计算与推断思维 四、数据类型
四、数据类型
原文:Data Types
译者:飞龙
自豪地采用谷歌翻译
每个值都有一个类型,内建的type
函数返回任何表达式的结果的类型:
type(3)
int
type(3/1)
float
表达式的type
是其最终值的类型。 所以,type
函数永远不会表明,表达式的类型是一个名称,因为名称总是求值为它们被赋予的值。
x = 3
type(x) # The type of x is an int, not a name
int
我们已经遇到的另一种类型是内置函数。 Python 表明这个类型是一个builtin_function_or_method
;函数和方法之间的区别在这个阶段并不重要。
type(abs)
builtin_function_or_method
这一章会探索其他实用的数据类型。
字符串
世界上大部分的数据都是文本,计算机中表示的文本被称为字符串。 字符串可以代表一个单词,一个句子,甚至是图书馆中每本书的内容。 由于文本可以包含数字(如5
)或布尔值(True
),字符串也可以描述这些东西。
表达式的含义取决于其结构和正在组合的值的类型。 因此,例如,将两个字符串加在一起会产生另一个字符串。 这个表达式仍然是一个加法表达式,但是它组合了一个不同类型的值。
"data" + "science"
'datascience'
加法完全是字面的;它将这两个字符串组合在一起而不考虑其内容。 它不增加空间,因为这些是不同的词;它取决于程序员(你)来指定。
"data" + " " + "science"
'data science'
单引号和双引号都可以用来创建字符串:'hi'
和"hi"
是相同的表达式。 双引号通常是首选,因为它们允许在字符串中包含单引号。
"This won't work with a single-quoted string!"
"This won't work with a single-quoted string!"
为什么不能? 试试看。
str
函数返回任何值的字符串表示形式。 使用此函数,可以构建具有嵌入值的字符串。
"That's " + str(1 + 1) + ' ' + str(True)
"That's 2 True"
字符串方法
可以使用字符串方法,从现有的字符串中构造相关的字符串,这些方法是操作字符串的函数。 这些方法通过在字符串后面放置一个点,然后调用该函数来调用。
例如,以下方法生成一个字符串的大写版本。
"loud".upper()
'LOUD'
也许最重要的方法是replace
,它替换字符串中的所有子字符串的实例。 replace
方法有两个参数,即被替换的文本和替代值。
'hitchhiker'.replace('hi', 'ma')
'matchmaker'
字符串方法也可以使用变量名称进行调用,只要这些名称绑定到字符串。 因此,例如,通过首先创建"ingrain"
然后进行第二次替换,以下两个步骤的过程从"train"
生成"degrade"
一词。
s = "train"
t = s.replace('t', 'ing')
u = t.replace('in', 'de')
u
'degrade'
注意t = s.replace('t', 'ing')
的一行,不改变字符串s
,它仍然是"train"
。 方法调用s.replace('t', 'ing')
只有一个值,即字符串"ingrain"
。
s
'train'
这是我们第一次看到方法,但是方法并不是字符串仅有的。 我们将很快看到,其他类型的对象可以拥有它们。
比较
布尔值通常来自比较运算符。 Python 包含了各种比较值的运算符。 例如,3 > 1 + 1
。
3 > 1 + 1
True
值True
表明这个比较是有效的;Python 已经证实了3
和1 + 1
之间关系的这个简单的事实。下面列出了一整套通用的比较运算符。
比较 | 运算符 | True 示例 | False 示例 |
---|---|---|---|
小于 | < | 2 < 3 | 2 < 2 |
大于 | > | 3 > 2 | 3 > 3 |
小于等于 | <= | 2 <= 2 | 3 <= 2 |
大于等于 | >= | 3 >= 3 | 2 >= 3 |
等于 | == | 3 == 3 | 3 == 2 |
不等于 | != | 3 != 2 | 2 != 2 |
一个表达式可以包含多个比较,并且为了使整个表达式为真,它们都必须有效。 例如,我们可以用下面的表达式表示1 + 1
在1
和3
之间。
1 < 1 + 1 < 3
True
两个数字的平均值总是在较小的数字和较大的数字之间。 我们用下面的数字x
和y
来表示这种关系。 你可以尝试不同的x
和y
值来确认这种关系。
x = 12
y = 5
min(x, y) <= (x+y)/2 <= max(x, y)
True
字符串也可以比较,他们的顺序是字典序。 较短的字符串小于以较短的字符串开头的较长的字符串。
"Dog" > "Catastrophe" > "Cat"
True
序列
值可以分组到集合中,这允许程序员组织这些值,并使用单个名称引用它们中的所有值。 通过将值分组在一起,我们可以编写代码,一次执行许多数据计算。
在几个值上调用make_array
函数,将它们放到一个数组中,这是一种顺序集合。 下面,我们将四个不同的温度收集到一个名为temps
的数组中。 这些分别是 1850 年,1900 年,1950 年和 2000 年的几十年间,地球上所有陆地的估计日平均绝对高温(摄氏度),表示为 1951 年至 1980 年间平均绝对高温的偏差,为 14.48 度。
集合允许我们使用单个名称,将多个值传递给一个函数。 例如,sum
函数计算集合中所有值的和,len
函数计算其长度。 (这是我们放入的值的数量。)一起使用它们,我们可以计算一个集合的平均值。
sum(highs)/len(highs)
14.434000000000001
日高温和低温的完整图表在下面。
日高温均值
日低温均值
数组
Python 中有很多种类的集合,我们在这门课中主要使用数组。 我们已经看到,make_array
函数可以用来创建数值的数组。
数组也可以包含字符串或其他类型的值,但是单个数组只能包含单一类型的数据。 (无论如何,把不相似的数据组合在一起,通常都没有意义)。例如:
english_parts_of_speech = make_array("noun", "pronoun", "verb", "adverb", "adjective", "conjunction", "preposition", "interjection")
english_parts_of_speech
array(['noun', 'pronoun', 'verb', 'adverb', 'adjective', 'conjunction',
'preposition', 'interjection'],
dtype='<U12')
译者注:
import numpy as np make_array = lambda *args: np.asarray(args)
返回到温度数据,我们创建 1850 年,1900 年,1950 年和 2000 年的几十年间,日平均高温的数组。
baseline_high = 14.48
highs = make_array(baseline_high - 0.880,
baseline_high - 0.093,
baseline_high + 0.105,
baseline_high + 0.684)
highs
array([ 13.6 , 14.387, 14.585, 15.164])
数组可以用在算术表达式中来计算其内容。 当数组与单个数组合时,该数与数组的每个元素组合。 因此,我们可以通过编写熟悉的转换公式,将所有这些温度转换成华氏温度。
(9/5) * highs + 32
array([ 56.48 , 57.8966, 58.253 , 59.2952])
数组也有方法,这些方法是操作数组值的函数。 数值集合的均值是其总和除以长度。 以下示例中的每对括号都是调用表达式的一部分;它调用一个无参函数来对数组highs
进行计算。
highs.size
4
highs.sum()
57.736000000000004
highs.mean()
14.434000000000001
数组上的函数
numpy
包,在程序中缩写为np
,为 Python 程序员提供了创建和操作数组的,方便而强大的函数。
import numpy as np
例如,diff
函数计算数组中每两个相邻元素之间的差。 差数组的第一个元素是原数组的第二个元素减去第一个元素。
np.diff(highs)
array([ 0.787, 0.198, 0.579])
完整的 Numpy 参考详细列出了这些功能,但一个小的子集通常用于数据处理应用。 它们分组到了np
中不同的包中。 学习这些词汇是学习 Python 语言的重要组成部分,因此在你处理示例和问题时,请经常回顾这个列表。
但是,你不需要记住这些,只需要将它用作参考。
每个这些函数接受数组作为参数,并返回单个值。
函数 | 描述 |
---|---|
np.prod | 将所有元素相乘 |
np.sum | 将所有元素相加 |
np.all | 测试是否所有元素是真值 (非零数值是真值) |
np.any | 测试是否任意元素是真值(非零数值是真值) |
np.count_nonzero | 计算非零元素的数量 |
每个这些函数接受字符串数组作为参数,并返回数组。
函数 | 描述 |
---|---|
np.char.lower | 将每个元素变成小写 |
np.char.upper | 将每个元素变成大写 |
np.char.strip | 移除每个元素开头或末尾的空格 |
np.char.isalpha | 每个元素是否只含有字母(没有数字或者符号) |
np.char.isnumeric | 每个元素是否只含有数字(没有字母) |
每个这些函数接受字符串数组和一个搜索字符串。
函数 | 描述 |
---|---|
np.char.count | 在数组的元素中,计算搜索字符串的出现次数 |
np.char.find | 在每个元素中,搜索字符串的首次出现位置 |
np.char.rfind | 在每个元素中,搜索字符串的最后一次出现位置 |
np.char.startswith | 每个字符串是否以搜索字符串起始 |
范围
范围是一个数组,按照递增或递减的顺序排列,每个元素按照一定的间隔分开。 范围在很多情况下非常有用,所以值得了解它们。
范围使用np.arange
函数来定义,该函数接受一个,两个或三个参数:起始值,终止值和“步长”。
如果将一个参数传递给np.arange
,那么它将成为终止值,其中start = 0
,step = 1
。 两个参数提供了起始值和终止值,step = 1
。 三个参数明确地提供了起始值,终止值和步长。
范围始终包含其start
值,但不包括其end
值。 它按照step
计数,并在到达end
之前停止。
np.arange(end): An array starting with 0 of increasing consecutive integers, stopping before end.
np.arange(5)
array([0, 1, 2, 3, 4])
要注意,数值从0
起始,并仅仅增加到4
,并不是5
。
np.arange(start, end): An array of consecutive increasing integers from start, stopping before end.
np.arange(3, 9)
array([3, 4, 5, 6, 7, 8])
np.arange(start, end, step): A range with a difference of step between each pair of consecutive values, starting from start and stopping before end.
np.arange(3, 30, 5)
array([ 3, 8, 13, 18, 23, 28])
这个数组从3
起始,增加了步长5
变成8
,然后增加步长5
变成13
,以此类推。
当你指定步长时,起始值、终止值和步长可正可负,可以是整数也可以是分数。
np.arange(1.5, -2, -0.5)
array([ 1.5, 1. , 0.5, 0. , -0.5, -1. , -1.5])
示例:莱布尼茨的 π 公式
伟大的德国数学家和哲学家戈特弗里德·威廉·莱布尼茨(Gottfried Wilhelm Leibniz,1646 ~ 1716年)发现了一个简单分数的无穷和。 公式是:
虽然需要一些数学来确定它,但我们可以用数组来说服我们自己,公式是有效的。 让我们计算莱布尼茨的无穷和的前 5000 个项,看它是否接近 π。
我们将计算这个有限的总和,首先加上所有的正项,然后减去所有负项的和 [1]:
[1] 令人惊讶的是,当我们将无限多个分数相加时,顺序可能很重要。但是我们对 π 的近似只使用了大量的数量有限的分数,所以可以按照任何方便的顺序,将这些项相加。
和中的正项的分母是1, 5, 9
,以此类推。数组by_four_to_20
包含17
之前的这些数。
by_four_to_20 = np.arange(1, 20, 4)
by_four_to_20
array([ 1, 5, 9, 13, 17])
为了获得 π 的准确近似,我们使用更长的数组positive_term_denominators
。
positive_term_denominators = np.arange(1, 10000, 4)
positive_term_denominators
array([ 1, 5, 9, ..., 9989, 9993, 9997])
我们实际打算加起来的正项,就是一除以这些分母。
positive_terms = 1 / positive_term_denominators
负向的分母是3, 7, 11
,以此类推。这个数组就是positive_term_denominators
加二。
negative_terms = 1 / (positive_term_denominators + 2)
整体的和是:
4 * ( sum(positive_terms) - sum(negative_terms) )
3.1413926535917955
这非常接近于π = 3.14159...
。莱布尼茨公式看起来不错。