如 PHP 要求每个变量的名字都必须以一个特殊字符 “$” 开头。与这些语言相比，Python 对于变量的限制是最宽松的了。

下面的程序创建了一个数值为 5 的变量：

x = 5  # 创建一个名为 x 的整数变量，并赋值 5

上面这段程序，x 是变量名，5 是数据。等号 = 表示赋值操作，运行这段程序后，就会得到一个值为 5 的变量。这种为变量设值的操作被称为赋值语句。井号 # 表示注释，在程序中，井号后面的文字都只是说明文字，不参与程序运行。

类型提示​

创建变量的时候，也可以为其添加类型提示（Type Hints），比如：

name: str = "谷货载"
age: int = 30
height: float = 5.9
is_student: bool = False

上面程序，变量名之后跟了一个冒号，冒号后面的文字指明了变量的数据类型。大多数编程语言，一旦指定了变量的数据类型，编译器或解释器就会自动检查变量的数据类型是否正确，如果有错误会报错。但是 Python 并不会施加任何真正的数据类型限制，这些类型提示仅仅是提示了预期的变量类型。运行下面的程序，Python 不会报告任何错误提示：

age: int = "Qizhen Ruan"

虽然 Python 自身不会在运行时检查变量的数据类型，但是类型提示对于代码的可读性非常有帮助。很多代码检查工具（如 mypy）也依赖于类型定义对代码进行类型检查。在 Pythora 星球上，程序中的变量通常都带有类型提示。

多变量赋值​

Python 可以使用一个等号为多个变量赋值，变量名和变量名之间，数据 and 数据之间用逗号分隔。这在很多时候可以简化程序，比如说，在定义二维平面上位置的时候，总是需要一个 X 轴数据和一个 Y 轴数据，这两个数据可以同时定义：

x, y = 3, 5
lat, lon = 33.4, 77.98

一个常用的操作是把两个变量中的数据进行交换，多数语言都需要引入一个临时变量来解决这样的问题，但在 Python 中，这个操作可以更简洁：

x, y = 3, 5
x, y = y, x  # x 和 y 中的数据被交换了，现在 x == 5, y == 3

如果给单个变量赋值多个数据，Python 会自动将所有数据打包成一个元组：

z = 3, 5
print(z)   # 输出： (3, 5)

如果多个变量的值相同，也可以使用链式赋值，比如：

x = y = z = 4

上面的代码就相当于下面这三行代码：

x = 4
y = x
z = y

请读者分析一下下面这个程序的输出是什么：

x, y = y, x = z = 3, 5
print(x, y, z)

此代码涉及多重赋值，输出可能出乎意料，应谨慎使用。

链式赋值一般用于不可变数据类型（下文会详细解释）。链式赋值会导致所有变量都指向同一个数据，如果该数据是可变的，一旦其中一个变量修改了数据，其他所有指向该数据的变量的值也会随之改变，这可能会引发一些意想不到的问题。

动态类型​

Python 是动态类型的语言。这意味着可以在程序运行时更改变量的类型。与之对比，多数语言中，变量的数据类型都是固定的，一旦声明，就不能再改变了。

x = 5     # x 是整数
x = "hi"  # 现在 x 是字符串

动态数据类型的优点是简洁灵活，非常适合编写小型、临时使用的程序。许多编程语言最初为开发小型程序设计，因此倾向于采用动态类型。其中一些语言后来的应用场景已经远远超出了最初的设计，用其开发的程序规模越来越大。然而在大型程序中，动态数据类型带来的麻烦却远超过其优点。比如，它会导致无法在程序运行前检查数据类型错误、降低代码可读性、影响运行效率，并难以优化。所以，很多语言，如 JavaScript 和 PHP，后来都演化出了支持静态类型或禁用动态类型的超集/版本（如 TypeScript），以便更好地支持大型程序开发。

变量的“变”​

解释程序的时候，我们经常会说：“把变量 x 中的数据变成 5”之类的话。但是这样的说法非常不严谨，它没有说清楚：到底是把变量指向一个不同的数据；还是让变量仍然指向同一个数据，但是改变这个数据的值。

在 Python 中，使用赋值语句，改变的一定是变量的指向。比如，我们先让 x = 5，然后再让 x = 3，那么这时候，一定是 x 指向了不同的数据，而不是原来那个数据从 5 变成了 3。

x = 5     # x 指向 5
x = 3     # 现在 x 指向了另一个数据

不同的变量是可以指向同一个数据的，如果赋值语句的两边分别是两个变量，那么就表示左边的变量将也指向右边变量指向的数据。

x = [1,2]     # x 指向 [1,2]
y = [1,2]     # x 和 y 指向了不同的数据，但是他们的值都是 [1,2]

x = [1,2]     # x 指向 [1,2]
y = x         # y 也指向了 x 指向的那个数据

数据的可变性​

既然赋值语句改变的总是变量的指向，那么数据本身可以被改变吗？

在一些编程语言中，比如 C 语言中，所有的数据都是可变的（除非特别用 const 声明），比如，用户可以把一个整数的数值从 1 改为 2。但在 Python 中，许多类型的数据（如整数、浮点数和字符串等）是不可变的，这意味着数据创建后，其值无法修改。当然，Python 中也有许多其他类型的数据是可变的。

在下面的示例程序中，列表数据是一个典型的可变数据，但字符串是不可变数据。

a = [1, 2, 3]
a[0] = 5
print(a)  # 打印输出: [5, 2, 3]

b = "Tom"
b = "Jerry"
print(b)  # 打印输出: "Jerry"

一个列表数据可能是由多个其它的数据组成的，比如上面程序中的变量 a 是一个由三个整数组成的列表。语句 a[0] = 5 表示把这个列表的第 0 个元素替换成 5。

我们生活中，给物品排序计数，总是从 1 开始的，第 1 个、第 2 个...这样数下去。然而，绝大多数的编程语言，包括 Python，都是从 0 开始计数的。一堆数据，最前面的总是第 0 个，然后后面才是第 1 个、第 2 个...

所以，当程序把列表的第 0 个元素替换成 5 之后，变量 a 所指向的数据就变成了 [5, 2, 3]。

Python 中的字符串数据是不可变的，比如，我们没办法把字符串 "Tom" 的第二个字母修改为其他字母。但我们仍可以让变量 b 指向另一个字符串。

需要格外注意的是，上面讨论的是数据本身是否可变，而不是变量是否可变。变量总是可以指向一个新的数据的。

引用型变量​

在 Python 中，变量存储的是数据的引用，而不是数据本身。这意味着，当你为一个变量赋值为另一个变量时，两者实际上都指向同一个数据，而不是具有相同数值的两个数据。我们怎么证明这一点呢？看下面的程序：

a = [1, 2, 3]
b = a
b[0] = 5
print(a)  # 输出: [5, 2, 3]

程序中，运行语句 b = a，表示变量 b 也将指向变量 a 所指向的数据，它们都指向了同一个数据。如果后续的程序改变了变量 b 的数据，那么变量 a 也会发生相同的变化。

请读者考虑一下，运行下面程序的输出结果是什么？

a = [1, 2, 3]
b = [1, 2, 3]
b[0] = 5
print(a)

使用链式赋值的时候，尤其需要注意这个问题，比如：

x = y = []
x.append(10)
print(x, y)  # 输出：[10] [10]   因为 x 和 y 指向同一个列表

作用域​

除了上面提到的这几点，作用域也是变量的一个重要属性，也就是变量在什么地方有效、哪些范围内可变。关于这个问题，我们将在介绍了函数之后再来讨论，参考章节函数和变量的作用域。

删除变量​

我们可以使用 del 语句删除一个变量。变量被删除之后，再尝试访问该变量就会出错：

x = 10
del x
print(x)    # x 已经不存在了，运行这一句会出错

删除变量其实并不常用，可以说在一般的小程序中基本用不到。它的用途主要有两点：一是在处理海量数据时，可以帮助及时释放内存；二是出于安全考虑，确保某些变量在后续程序中无法被访问。

有些编程语言，比如 C 语言，自身没有回收内存的功能，程序中的内存管理完全依赖编程人员自己实现。在这些语言中，所有为数据开辟的内存，都必须在使用后得到释放，否则就会产生内存泄露。当然，也不能过早释放，否则可能出现野指针（即指向无效内存的指针）、数据混乱等问题。现在主流的编程语言大多具有一定的内存垃圾回收机制了，它们可以自动释放那些程序中不会再用到的内存。程序员不必再担心内存分配，只需专注于程序逻辑本身。系统会在适当的时候自动释放和回收程序占用的内存。比如，比较具有代表性的是 Java 的内存垃圾回收机制。

Python 也有自动的垃圾回收机制。与 Java 主要采用“可达性分析”不同，Python 主要采用引用计数（Reference Counting）机制。原理很简单：Python 会实时记录每个数据被多少个变量所引用。当一个数据的引用计数降为 0 时（意味着没有任何变量指向这个数据了），Python 就会立即回收这块内存。

虽然 Python 的机制在处理循环引用时需要额外的辅助算法（标记-清除），但在大多数情况下，它的内存管理是高效且及时的。作为程序员，在 Python 中通常不需要像 C 语言那样手动管理内存，也不必过分担心内存泄漏问题。显式使用 del 删除变量通常只在处理极占用内存的大型数据（如加载了几个 GB 的数据集）且急需释放空间时才使用。

常量​

很多语言中，除了变量，还允许用户定义常量。常量可以理解为某个特定数据的名称、标签。这些名称一旦定义就不能再指向其他数据了，多数情况下，这些常量数据本身也不允许被改变。比如，很多语言中会定义一个常量 Pi = 3.1415926。

在 Python 中，并没有内置的方式来定义真正的常量，但是，我们可以采用一些约定俗成的规则和技巧来模拟常量的行为。最常见的方式是使用大写字母作为标识符：按照 Python 的命名约定，全大写的变量名通常被视为常量。尽管这并不会阻止在程序中修改变量的值，但它向其他开发者发出信号，表明这个变量的值不应被修改。比如下面定义的变量，在程序运行过程中不应修改其值：

PI = 3.14159
MAX_SIZE = 100

有时候多个常量会被包装成一组常量，比如代表每种特定颜色常量：红、黄、蓝可以被包装成一组名为 color 的常量，这种就是枚举类型，我们会在后面对其做详细介绍。

此外，为了防止常量中的数据被改动，还可以考虑使用类对数据进行包装，并控制数据的访问。相关的方法会在属性装饰器一节做详细介绍。