内置类型

以下部分描述了解释器中内置的标准类型。

公司主营业务：网站设计制作、网站设计、移动网站开发等业务。帮助企业客户真正实现互联网宣传，提高企业的竞争能力。成都创新互联是一支青春激扬、勤奋敬业、活力青春激扬、勤奋敬业、活力澎湃、和谐高效的团队。公司秉承以“开放、自由、严谨、自律”为核心的企业文化，感谢他们对我们的高要求，感谢他们从不同领域给我们带来的挑战，让我们激情的团队有机会用头脑与智慧不断的给客户带来惊喜。成都创新互联推出蠡县免费做网站回馈大家。

主要内置类型有数字、序列、映射、类、实例和异常。

有些多项集类是可变的。 它们用于添加、移除或重排其成员的方法将原地执行，并不返回特定的项，绝对不会返回多项集实例自身而是返回 None。

有些操作受多种对象类型的支持；特别地，实际上所有对象都可以比较是否相等、检测逻辑值，以及转换为字符串（使用 repr() 函数或略有差异的 str() 函数）。 后一个函数是在对象由 print() 函数输出时被隐式地调用的。

逻辑值检测

任何对象都可以进行逻辑值的检测，以便在 if 或 while 作为条件或是作为下文所述布尔运算的操作数来使用。

一个对象在默认情况下均被视为真值，除非当该对象被调用时其所属类定义了 __bool__() 方法且返回 False 或是定义了 __len__() 方法且返回零。 1 下面基本完整地列出了会被视为假值的内置对象:

• 被定义为假值的常量: None 和 False。

• 任何数值类型的零: 0, 0.0, 0j, Decimal(0), Fraction(0, 1)

• 空的序列和多项集: '', (), [], {}, set(), range(0)

产生布尔值结果的运算和内置函数总是返回 0 或 False 作为假值，1 或 True 作为真值，除非另行说明。 （重要例外：布尔运算 or 和 and 总是返回其中一个操作数。）

布尔运算 —- and, or, not

这些属于布尔运算，按优先级升序排列:

注释：

1. 这是个短路运算符，因此只有在第一个参数为假值时才会对第二个参数求值。

2. 这是个短路运算符，因此只有在第一个参数为真值时才会对第二个参数求值。

3. not 的优先级比非布尔运算符低，因此 not a == b 会被解读为 not (a == b) 而 a == not b 会引发语法错误。

比较运算

在 python 中有八种比较运算符。 它们的优先级相同（比布尔运算的优先级高）。 比较运算可以任意串连；例如，x < y <= z 等价于 x < y and y <= z，前者的不同之处在于 y 只被求值一次（但在两种情况下当 x < y 结果为假值时 z 都不会被求值）。

此表格汇总了比较运算:

除不同的数字类型外，不同类型的对象不能进行相等比较。== 运算符总有定义，但对于某些对象类型（例如，类对象），它等于 is 。其他 <、<=、> 和 >= 运算符仅在有意义的地方定义。例如，当参与比较的参数之一为复数时，它们会抛出 TypeError 异常。

具有不同标识的类的实例比较结果通常为不相等，除非类定义了 __eq__() 方法。

一个类的实例不能与相同类的其他实例或其他类型的对象进行排序，除非定义该类定义了足够多的方法，包括 __lt__(), __le__(), __gt__() 以及 __ge__() (而如果你想实现常规意义上的比较操作，通常只要有 __lt__() 和 __eq__() 就可以了)。

is 和 is not 运算符无法自定义；并且它们可以被应用于任意两个对象而不会引发异常。

还有两种具有相同语法优先级的运算 in 和 not in，它们被 iterable 或实现了 __contains__() 方法的类型所支持。

数字类型 —- int, float, complex

There are three distinct numeric types: integers, floating point numbers, and complex numbers. In addition, Booleans are a subtype of integers. Integers have unlimited precision. Floating point numbers are usually implemented using double in C; information about the precision and internal representation of floating point numbers for the machine on which your program is running is available in sys.float_info. Complex numbers have a real and imaginary part, which are each a floating point number. To extract these parts from a complex number z, use z.real and z.imag. (The standard library includes the additional numeric types fractions.Fraction, for rationals, and decimal.Decimal, for floating-point numbers with user-definable precision.)

数字是由数字字面值或内置函数与运算符的结果来创建的。 不带修饰的整数字面值（包括十六进制、八进制和二进制数）会生成整数。 包含小数点或幂运算符的数字字面值会生成浮点数。 在数字字面值末尾加上 'j' 或 'J' 会生成虚数（实部为零的复数），你可以将其与整数或浮点数相加来得到具有实部和虚部的复数。

Python 完全支持混合运算：当一个二元算术运算符的操作数有不同数值类型时，”较窄”类型的操作数会拓宽到另一个操作数的类型，其中整数比浮点数窄，浮点数比复数窄。不同类型的数字之间的比较，同比较这些数字的精确值一样。2

构造函数 int()、 float() 和 complex() 可以用来构造特定类型的数字。

所有数字类型（复数除外）都支持下列运算（有关运算优先级，请参阅：运算符优先级）:

注释：

1. 也称为整数除法。 结果值是一个整数，但结果的类型不一定是 int。 运算结果总是向负无穷的方向舍入: 1//2 为 0, (-1)//2 为 -1, 1//(-2) 为 -1 而 (-1)//(-2) 为 0。

2. 不可用于复数。 而应在适当条件下使用 abs() 转换为浮点数。

3. 从浮点数转换为整数会被舍入或是像在 C 语言中一样被截断；请参阅 math.floor() 和 math.ceil() 函数查看转换的完整定义。

4. float 也接受字符串 “nan” 和附带可选前缀 “+” 或 “-“ 的 “inf” 分别表示非数字 (NaN) 以及正或负无穷。

5. Python 将 pow(0, 0) 和 0 ** 0 定义为 1，这是编程语言的普遍做法。

6. 接受的数字字面值包括数码 0 到 9 或任何等效的 Unicode 字符（具有 Nd 特征属性的代码点）。

   See https://www.unicode.org/Public/14.0.0/ucd/extracted/DerivedNumericType.txt for a complete list of code points with the Nd property.

所有 numbers.Real 类型 (int 和 float) 还包括下列运算:

有关更多的数字运算请参阅 math 和 cmath 模块。

整数类型的按位运算

按位运算只对整数有意义。 计算按位运算的结果，就相当于使用无穷多个二进制符号位对二的补码执行操作。

二进制按位运算的优先级全都低于数字运算，但又高于比较运算；一元运算 ~ 具有与其他一元算术运算 (+ and -) 相同的优先级。

此表格是以优先级升序排序的按位运算列表:

注释：

1. 负的移位数是非法的，会导致引发 ValueError。

2. 左移 n 位等价于乘以 pow(2, n) 。

3. 右移 n 位等价于除以 pow(2, n) ，作向下取整除法。

4. 使用带有至少一个额外符号扩展位的有限个二进制补码表示（有效位宽度为 1 + max(x.bit_length(), y.bit_length()) 或以上）执行这些计算就足以获得相当于有无数个符号位时的同样结果。

整数类型的附加方法

int 类型实现了 numbers.Integral abstract base class。 此外，它还提供了其他几个方法:

int.bit_length()

返回以二进制表示一个整数所需要的位数，不包括符号位和前面的零:

 
 
 
 

  
  
  
  
>>> n = -37
  
  
  
  
>>> bin(n)
  
  
  
  
'-0b100101'
  
  
  
  
>>> n.bit_length()
  
  
  
  
6
 
 
 
 

更准确地说，如果 x 非零，则 x.bit_length() 是使得 2**(k-1) <= abs(x) < 2**k 的唯一正整数 k。 同样地，当 abs(x) 小到足以具有正确的舍入对数时，则 k = 1 + int(log(abs(x), 2))。 如果 x 为零，则 x.bit_length() 返回 0。

等价于:

 
 
 
 

  
  
  
  
def bit_length(self):
  
  
  
  
 s = bin(self) # binary representation: bin(-37) --> '-0b100101'
  
  
  
  
 s = s.lstrip('-0b') # remove leading zeros and minus sign
  
  
  
  
 return len(s) # len('100101') --> 6
 
 
 
 

3.1 新版功能.

int.bit_count()

返回整数的绝对值的二进制表示中 1 的个数。也被称为 population count。示例:

 
 
 
 

  
  
  
  
>>> n = 19
  
  
  
  
>>> bin(n)
  
  
  
  
'0b10011'
  
  
  
  
>>> n.bit_count()
  
  
  
  
3
  
  
  
  
>>> (-n).bit_count()
  
  
  
  
3
 
 
 
 

等价于:

 
 
 
 

  
  
  
  
def bit_count(self):
  
  
  
  
 return bin(self).count("1")
 
 
 
 

3.10 新版功能.

int.to_bytes(length=1, byteorder=’big’, **, signed=False*)

返回表示一个整数的字节数组。

 
 
 
 

  
  
  
  
>>> (1024).to_bytes(2, byteorder='big')
  
  
  
  
b'\x04\x00'
  
  
  
  
>>> (1024).to_bytes(10, byteorder='big')
  
  
  
  
b'\x00\x00\x00\x00\x00\x00\x00\x00\x04\x00'
  
  
  
  
>>> (-1024).to_bytes(10, byteorder='big', signed=True)
  
  
  
  
b'\xff\xff\xff\xff\xff\xff\xff\xff\xfc\x00'
  
  
  
  
>>> x = 1000
  
  
  
  
>>> x.to_bytes((x.bit_length() + 7) // 8, byteorder='little')
  
  
  
  
b'\xe8\x03'
 
 
 
 

The integer is represented using length bytes, and defaults to 1. An OverflowError is raised if the integer is not representable with the given number of bytes.

The byteorder argument determines the byte order used to represent the integer, and defaults to "big". If byteorder is "big", the most significant byte is at the beginning of the byte array. If byteorder is "little", the most significant byte is at the end of the byte array.

signed 参数确定是否使用二的补码来表示整数。 如果 signed 为 False 并且给出的是负整数，则会引发 OverflowError。 signed 的默认值为 False。

The default values can be used to conveniently turn an integer into a single byte object. However, when using the default arguments, don’t try to convert a value greater than 255 or you’ll get an OverflowError:

 
 
 
 

  
  
  
  
>>> (65).to_bytes()
  
  
  
  
b'A'
 
 
 
 

等价于:

 
 
 
 

  
  
  
  
def to_bytes(n, length=1, byteorder='big', signed=False):
  
  
  
  
 if byteorder == 'little':
  
  
  
  
 order = range(length)
  
  
  
  
 elif byteorder == 'big':
  
  
  
  
 order = reversed(range(length))
  
  
  
  
 else:
  
  
  
  
 raise ValueError("byteorder must be either 'little' or 'big'")
  
  
  
  
  
  
  
  
 return bytes((n >> i*8) & 0xff for i in order)
 
 
 
 

3.2 新版功能.

在 3.11 版更改: Added default argument values for length and byteorder.

classmethod int.from_bytes(bytes, byteorder=’big’, **, signed=False*)

返回由给定字节数组所表示的整数。

 
 
 
 

  
  
  
  
>>> int.from_bytes(b'\x00\x10', byteorder='big')
  
  
  
  
16
  
  
  
  
>>> int.from_bytes(b'\x00\x10', byteorder='little')
  
  
  
  
4096
  
  
  
  
>>> int.from_bytes(b'\xfc\x00', byteorder='big', signed=True)
  
  
  
  
-1024
  
  
  
  
>>> int.from_bytes(b'\xfc\x00', byteorder='big', signed=False)
  
  
  
  
64512
  
  
  
  
>>> int.from_bytes([255, 0, 0], byteorder='big')
  
  
  
  
16711680
 
 
 
 

bytes 参数必须为一个 bytes-like object 或是生成字节的可迭代对象。

The byteorder argument determines the byte order used to represent the integer, and defaults to "big". If byteorder is "big", the most significant byte is at the beginning of the byte array. If byteorder is "little", the most significant byte is at the end of the byte array. To request the native byte order of the host system, use sys.byteorder as the byte order value.

signed 参数指明是否使用二的补码来表示整数。

等价于:

 
 
 
 

  
  
  
  
def from_bytes(bytes, byteorder='big', signed=False):
  
  
  
  
 if byteorder == 'little':
  
  
  
  
 little_ordered = list(bytes)
  
  
  
  
 elif byteorder == 'big':
  
  
  
  
 little_ordered = list(reversed(bytes))
  
  
  
  
 else:
  
  
  
  
 raise ValueError("byteorder must be either 'little' or 'big'")
  
  
  
  
  
  
  
  
 n = sum(b << i*8 for i, b in enumerate(little_ordered))
  
  
  
  
 if signed and little_ordered and (little_ordered[-1] & 0x80):
  
  
  
  
 n -= 1 << 8*len(little_ordered)
  
  
  
  
  
  
  
  
 return n
 
 
 
 

3.2 新版功能.

在 3.11 版更改: Added default argument value for byteorder.

int.as_integer_ratio()

返回一对整数，其比率正好等于原整数并且分母为正数。 整数的比率总是用这个整数本身作为分子，1 作为分母。

3.8 新版功能.

浮点类型的附加方法

float 类型实现了 numbers.Real abstract base class。 float 还具有以下附加方法。

float.as_integer_ratio()

返回一对整数，其比率正好等于原浮点数并且分母为正数。 无穷大会引发 OverflowError 而 NaN 则会引发 ValueError。

float.is_integer()

如果 float 实例可用有限位整数表示则返回 True，否则返回 False:

 
 
 
 

  
  
  
  
>>> (-2.0).is_integer()
  
  
  
  
True
  
  
  
  
>>> (3.2).is_integer()
  
  
  
  
False
 
 
 
 

两个方法均支持与十六进制数字符串之间的转换。 由于 Python 浮点数在内部存储为二进制数，因此浮点数与 十进制数 字符串之间的转换往往会导致微小的舍入错误。 而十六进制数字符串却允许精确地表示和描述浮点数。 这在进行调试和数值工作时非常有用。

float.hex()

以十六进制字符串的形式返回一个浮点数表示。 对于有限浮点数，这种表示法将总是包含前导的 0x 和尾随的 p 加指数。

classmethod float.fromhex(s)

返回以十六进制字符串 s 表示的浮点数的类方法。 字符串 s 可以带有前导和尾随的空格。

请注意 float.hex() 是实例方法，而 float.fromhex() 是类方法。

十六进制字符串采用的形式为:

 
 
 
 

  
  
  
  
[sign] ['0x'] integer ['.' fraction] ['p' exponent]
 
 
 
 

可选的 sign 可以是 + 或 -，integer 和 fraction 是十六进制数码组成的字符串，exponent 是带有可选前导符的十进制整数。 大小写没有影响，在 integer 或 fraction 中必须至少有一个十六进制数码。 此语法类似于 C99 标准的 6.4.4.2 小节中所描述的语法，也是 Java 1.5 以上所使用的语法。 特别地，float.hex() 的输出可以用作 C 或 Java 代码中的十六进制浮点数字面值，而由 C 的 %a 格式字符或 Java 的 Double.toHexString 所生成的十六进制数字符串由为 float.fromhex() 所接受。

请注意 exponent 是十进制数而非十六进制数，它给出要与系数相乘的 2 的幂次。 例如，十六进制数字符串 0x3.a7p10 表示浮点数 (3 + 10./16 + 7./16**2) * 2.0**10 即 3740.0:

 
 
 
 

  
  
  
  
>>> float.fromhex('0x3.a7p10')
  
  
  
  
3740.0
 
 
 
 

对 3740.0 应用反向转换会得到另一个代表相同数值的十六进制数字符串:

 
 
 
 

  
  
  
  
>>> float.hex(3740.0)
  
  
  
  
'0x1.d380000000000p+11'
 
 
 
 

数字类型的哈希运算

对于可能为不同类型的数字 x 和 y，要求 x == y 时必定 hash(x) == hash(y) (详情参见 __hash__() 方法的文档)。 为了便于在各种数字类型 (包括 int, float, decimal.Decimal 和 fractions.Fraction) 上实现并保证效率，Python 对数字类型的哈希运算是基于为任意有理数定义统一的数学函数，因此该运算对 int 和 fractions.Fraction 的全部实例，以及 float 和 decimal.Decimal 的全部有限实例均可用。 从本质上说，此函数是通过以一个固定质数 P 进行 P 降模给出的。 P 的值在 Python 中可以 sys.hash_info 的 modulus 属性的形式被访问。

CPython 实现细节： 目前所用的质数设定，在 C long 为 32 位的机器上 P = 2**31 - 1 而在 C long 为 64 位的机器上 P = 2**61 - 1。

详细规则如下所述:

• 如果 x = m / n 是一个非负的有理数且 n 不可被 P 整除，则定义 hash(x) 为 m * invmod(n, P) % P，其中 invmod(n, P) 是对 n 模 P 取反。

• 如果 x = m / n 是一个非负的有理数且 n 可被 P 整除（但 m 不能）则 n 不能对 P 降模，以上规则不适用；在此情况下则定义 hash(x) 为常数值 sys.hash_info.inf。

• 如果 x = m / n 是一个负的有理数则定义 hash(x) 为 -hash(-x)。 如果结果哈希值为 -1 则将其替换为 -2。

• 特殊值 sys.hash_info.inf 和 -sys.hash_info.inf 分别用于正无穷或负无穷的哈希值。

• 对于一个 complex 值 z，会通过计算 hash(z.real) + sys.hash_info.imag * hash(z.imag) 将实部和虚部的哈希值结合起来，并进行降模 2**sys.hash_info.width 以使其处于 range(-2**(sys.hash_info.width - 1), 2**(sys.hash_info.width - 1)) 范围之内。 同样地，如果结果为 -1 则将其替换为 -2。

为了阐明上述规则，这里有一些等价于内置哈希算法的 Python 代码示例，可用于计算有理数、float 或 complex 的哈希值:

 
 
 
 

  
  
  
  
import sys, math
  
  
  
  
  
  
  
  
def hash_fraction(m, n):
  
  
  
  
 """Compute the hash of a rational number m / n.
  
  
  
  
  
  
  
  
 Assumes m and n are integers, with n positive.
  
  
  
  
 Equivalent to hash(fractions.Fraction(m, n)).
  
  
  
  
  
  
  
  
 """
  
  
  
  
 P = sys.hash_info.modulus
  
  
  
  
 # Remove common factors of P. (Unnecessary if m and n already coprime.)
  
  
  
  
 while m % P == n % P == 0:
  
  
  
  
 m, n = m // P, n // P
  
  
  
  
  
  
  
  
 if n % P == 0:
  
  
  
  
 hash_value = sys.hash_info.inf
  
  
  
  
 else:
  
  
  
  
 # Fermat's Little Theorem: pow(n, P-1, P) is 1, so
  
  
  
  
 # pow(n, P-2, P) gives the inverse of n modulo P.
  
  
  
  
 hash_value = (abs(m) % P) * pow(n, P - 2, P) % P
  
  
  
  
 if m < 0:
  
  
  
  
 hash_value = -hash_value
  
  
  
  
 if hash_value == -1:
  
  
  
  
 hash_value = -2
  
  
  
  
 return hash_value
  
  
  
  
  
  
  
  
def hash_float(x):
  
  
  
  
 """Compute the hash of a float x."""
  
  
  
  
  
  
  
  
 if math.isnan(x):
  
  
  
  
 return object.__hash__(x)
  
  
  
  
 elif math.isinf(x):
  
  
  
  
 return sys.hash_info.inf if x > 0 else -sys.hash_info.inf
  
  
  
  
 else:
  
  
  
  
 return hash_fraction(*x.as_integer_ratio())
  
  
  
  
  
  
  
  
def hash_complex(z):
  
  
  
  
 """Compute the hash of a complex number z."""
  
  
  
  
  
  
  
  
 hash_value = hash_float(z.real) + sys.hash_info.imag * hash_float(z.imag)
  
  
  
  
 # do a signed reduction modulo 2**sys.hash_info.width
  
  
  
  
 M = 2**(sys.hash_info.width - 1)
  
  
  
  
 hash_value = (hash_value & (M - 1)) - (hash_value & M)
  
  
  
  
 if hash_value == -1:
  
  
  
  
 hash_value = -2
  
  
  
  
 return hash_value
 
 
 
 

迭代器类型

Python 支持在容器中进行迭代的概念。 这是通过使用两个单独方法来实现的；它们被用于允许用户自定义类对迭代的支持。 将在下文中详细描述的序列总是支持迭代方法。

容器对象要提供 iterable 支持，必须定义一个方法:

container.__iter__()

返回一个 iterator 对象。 该对象需要支持下文所述的迭代器协议。 如果容器支持不同的迭代类型，则可以提供额外的方法来专门地请求不同迭代类型的迭代器。 （支持多种迭代形式的对象的例子有同时支持广度优先和深度优先遍历的树结果。） 此方法对应于 Python/C API 中 Python 对象类型结构体的 tp_iter 槽位。

迭代器对象自身需要支持以下两个方法，它们共同组成了 迭代器协议:

iterator.__iter__()

返回 iterator 对象本身。 这是同时允许容器和迭代器配合 for 和 in 语句使用所必须的。 此方法对应于 Python/C API 中 Python 对象类型结构体的 tp_iter 槽位。

iterator.__next__()

iterator 中返回下一项。 如果已经没有可返回的项，则会引发 StopIteration 异常。 此方法对应于 Python/C API 中 Python 对象类型结构体的 tp_iternext 槽位。

Python 定义了几种迭代器对象以支持对一般和特定序列类型、字典和其他更特别的形式进行迭代。 除了迭代器协议的实现，特定类型的其他性质对迭代操作来说都不重要。

一旦迭代器的 __next__() 方法引发了 StopIteration，它必须一直对后续调用引发同样的异常。 不遵循此行为特性的实现将无法正常使用。

生成器类型

Python 的 generator 提供了一种实现迭代器协议的便捷方式。 如果容器对象 __iter__() 方法被实现为一个生成器，它将自动返回一个迭代器对象（从技术上说是一个生成器对象），该对象提供 __iter__() 和 __next__() 方法。 有关生成器的更多信息可以参阅 yield 表达式的文档。

序列类型 —- list, tuple, range

有三种基本序列类型：list, tuple 和 range 对象。 为处理 二进制数据 和 文本字符串 而特别定制的附加序列类型会在专门的小节中描述。

通用序列操作

大多数序列类型，包括可变类型和不可变类型都支持下表中的操作。 collections.abc.Sequence ABC 被提供用来更容易地在自定义序列类型上正确地实现这些操作。

此表按优先级升序列出了序列操作。 在表格中，s 和 t 是具有相同类型的序列，n, i, j 和 k 是整数而 x 是任何满足 s 所规定的类型和值限制的任意对象。

in 和 not in 操作具有与比较操作相同的优先级。 + (拼接) 和 * (重复) 操作具有与对应数值运算相同的优先级。 3

相同类型的序列也支持比较。 特别地，tuple 和 list 的比较是通过比较对应元素的字典顺序。 这意味着想要比较结果相等，则每个元素比较结果都必须相等，并且两个序列长度必须相同。 （完整细节请参阅语言参考的 比较运算 部分。）

可变序列的正向和逆向迭代器使用一个索引来访问值。 即使底层序列被改变该索引也将持续向前（或向后）步进。 迭代器只有在遇到 IndexError 或 a StopIteration 时才会终结（或是当索引降至零以下）。

注释：

1. 虽然 in 和 not in 操作在通常情况下仅被用于简单的成员检测，某些专门化序列 (例如 str, bytes 和 bytearray) 也使用它们进行子序列检测:

      
      
      
      
   
       
       
       
       
   >>> "gg" in "eggs"
       
       
       
       
   True
      
      
      
      

2. 小于 0 的 n 值会被当作 0 来处理 (生成一个与 s 同类型的空序列)。 请注意序列 s 中的项并不会被拷贝；它们会被多次引用。 这一点经常会令 Python 编程新手感到困扰；例如:

      
      
      
      
   
       
       
       
       
   >>> lists = [[]] * 3
       
       
       
       
   >>> lists
       
       
       
       
   [[], [], []]
       
       
       
       
   >>> lists[0].append(3)
       
       
       
       
   >>> lists
       
       
       
       
   [[3], [3], [3]]
      
      
      
      

   具体的原因在于 [[]] 是一个包含了一个空列表的单元素列表，所以 [[]] * 3 结果中的三个元素都是对这一个空列表的引用。 修改 lists 中的任何一个元素实际上都是对这一个空列表的修改。 你可以用以下方式创建以不同列表为元素的列表:

      
      
      
      
   
       
       
       
       
   >>> lists = [[] for i in range(3)]
       
       
       
       
   >>> lists[0].append(3)
       
       
       
       
   >>> lists[1].append(5)
       
       
       
       
   >>> lists[2].append(7)
       
       
       
       
   >>> lists
       
       
       
       
   [[3], [5], [7]]
      
      
      
      

   进一步的解释可以在 FAQ 条目 如何创建多维列表？ 中查看。

3. 如果 i 或 j 为负值，则索引顺序是相对于序列 s 的末尾: 索引号会被替换为 len(s) + i 或 len(s) + j。 但要注意 -0 仍然为 0。

4. s 从 i 到 j 的切片被定义为所有满足 i <= k < j 的索引号 k 的项组成的序列。 如果 i 或 j 大于 len(s)，则使用 len(s)。 如果 i 被省略或为 None，则使用 0。 如果 j 被省略或为 None，则使用 len(s)。 如果 i 大于等于 j，则切片为空。

5. s 从 i 到 j 步长为 k 的切片被定义为所有满足 0 <= n < (j-i)/k 的索引号 x = i + n*k 的项组成的序列。 换句话说，索引号为 i, i+k, i+2*k, i+3*k，以此类推，当达到 j 时停止 (但一定不包括 j)。 当 k 为正值时，i 和 j 会被减至不大于 len(s)。 当 k 为负值时，i 和 j 会被减至不大于 len(s) - 1。 如果 i 或 j 被省略或为 None，它们会成为“终止”值 (是哪一端的终止值则取决于 k 的符号)。 请注意，k 不可为零。 如果 k 为 None，则当作 1 处理。

6. 拼接不可变序列总是会生成新的对象。 这意味着通过重复拼接来构建序列的运行时开销将会基于序列总长度的乘方。 想要获得线性的运行时开销，你必须改用下列替代方案之一：

   • 如果拼接 str 对象，你可以构建一个列表并在最后使用 str.join() 或是写入一个 io.StringIO 实例并在结束时获取它的值

   • 如果拼接 bytes 对象，你可以类似地使用 bytes.join() 或 io.BytesIO，或者你也可以使用 bytearray 对象进行原地拼接。 bytearray 对象是可变的，并且具有高效的重分配机制

   • 如果拼接 tuple 对象，请改为扩展 list 类

   • 对于其它类型，请查看相应的文档

7. 某些序列类型 (例如 range) 仅支持遵循特定模式的项序列，因此并不支持序列拼接或重复。

8. 当 x 在 s 中找不到时 index 会引发 ValueError。 不是所有实现都支持传入额外参数 i 和 j。 这两个参数允许高效地搜索序列的子序列。 传入这两个额外参数大致相当于使用 s[i:j].index(x)，但是不会复制任何数据，并且返回的索引是相对于序列的开头而非切片的开头。

不可变序列类型

不可变序列类型普遍实现而可变序列类型未实现的唯一操作就是对 hash() 内置函数的支持。

这种支持允许不可变类型，例如 tuple 实例被用作 dict 键，以及存储在 set 和 frozenset 实例中。

尝试对包含有不可哈希值的不可变序列进行哈希运算将会导致 TypeError。

可变序列类型

以下表格中的操作是在可变序列类型上定义的。 collections.abc.MutableSequence ABC 被提供用来更容易地在自定义序列类型上正确实现这些操作。

表格中的 s 是可变序列类型的实例，t 是任意可迭代对象，而 x 是符合对 s 所规定类型与值限制的任何对象 (例如，bytearray 仅接受满足 0 <= x <= 255 值限制的整数)。

注释：

1. t 必须与它所替换的切片具有相同的长度。

2. 可选参数 i 默认为 -1，因此在默认情况下会移除并返回最后一项。

3. 当在 s 中找不到 x 时 remove() 操作会引发 ValueError。

4. 当反转大尺寸序列时 reverse() 方法会原地修改该序列以保证空间经济性。 为提醒用户此操作是通过间接影响进行的，它并不会返回反转后的序列。

5. 包括 clear() 和 copy() 是为了与不支持切片操作的可变容器 (例如 dict 和 set) 的接口保持一致。 copy() 不是 collections.abc.MutableSequence ABC 的一部分，但大多数具体的可变序列类都提供了它。

   3.3 新版功能: clear() 和 copy() 方法。

6. n 值为一个整数，或是一个实现了 __index__() 的对象。 n 值为零或负数将清空序列。 序列中的项不会被拷贝；它们会被多次引用，正如 通用序列操作 中有关 s * n 的说明。

列表

列表是可变序列，通常用于存放同类项目的集合（其中精确的相似程度将根据应用而变化）。

class list([iterable])

可以用多种方式构建列表：

• 使用一对方括号来表示空列表: []

• 使用方括号，其中的项以逗号分隔: [a], [a, b, c]

• 使用列表推导式: [x for x in iterable]

• 使用类型的构造器: list() 或 list(iterable)

构造器将构造一个列表，其中的项与 iterable 中的项具有相同的的值与顺序。 iterable 可以是序列、支持迭代的容器或其它可迭代对象。 如果 iterable 已经是一个列表，将创建并返回其副本，类似于 iterable[:]。 例如，list('abc') 返回 ['a', 'b', 'c'] 而 list( (1, 2, 3) ) 返回 [1, 2, 3]。 如果没有给出参数，构造器将创建一个空列表 []。

其它许多操作也会产生列表，包括 sorted() 内置函数。

列表实现了所有 一般 和 可变 序列的操作。 列表还额外提供了以下方法：

• sort(**, key=None, reverse=False*)

  此方法会对列表进行原地排序，只使用 < 来进行各项间比较。 异常不会被屏蔽 —— 如果有任何比较操作失败，整个排序操作将失败（而列表可能会处于被部分修改的状态）。

  sort() 接受两个仅限以关键字形式传入的参数 (仅限关键字参数):

  key 指定带有一个参数的函数，用于从每个列表元素中提取比较键 (例如 key=str.lower)。 对应于列表中每一项的键会被计算一次，然后在整个排序过程中使用。 默认值 None 表示直接对列表项排序而不计算一个单独的键值。

  可以使用 functools.cmp_to_key() 将 2.x 风格的 cmp 函数转换为 key 函数。

  reverse 为一个布尔值。 如果设为 True，则每个列表元素将按反向顺序比较进行排序。

  当顺序大尺寸序列时此方法会原地修改该序列以保证空间经济性。 为提醒用户此操作是通过间接影响进行的，它并不会返回排序后的序列（请使用 sorted() 显示地请求一个新的已排序列表实例）。

  sort() 方法确保是稳定的。 如果一个排序确保不会改变比较结果相等的元素的相对顺序就称其为稳定的 —- 这有利于进行多重排序（例如先按部门、再接薪级排序）。

  有关排序示例和简要排序教程，请参阅 排序指南 。

  CPython 实现细节： 在一个列表被排序期间，尝试改变甚至进行检测也会造成未定义的影响。 Python 的 C 实现会在排序期间将列表显示为空，如果发现列表在排序期间被改变将会引发 ValueError。

元组

元组是不可变序列，通常用于储存异构数据的多项集（例如由 enumerate() 内置函数所产生的二元组）。 元组也被用于需要同构数据的不可变序列的情况（例如允许存储到 set 或 dict 的实例）。

class tuple([iterable])

可以用多种方式构建元组：

• 使用一对圆括号来表示空元组: ()

• 使用一个后缀的逗号来表示单元组: a, 或 (a,)

• 使用以逗号分隔的多个项: a, b, c or (a, b, c)

• 使用内置的 tuple(): tuple() 或 tuple(iterable)

构造器将构造一个元组，其中的项与 iterable 中的项具有相同的值与顺序。 iterable 可以是序列、支持迭代的容器或其他可迭代对象。 如果 iterable 已经是一个元组，会不加改变地将其返回。 例如，tuple('abc') 返回 ('a', 'b', 'c') 而 tuple( [1, 2, 3] ) 返回 (1, 2, 3)。 如果没有给出参数，构造器将创建一个空元组 ()。

请注意决定生成元组的其实是逗号而不是圆括号。 圆括号只是可选的，生成空元组或需要避免语法歧义的情况除外。 例如，f(a, b, c) 是在调用函数时附带三个参数，而 f((a, b, c)) 则是在调用函数时附带一个三元组。

元组实现了所有 一般 序列的操作。

对于通过名称访问相比通过索引访问更清晰的异构数据多项集，collections.namedtuple() 可能是比简单元组对象更为合适的选择。

range 对象

range 类型表示不可变的数字序列，通常用于在 for 循环中循环指定的次数。

class range(stop)

class range(start, stop[, step])

range 构造器的参数必须为整数（可以是内置的 int 或任何实现了 __index__() 特殊方法的对象）。 如果省略 step 参数，则默认为 1。 如果省略 start 参数，则默认为 0。 如果 step 为零，则会引发 ValueError。

如果 step 为正值，确定 range r 内容的公式为 r[i] = start + step*i 其中 i >= 0 且 r[i] < stop。

如果 step 为负值，确定 range 内容的公式仍然为 r[i] = start + step*i，但限制条件改为 i >= 0 且 r[i] > stop.

如果 r[0] 不符合值的限制条件，则该 range 对象为空。 range 对象确实支持负索引，但是会将其解读为从正索引所确定的序列的末尾开始索引。

元素绝对值大于 sys.maxsize 的 range 对象是被允许的，但某些特性 (例如 len()) 可能引发 OverflowError。

一些 range 对象的例子:

 
 
 
 

  
  
  
  
>>> list(range(10))
  
  
  
  
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
  
  
  
  
>>> list(range(1, 11))
  
  
  
  
[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
  
  
  
  
>>> list(range(0, 30, 5))
  
  
  
  
[0, 5, 10, 15, 20, 25]
  
  
  
  
>>> list(range(0, 10, 3))
  
  
  
  
[0, 3, 6, 9]
  
  
  
  
>>> list(range(0, -10, -1))
  
  
  
  
[0, -1, -2, -3, -4, -5, -6, -7, -8, -9]
  
  
  
  
>>> list            

                名称栏目：创新互联Python教程：内置类型
                

                标题路径：http://www.gawzjz.com/qtweb2/news7/17407.html
            
            

                网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等
                                
            

                广告
                
            
            

                声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：
                创新互联