Python的型別與字串

基礎考試的主教材是歐萊禮日本（オライリー・ジャパン）出版的『Pythonチュートリアル』（Python教學），官方頁面標示自2021年9月1日起對應第4版。出題範圍也是以這本書的章節編號與章節名稱公開，因此準備方式就是依各章的配分比重來掌握本書內容。技術評論社的『Python実践レシピ』是實戰考試、翔泳社的『Pythonによるあたらしいデータ分析の教科書』是資料分析考試、Impress的『Pythonデータ分析 実践ハンドブック』是資料分析實戰考試各自的主教材，都是同一協會所辦理的其他考試用書。若把教材搞錯，就會一直讀範圍外的內容，最好一開始就確認清楚。

出題數最多的是第4章「控制結構工具」，40題中分配了9題。其次是第5章「資料結構」7題，第3章「輕鬆入門篇」6題，第8章「錯誤與例外」則是4題。光是第3、4、5章這3章就合計22題，超過整體的一半。因此把學習時間也集中分配在這3章是合理的，尤其若把處理for陳述式與函式定義的第4章往後拖延，會很難補救。

第4章「控制結構工具」在40題中佔9題，換算比例是22.5%。以各章來看這是最大值，其次是第5章「資料結構」的7題，17.5%。15.0%相當於第3章「輕鬆入門篇」的6題，10.0%則相當於第8章「錯誤與例外」及第10章「標準函式庫巡禮」各4題的比例。這個配分並非運用上的數字，而是以出題範圍本身公開的，因此可作為學習計畫的依據。

第13章「接下來呢?」是0題，是出題範圍中唯一完全不出題的章節。由於內容是引導學習的下一步，作為測驗文法的考試，這一章被排除在對象之外。被分配1題的是第1、2、7、11、12、14章，2題的是第6、9章，4題的則是第8章「錯誤與例外」與第10章「標準函式庫巡禮」。除了第13章以外全都至少有1題，因此配分較少的章節，也最好稍微瀏覽一下用語作準備。

print() 會用關鍵字引數 sep 把收到的引數連接起來並排列。sep 的預設值是1個半形空格，若不指定就會是 Python 3 exam，但這裡指定了 sep='/'，因此會以斜線連接成 Python/3/exam。Python3exam 是把 sep 設為空字串時的輸出。選擇末尾也帶有分隔符的 Python/3/exam/，是誤以為 sep 會加在每個元素之後的情況，實際上它只會加在引數與引數之間。會加在末尾的是 end。

print() 會在輸出末尾加上關鍵字引數 end。預設值是換行字元，因此若不指定，每呼叫一次 print() 就會換行。這裡前2個都設定了 end=''，阻止了換行，因此 A 與 B 會連續輸出，最後一個 print() 則加上預設的換行，因此只會輸出1行 ABC。像 A B C 那樣中間帶空格的情況，是在1次 print() 中傳入3個引數的情況；分成3行的情況，是完全沒有指定 end 的情況；分成2行的情況，則是只拿掉其中一個 end='' 的情況。

加上星號的 print(*nums) 會把列表的各個元素，分別作為個別的引數傳給 print()。因此3個引數會以 sep 連接，由於 sep=', '，結果是 10, 20, 30。若不加星號寫成 print(nums)，列表會作為單一引數傳入，因此會原樣輸出帶方括號的 [10, 20, 30]。若不指定 sep，會以預設的半形空格輸出 10 20 30；若 sep=''，則會緊密輸出成 102030。

Python的註解以井字號書寫，從該處到行末都會被忽略。放在行首則整行都是註解對象，放在中途則其後的部分成為對象。並沒有能一次涵蓋多行的專用語法，因此要逐行加上井字號。有時會用三重引號包起來當作區塊註解使用，但那在語法上其實是字串字面值，若放在函式或類別的開頭，執行時會被當作docstring保留下來。雙斜線在Python中是整除運算子，斜線與星號的組合、或雙連字號則是其他語言的註解寫法。

Python以縮排的深度來表示區塊，因此屬於同一區塊的敘述，縮排寬度必須一致。這裡只有第3行縮得比較深，而且前一行並非導入新區塊的行（以冒號結尾的行），因此會發生 IndentationError: unexpected indent。由於這是在執行前的語法解析階段就偵測到的，因此連第2行的 print 也不會執行，連 one 都不會輸出。若在該縮排處卻沒有縮排，會出現 expected an indented block；若途中縮排寬度不一致，則會出現 unindent does not match any outer indentation level 這樣不同的訊息，但兩者都屬於 IndentationError。

Python 3的原始檔案預設以UTF-8讀取，因此不論是註解或字串字面值都能直接寫入日文。Python 2的預設是ASCII，若要包含日文，需要在檔案第1行或第2行寫上coding宣告，但在Python 3中已不再需要這個宣告。只有在想讀取以UTF-8以外的字元編碼儲存的檔案時，才需要寫上宣告。順帶一提，識別字（變數名或函式名）雖然也能使用日文，但基於可讀性考量並不建議。

單一斜線的 / 是真除法，結果一定是 float。即使能整除也不例外，因此 9 / 3 不是 3 而是 3.0，型別也是 float。若以為整數相除就會得到 int，就會選擇 3 與 int，但若想要 int，必須改用整除寫成 9 // 3，這時才會得到 3 與 int。像 3 與 float、3.0 與 int 這種數值外觀與型別不一致的組合，並不會由這個算式產生。

雙斜線的 // 是整除，會把商往下方，也就是往數線上較小的方向捨去。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。重點在於它不是朝0靠攏的方向，選擇 -2 是誤以為像C語言那樣朝0方向捨去的情況。2.25 與 -2.25 是使用 / 而非 // 時的值，2.0 與 -3.0 則是在運算元中混入 float、寫成 9.0 // 4 時的值，若兩邊都是 int，結果也會是 int。

divmod(a, b) 會回傳 (a // b, a % b) 這個元組。由於Python的 // 是往下方捨去，因此 -11 // 3 是 -4，餘數的符號會與右邊一致，所以 -11 % 3 是 1。因此結果是 (-4, 1)。若以朝0方向捨去的方式思考，商會是 -3、餘數是 -2，因而選擇 (-3, -2)，但Python並不採用這種方式。商與餘數之間永遠保持「除數乘以商加上餘數等於原值」的關係，因此 3 乘以 -4 加上 1 等於 -11，可以用這個方式驗算。用這個關係去確認的話，(-3, 2) 與 (-4, -2) 都無法還原成 -11。

內建函式 int() 會捨去小數部分、朝0方向捨入，因此 int(-2.7) 不是 -3 而是 -2。另一方面 // 是往下方捨去，因此 -2.7 // 1 會落在 -3 那一側，且由於運算元含有 float，結果也是 float 的 -3.0。若是正數，int(2.7) 與 2.7 // 1 都會落在 2 那一側，看不出差異，但負數時方向就會分歧。兩者都不是四捨五入，因此若想把 -2.7 變成 -3，要使用 round(-2.7)。

float以二進位保存小數，因此在十進位中簡潔的 0.1 或 0.7 無法被精確表示。實際顯示 0.1 + 0.7 會得到 0.7999999999999999，與 0.8 有些微差異，因此第1行是 False。第2行則是先用 round() 四捨五入到小數點以下2位再比較，因此兩邊都變成 0.8，結果是 True。這並非Python特有的缺陷，而是IEEE 754二進位浮點數的性質，0.1 + 0.2 會變成 0.30000000000000004、1.1 + 2.2 會變成 3.3000000000000003 也是同樣的原因。應避免對float做相等比較，改用四捨五入到所需位數後再比較，或比較誤差絕對值與容許誤差，若像金額這種需要精確的場合，則使用 decimal 模組。

Python的 round() 採用最接近偶數捨入法，也就是所謂的銀行家捨入法。只有在剛好是一半的值時，才會靠向較近的偶數，因此 1.5 變成 2、2.5 變成 2、3.5 變成 4，輸出是 2 2 4。若是學校教的四捨五入會變成 2 3 4，但Python不採用這種方式。1 2 3 是單純捨去小數點以下的值，1 3 3 是靠向奇數一側的值，都與實際行為不同。順帶一提，省略第2引數的 round() 會回傳 int，若像 round(2.5, 0) 那樣指定位數，則會回傳 float 的 2.0。

bool是繼承自int的型別，因此 True 可直接當作整數1、False 可直接當作整數0用於數值運算。True + True 就是1加1等於2，isinstance(True, int) 會回傳 True。若把第1行想成 True，是把 + 誤認為邏輯或的情況，Python的邏輯或是 or，True or True 會是 True。issubclass(bool, int) 也是 True，sum([True, False, True]) 會是 2 也是同樣的原因。這個性質常被用來計算滿足條件的個數。

Python 3的int是任意精度，位數沒有上限。3 ** 40 能精確求出 12157665459056928801，這已超過帶符號64位元的範圍，但型別仍是int。也能處理像 2 ** 1000 這樣的值，用 len(str(2 ** 1000)) 數位數會得到302位。它不像C語言那樣是固定長度整數，因此不會溢位變成負值，也不會擅自切換成float。OverflowError是在float能表示的範圍被超過等情況下才會出現，僅僅是int位數增加並不會發生。不過位數越多，計算時間與記憶體用量也會增加。

以整數索引存取bytes時，會回傳該位置位元組值的int。把 'abc' 以UTF-8編碼後得到的 b'abc'，其開頭位元組是 'a' 的碼位，因此是 97。另一方面，用切片取出則會回傳長度為1的bytes，因此 b[0:1] 是 b'a'。若是str，s[0] 與 s[0:1] 都會是同樣的str 'a'，這正是str與bytes形成對比之處。顯示成 b'a' 而非 a，是因為 print() 會以repr的形式輸出bytes，若想轉回字串則使用 b.decode()。

int() 的第2個引數是基數，因此 int('1010', 2) 會把字串當作2進位讀取，回傳 10。若以為會直接輸出 1010，是忽略了基數指定的情況。bin() 會回傳帶有前綴 0b 的字串，因此是 '0b1010'；hex() 會回傳帶有 0x 的小寫字串，因此是 '0xff'。不會變成大寫的 0xFF，若想要大寫表示，要使用 format(255, 'X')。ord() 會回傳字元的碼位，大寫的 A 是65。97是小寫a的碼位，反向轉換寫成 chr(65) 就會回到 'A'。

s[2:5] 會從索引2的位置開始，取到索引5之前為止。'Pythonic' 的索引2是 t，因此取到 t、h、o 這3個字元，變成 tho。由於不包含終點的位置，不會是 thon。若把索引從1開始數，理解成「從第2個字元開始」，就會誤選相當於 s[1:4] 的 yth。s[-3:] 是負索引，因此從末尾數起，以倒數第3個字元 n 為起點取到最後，結果是 nic。若把 -3 誤讀成「到倒數第3個字元為止」，就會誤選相當於 s[-2:] 的 ic。只要掌握「索引從0開始、負索引以末尾為 -1 往前數」這2點，就不會混淆。

即使切片的範圍超出字串長度，也不會產生例外，只會回傳重疊的部分。'Python' 只有6個字元，因此 s[100:200] 會是空字串，與空字串比較的結果是 True。這與單獨的索引 s[100] 會產生 IndexError 形成對比。第2行的 in 運算子用來檢查是否包含子字串，但會區分大小寫，因此小寫的 'py' 並不包含在 'Python' 之中，結果是 False。若是 'Py' 或 'th' 則會是 True。

str是不可變（immutable）的型別，也就是產生後無法變更內容，因此無法用索引改寫其中一部分字元。s[0] = 'z' 會產生 TypeError: 'str' object does not support item assignment，並在此停止，print 也不會執行。IndexError是索引超出範圍時才會出現的錯誤，這裡的 0 屬於正確範圍內，因此是另一回事。若想改變內容，要像 s = 'z' + s[1:] 這樣建立新字串再重新綁定。列表由於是可變的，用相同寫法就能改寫元素。

字串方法不會改寫原本的字串，而是建立新字串後回傳。第2行的 s.upper() 會建立 'EXAM'，但由於沒有賦值給任何變數，該值就被丟棄，s 仍維持 'exam'。因此 print(s) 的輸出是 exam。第4行是直接顯示 s.replace('e', 'E') 的回傳值，因此會輸出 Exam，但這同樣沒有改變 s 本身。若想保留結果，要像 s = s.upper() 這樣重新賦值。這與像列表的 sort() 那樣就地排序並回傳 None 的方法形成對比。

f-string的格式指定 :.2f 會把小數點以下四捨五入到2位後顯示，因此 2.71828 會變成 2.72。由於不是捨去，不會是 2.71；2.718 則是寫成 :.3f 時的值。第2行的 !r 是轉換指定，會以 repr() 的形式顯示該值。對字串使用時會帶上引號，因此是 'ok'；若不加 !r，就只會輸出 ok。格式指定的語法與 str.format() 相通，因此寫成 '{n:.2f}'.format(n=2.71828) 也能得到同樣的 2.72。

不帶引數呼叫 split() 時，會把連續的空白視為一個整體的分隔符，不會產生空元素。因此 'a b c'.split() 會是3個元素的 ['a', 'b', 'c']。若明確指定分隔字元寫成 'a b c'.split(' ')，則會以每個空白逐一切分，因此會留下空字串，變成4個元素的 ['a', 'b', '', 'c']。第2個引數是 maxsplit，表示分割次數的上限，傳入1的話只會切第一次，因此結果是 ['a', 'b,c']，剩下的部分不再切分、合併成一個元素。若省略則會像 ['a', 'b', 'c'] 那樣全部切開。

strip() 的引數是「要移除的字元集合」，只要兩端出現屬於該集合的字元，就會持續削去。它並不是只消除1個作為子字串的 'x'，因此 'xxabxx'.strip('x') 會把兩端所有的x都去掉，變成 ab。若以為只會消除1個字元，就會誤選 xabx。lstrip() 只以左端為對象，因此是 abxx；rstrip() 只以右端為對象，因此是 xxab。若省略引數，則會削去空白字元。由於是以集合方式處理，若寫成 'xxabxx'.strip('xa')，就會連左端的xx與a都被去除，只剩下b。

join() 會以呼叫端的字串作為分隔符，連接傳入的可迭代物件中的各個元素。字串本身也是能逐字取出的可迭代物件，因此 '-'.join('abc') 會把 'a'、'b'、'c' 以連字號連接，變成 a-b-c。分隔符只會加在元素與元素之間，不會加在開頭或末尾，因此不會是 -a-b-c-。變成不帶分隔符的 abc，是寫成 ''.join('abc') 的情況。* 運算子會把字串重複指定的次數，因此 'ab' * 3 是 ababab，中間不會加入空白。若想要 ab ab ab，要寫成 ' '.join(['ab'] * 3)。

find() 找不到子字串時會回傳 -1，不會產生例外。由於 'banana' 中沒有 'z'，因此是 -1。0是在開頭找到時的值，不要與找不到的情況搞混。index() 在找到時的回傳方式與 find() 相同，'banana' 中 'n' 第一次出現的索引是2，因此是2。變成3是把索引從1開始數、理解成「第3個字元」的情況；4則是最後出現的位置，若想取得這個值，要使用 rfind() 或 rindex()。兩者的差異只在於找不到的情況：index() 會拋出 ValueError: substring not found 並中止處理。

在字面值前加上 r 的raw字串中，反斜線不會被解讀為轉義的開始。r'a\nb' 是 a、反斜線、n、b共4個字元，因此len是4。另一方面，一般字串 'a\nb' 中的 \n 會被替換成1個換行字元，因此是 a、換行、b共3個字元，len是3。若把兩者都當作轉義來數會得到 3 3，都當作原始字元來數會得到 4 4，但重點在於是否有 r 會改變處理方式。即使加上r，型別仍維持一般的str，並不會變成特殊型別。順帶一提，len('\\') 是1，為了寫出1個反斜線字元才重複了2個。