Python的数据类型与字符串

基础考试的主教材是欧莱礼日本出版的《Python教程》，官方页面标明自2021年9月1日起对应第4版。出题范围也是按该书的章号和章名公开的，因此备考要按各章的比重来掌握该书内容。技术评论社的《Python实践食谱》是实践考试的主教材，翔泳社的《用Python写的新版数据分析教科书》是数据分析考试的主教材，Impress的《Python数据分析实践手册》是数据分析实践考试的主教材，它们都是同一协会举办的其他考试所用的教材。教材如果弄错，就会一直学习范围之外的内容，因此最初就应确认清楚。

出题最多的是第4章「控制结构工具」，40题中占9题。其次是第5章「数据结构」7题，第3章「轻松入门篇」6题，第8章「错误与异常」4题。仅第3、4、5这3章合计就有22题，超过全体的一半。因此把学习时间也重点分配到这3章是合理的，尤其是涉及for语句和函数定义的第4章，如果拖到最后再学就很难补救。

第4章「控制结构工具」在40题中占9题，换算成比例是22.5%。按章节来看是最高的，其次是第5章「数据结构」的7题，占17.5%。15.0%对应的是第3章「轻松入门篇」的6题，10.0%对应的是第8章「错误与异常」及第10章「标准库巡礼」各4题所占的比例。这一比例并非运营层面的统计数字，而是作为出题范围本身公开的，可以作为学习计划的依据来使用。

第13章「接下来该做什么？」是0题，是出题范围中唯一完全不出题的章节。其内容是引导学习的下一步，因此作为考查语法的考试，被排除在出题对象之外。分配1题的是第1、2、7、11、12、14章，2题的是第6章和第9章，4题的是第8章「错误与异常」和第10章「标准库巡礼」。除第13章外其余各章都至少有1题，因此即便是比重较少的章节，也应做到大致浏览一遍术语的程度。

print() 会用关键字参数 sep 把接收到的参数连接起来并排列输出。sep 的默认值是1个半角空格，若不指定则得到 Python 3 exam，但这里指定了 sep='/'，因此用斜杠连接，得到 Python/3/exam。Python3exam 是把 sep 设为空字符串时的输出。选择末尾也带分隔符的 Python/3/exam/，是把 sep 误以为会加在每个元素之后的情况，实际上它只加在参数与参数之间。加在末尾的是 end 参数。

print() 会在输出末尾加上关键字参数 end。默认值是换行符，因此若不指定，每次调用 print() 都会换行。这里前两次指定了 end=''，阻止了换行，所以 A 和 B 会连续输出，最后一次 print() 使用默认的换行，因此整体作为 ABC 只输出1行。像 A B C 那样中间带空格，是1次 print() 传入3个参数的情况；分成3行是完全没有指定 end 的情况；分成2行是只去掉了其中一处 end='' 的情况。

带星号的 print(*nums) 会把列表的各个元素作为独立的参数传给 print()。因此3个参数会用 sep 连接，由于 sep=', '，得到 10, 20, 30。不带星号写成 print(nums)，列表会作为一个参数整体传入，因此会原样带方括号输出 [10, 20, 30]。若不指定 sep，则用默认的半角空格得到 10 20 30；若 sep='' 则紧挨着输出 102030。

Python的注释用井号书写，从那里到行末都会被忽略。放在行首则整行都是注释，放在中途则从那里往后是注释。没有专门用于跨多行的语法，因此要逐行放置井号。用三重引号包起来的写法有时被当作块注释的替代使用，但那在语法上是字符串字面量，若放在函数或类的开头，会作为docstring在运行时被保留下来。双斜杠在Python中是地板除运算符，斜杠和星号的组合、以及两个连字符，是其他语言的注释写法。

Python用缩进的深浅来表示代码块，因此属于同一代码块的语句必须对齐缩进宽度。这里只有第3行缩进变深，而且紧邻的上一行并非引出新代码块的语句（即以冒号结尾的行），因此会发生 IndentationError: unexpected indent。这是在执行前的语法解析阶段就会被检测出来的，因此第2行的 print 也不会被执行，连 one 都不会输出。该缩进的地方没有缩进会得到 expected an indented block，中途缩进宽度不一致会得到 unindent does not match any outer indentation level 这样的另一种提示信息，但两者都属于 IndentationError。

Python 3的源文件默认按UTF-8读取，因此无论注释还是字符串字面量都可以直接书写日语。Python 2的默认编码是ASCII，要包含日语时需要在文件第1行或第2行写coding声明，但在Python 3中已不再需要这一声明。只有在想让程序读取以UTF-8以外编码保存的文件时，才需要写声明。此外，标识符（变量名或函数名）虽然也可以使用日语，但从可读性角度并不推荐。

单斜杠 / 是真除法，结果一定是float。即使能整除也不例外，因此 9 / 3 不是 3 而是 3.0，类型也是float。如果认为『整数相除就该是int』，就会误选3和int，但如果想要int，需要用地板除写成 9 // 3，这样才会得到3和int。这个表达式不会产生3和float、或3.0和int这种数值外观与类型不一致的组合。

双斜杠 // 是地板除，会把商向下（即数轴上较小的一侧）截断。9 / 4 是2.25，所以 9 // 4 是2；-9 / 4 是-2.25，所以 -9 // 4 不是-2而是-3。要点在于并不是朝0靠拢的方向，选择-2是按照像C语言那样朝0方向截断来考虑的情况。2.25和-2.25是用 / 而非 // 时的值，2.0和-3.0是操作数混入了float、写成 9.0 // 4 时的值，若两边都是int，结果也是int。

divmod(a, b) 返回 (a // b, a % b) 这个元组。Python的 // 是向下截断，因此 -11 // 3 是-4，余数的符号与右边的符号保持一致，因此 -11 % 3 是1。所以结果是 (-4, 1)。如果按朝0方向截断的方式考虑，商会是-3、余数是-2，从而误选 (-3, -2)，但Python并不采用这种方式。商和余数之间始终保持『除数乘以商加上余数等于原值』这一关系，用3乘以-4再加1得到-11，可以据此验算。用这一关系来检验，(-3, 2) 和 (-4, -2) 都无法还原成-11。

内置函数 int() 会舍去小数部分、朝0方向截断，因此 int(-2.7) 不是-3而是-2。另一方面 // 是向下截断，因此 -2.7 // 1 落在-3那一侧，并且操作数中含有float，所以结果也是float型的-3.0。对于正数，int(2.7) 和 2.7 // 1 都落在2那一侧，看不出区别，但对于负数方向就会分开。两者都不是四舍五入，如果想把-2.7变成-3，应使用round(-2.7)。

float以二进制保存小数，因此在十进制中看似简洁的0.1或0.7无法被精确表示。实际显示 0.1 + 0.7 会得到 0.7999999999999999，与0.8存在微小差异，因此第1行为False。第2行用round()先四舍五入到小数点后2位再比较，两边都变成0.8，因此为True。这并非Python特有的缺陷，而是IEEE 754二进制浮点数的性质，0.1 + 0.2 得到 0.30000000000000004、1.1 + 2.2 得到 3.3000000000000003 也是同样的原因。应避免对float做相等比较，而是先按所需位数四舍五入再比较，或比较误差绝对值与容许误差，在金额这类需要精确的场合则使用decimal模块。

Python的round()采用『银行家舍入』，即舍入到最接近的偶数。只有恰好为一半的值才会靠向较近的偶数，因此1.5变为2、2.5变为2、3.5变为4，输出为 2 2 4。若按学校教的四舍五入，则会是 2 3 4，但Python并不采用这种方式。1 2 3 是对小数部分单纯截断时的值，1 3 3 是向奇数一侧靠拢时的值，两者都与实际行为不同。此外，省略第2参数的round()会返回int，若像round(2.5, 0)那样指定位数，则会返回float型的2.0。

bool是继承自int的类型，因此True可以直接当作整数1、False当作整数0参与数值运算。True + True 就是1加1得到2，isinstance(True, int) 返回True。把第1行想成True，是把 + 误当作逻辑或的情况，Python的逻辑或是or，True or True 会得到True。issubclass(bool, int) 同样为True，sum([True, False, True]) 得到2也是同样的原因。在统计满足条件的个数时，经常会用到这一性质。

Python 3的int是任意精度的，位数没有上限。3 ** 40 能精确求得12157665459056928801，这已超出有符号64位的范围，但类型仍是int。也能处理像2 ** 1000这样的值，用len(str(2 ** 1000))数一下位数会得到302位。它不像C语言那样是固定长度的整数，因此不会溢出变成负值，也不会自行切换为float。OverflowError是在float能表示的范围被超出等情况下才会出现的，仅仅是int的位数增加并不会引发。不过位数越多，计算时间和内存占用也会随之增加。

用整数下标访问bytes时，会返回该位置字节值的int。'abc'用UTF-8编码得到的b'abc'，其首字节是'a'的码点，因此是97。而用切片取出时，返回的是长度为1的bytes，因此 b[0:1] 是 b'a'。对于str来说，s[0]和s[0:1]都会得到同样的str类型的'a'，这正是str与bytes形成对照的地方。显示为 b'a' 而非 a，是因为print()会以repr的形式输出bytes，若想还原成字符串，需要使用b.decode()。

int()的第2个参数是基数，因此int('1010', 2)会把字符串按二进制读取，返回10。若认为会原样得到1010，就是漏看了基数的指定。bin()返回带0b前缀的字符串，因此是'0b1010'；hex()返回带0x前缀的小写字符串，因此是'0xff'。不会得到大写的0xFF，若想要大写表示，应使用format(255, 'X')。ord()返回字符的码点，大写的A是65。97是小写a的码点，反方向的转换写作chr(65)即可还原为'A'。

s[2:5]会从下标2的位置开始，取到下标5之前为止。'Pythonic'的下标2是t，因此取t、h、o这3个字符，得到tho。由于不包含终点位置，所以不会是thon。若把下标从1数起、理解成『从第2个字符开始』，就会误选相当于s[1:4]的yth。s[-3:]是负数下标，从末尾数起，以倒数第3个字符n为起点直到最后，因此是nic。若把-3误解为『到倒数第3个字符为止』，就会误选相当于s[-2:]的ic。只要记住下标从0开始、负数下标以末尾为-1数起这两点，就不会弄错。

切片即使范围超出字符串长度也不会引发异常，只会返回重叠的部分。'Python'只有6个字符，因此s[100:200]是空字符串，与空字符串比较结果为True。而单独的下标s[100]则会引发IndexError，这正是两者形成对照的地方。第2行的in运算符用于检查子字符串是否存在，但会区分大小写，小写的'py'不包含在'Python'中，因此为False。如果是'Py'或'th'则为True。

str是不可变（immutable）类型，即生成后无法更改其内容，因此不能用下标改写其中一部分字符。s[0] = 'z' 会引发 TypeError: 'str' object does not support item assignment，程序在此停止，print也不会被执行。IndexError是在下标越界时才会出现的，而这里0是合法的范围内，属于另一回事。想更改内容时，需要像 s = 'z' + s[1:] 那样构造新的字符串重新绑定。列表是可变的，因此用同样的写法可以改写其中的元素。

字符串方法不会改写原字符串，而是新建一个字符串返回。第2行的s.upper()会生成'EXAM'，但由于没有赋值给任何变量，这个值会被丢弃，s仍保持'exam'不变。因此print(s)的输出是exam。第4行是直接显示s.replace('e', 'E')的返回值，因此会输出Exam，但这同样没有改变s本身。想保留结果时，需要像 s = s.upper() 那样重新赋值。这与列表的sort()那种就地排序并返回None的方法形成对照。

f-string的格式说明:.2f会把小数四舍五入保留到小数点后2位显示，因此2.71828变为2.72。这不是截断，所以不会是2.71，2.718是写成:.3f时的值。第2行的!r是转换标志，会把值以repr()的形式显示。用在字符串上会带上引号，因此是'ok'；若不加!r则只显示ok。格式说明的语法与str.format()通用，因此写成'{n:.2f}'.format(n=2.71828)同样能得到2.72。

不带参数调用split()时，会把连续的空白当作一个整体的分隔符，不产生空元素。因此'a b c'.split()会得到3个元素的['a', 'b', 'c']。若明确指定分隔符写成'a b c'.split(' ')，则按每一个空格切分，会留下空字符串，得到4个元素的['a', 'b', '', 'c']。第2个参数是maxsplit，表示分割次数的上限，传入1则只切第一次，得到['a', 'b,c']，剩余部分不再切分、合并为一个元素。省略的话会全部切开，得到['a', 'b', 'c']。

strip()的参数是『要去除的字符集合』，会从两端持续削去只要属于该集合的字符。它并不是只删除一个作为子字符串的'x'，因此'xxabxx'.strip('x')会把两端的x全部削去，得到ab。若以为每次只削去一个字符，就会误选xabx。lstrip()只处理左端，因此得到abxx；rstrip()只处理右端，因此得到xxab。省略参数则会删除空白字符。由于是作为集合处理，若写成'xxabxx'.strip('xa')，左端的xx和a都会被削去，只剩下b。

join()会以调用方的字符串作为分隔符，把传入的可迭代对象的各个元素连接起来。字符串本身也是可以逐字符取出的可迭代对象，因此'-'.join('abc')会把'a'、'b'、'c'用连字符连接，得到a-b-c。分隔符只会加在元素与元素之间，不会加在开头或末尾，因此不会是-a-b-c-。不带分隔符的abc是写成''.join('abc')时的结果。*运算符会把字符串重复指定的次数，因此'ab' * 3是ababab，中间不会插入空格。如果想要ab ab ab，需要写成' '.join(['ab'] * 3)。

find()在找不到子字符串时会返回-1，不会引发异常。'banana'中没有'z'，因此结果是-1。0是在开头找到时的值，不要与找不到的情况混淆。index()在找到时返回位置这一点与find()相同，'banana'中'n'最先出现的位置是下标2，因此结果是2。3是把下标从1数起、理解成『第3个字符』时的结果，4是最后出现的位置，想得到它应使用rfind()或rindex()。两者的区别只在找不到的情况：index()会抛出ValueError: substring not found，使处理中止。

在字面量前加r的原始字符串中，反斜杠不会被当作转义的开始来解释。r'a\\nb'是a、反斜杠、n、b这4个字符，因此len为4。而普通字符串'a\\nb'中，\\n会被替换为1个换行字符，因此是a、换行、b这3个字符，len为3。若把两者都当作转义来数会得到3 3，都当作原始字符来数会得到4 4，但有无r会改变处理方式，这正是要点所在。即使加了r，类型仍然是普通的str，并不会变成特殊类型。此外len('\\\\')是1，之所以写两个反斜杠，是为了表示1个反斜杠字符。