Python中的数据类型：
根据其自身的范围，可以分为两类："数字"型，"容器"型
"数值"型：int, float, complex, bool, None
"容器"型：list, tuple, set, dict, str
一 "数字"型：
int就是数学中的整数数字。例：1， 2， 3， 4
float就是数学中的小数数字。例：1.2， 2.3， 3.4
complex就是数学中的复数，分为整数部和虚数部。例：1+2j， 2+3j， 3+4j
当然上面三个类型的运算也是遵循数学运算的
num1 = 1
num11 = 3
num2 = 1.2
num21 = 2.3
num3 = 1 + 2j
num31 = 2 + 3j
num12 = num1 + num11
num22 = num2 + num21
num32 = num3 + num31
print(num12, num22, num32)
4 3.5 (3+5j)bool有两个值，在Python中它是True和False，也可以是0和1因此在这里我在这里把他归为数值型
None本身就是一个空，就是其实并不归为数字型，这里为了方便理解我将它归为这一类。它是一个特殊的常量，可以将它赋值给别的变量，但是不能对它进行赋值；跟任何数据类型比较都会返回false；有自己的数据类型。
简单的理解希望能让您受到启发
print(bool(0))
print(bool(1), bool(2))
print(type(None))
False
True True
<class 'NoneType'>二"容器"型
序列
顾名思义就是有序的多个元素的组合
list 列表:定义一个列表用“[]”定义，内部可以包含多个任意数据类型元素，以“，”号隔开。能够进行增删改查，排序等操作。通过内置函数append，extend,insert可以对其进行增加元素，pop, remove进行删除i，进行ndex访问内部元素，sort进行排序。
lt = [1, 2, 3, 4, 5, 6]
# 修改元素
lt[0] = 100
# 追加元素
lt.append(200)
# 追加列表
# lt.append([200, 300])
lt.extend([200, 300])
# 插入元素
lt.insert(2, 400)
lt.insert(4, 400)
# 删除元素
del lt[0]
# 根据数值进行删除,默认删除最后面一个
lt.remove(200)
# 弹出式删除,弹出最后面一个数值
f = lt.pop()
# 索引,找到最靠前那一个的下标,若索引你没找到，会报错
print(lt.index(400))
# 统计
print(lt.count(200))
# 排序
lt.reverse() # 表示逆序
lt.sort(reverse=True) # 按照数值的降序
print(lt)
1
1
[400, 400, 200, 6, 5, 4, 3, 2]tuple元组:定义一个元组用“（）”定义，内部可以包含多个人任意数据类型的的元素，以“，”号隔开。能通过index来进行访问。不能对内部元素进行更改，如果内部元素是一个支持更改的容器，可以对元素内部进行更改。还有一点就是因为小括号进行定义，怕与语法中的小括号混淆，当定义一个元素的时候后面要带一个逗号。
tp = (1, 2, 3, 4, 5, 1, 2, 3, 1, 3, 2, 2, 1)
tp2 = (4, 5, 6)
tp.index(2)
print(tp.index(2),type(list(tp)))
C:\Users\lixia\AppData\Local\Programs\Python\Python36\python.exe D:/python/test/boke/1227.py
1 <class 'list'>str字符串:定义字符串使用“ '' ”," '' ' ",一对单引号，一对双引号，三对单引号，三队双引号进行定义。字符串灵活多变有多重方式支持增删改查。以及正则表达式专门对字符串进行处理，eval，repr等多种内置函数可以对其进行操作。简单说一下例如：split对其切割，join字符串拼接，find进行查找，count进行统计等等。
映射
通俗理解就是一对一，能通过一个元素找到另一个元素。
dict字典：就是一个映射类数据类型。通过大括号“{}”进行定义，内部元素成对出现，一个元素由一个key，一个value中间通过冒号：进行连接，其中key只能是字符串，数字，元组；value可以是任意数据类型，通常叫做键值对。同样可以对其内部元素进行增删改查多种操作。字典的访问时通过访问通过索引键来访问值。常用到的访问方法.keys(), .values(),get()；修改方法setdefault,update,元素.[key]=value，删除方法pop,popitem多种方法对其进行操作，这里我们只列出经常使用的几种。
dic = {'name': 'dahua', 'age': '18'}
# 当键不存在时，会报 KeyError
# 可以通过get()方法获取值，即使不存在也不会报错，会返回None
print(dic.get('weight'))
# 可以设置默认值，有对应的键返回其值，没有的话返回默认值
print(dic.get('weight', 75))
print(dic['name'])
None
75
dahua集合
集合是一种无序的多个数据类型的元素的组合
set集合：集合也是通过大括号“{}”记性定义，内部可是多个任意数据类型得元素。集合能够对其内部元素进行增删操作，add函数进行增加操作，remove，discard，pop对其进行删除操作，还有一些函数像difference，intersection，union来处理集合之间的函数来实现它的并集，交集，差集的操作。
ss = {'李白', '杜甫', '白居易', '苏轼'}
ss1 = {'李白', '李商隐', '苏轼'}
print(ss & ss1)
print(ss | ss1)
print(ss - ss1)
{'李白', '苏轼'}
{'白居易', '李白', '苏轼', '杜甫', '李商隐'}
{'白居易', '杜甫'}容器类数据类型每一个对其进行操作的方法尽量都进行手动实现，在这里我只进行一些比较常用的内置函数进行实现其功能，还对一些比较特殊的方法进行实现说明。
延伸
在Python的内置数据类型中，不存在数组这种类型。但是一些其他的计算机语言有这种数据类型。其中列表类似于数组的类型。但是Python是一门可以扩展的语言，其中有一个numpy库实现数组这个类型，可以通过numpy.arry([[1, 2, 3, 4][5, 6, 7, 8]])来进行定义数组。下面来演示一下数组的基础运算，对比列表进行学习。
import numpy as np
x = [1, 2, 3, 4]
y = [5, 6, 7, 8]
ax = np.array([1, 2, 3, 4])
ay = np.array([5, 6, 7, 8])
# 类型
print(type(x), type(ax))
# 加法运算
print(10+ax)
print(x+y, ax+ay)
# 乘法运算
print(ax*10)
print(x*2, ax*ay)
# 多维数组
axx = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12],
[13, 14, 15, 16]])
xx=[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]]
print(axx[1], xx[1])
print("快乐的分割线-----------------------------------------------------------------------快乐的分割线")
print(axx[:, 2])
print(axx[1:3, 1:3])
print("快乐的分割线-----------------------------------------------------------------------快乐的分割线")
print(axx + 100)
print(axx*100)打印测试
C:\Users\lixia\AppData\Local\Programs\Python\Python36\python.exe D:/python/py/1217-share/1217-array.py
<class 'list'> <class 'numpy.ndarray'>
[11 12 13 14]
[1, 2, 3, 4, 5, 6, 7, 8] [ 6 8 10 12]
[10 20 30 40]
[1, 2, 3, 4, 1, 2, 3, 4] [ 5 12 21 32]
[5 6 7 8] [5, 6, 7, 8]
快乐的分割线-----------------------------------------------------------------------快乐的分割线
[ 3 7 11 15]
[[ 6 7]
[10 11]]
快乐的分割线-----------------------------------------------------------------------快乐的分割线
[[101 102 103 104]
[105 106 107 108]
[109 110 111 112]
[113 114 115 116]]
[[ 100 200 300 400]
[ 500 600 700 800]
[ 900 1000 1100 1200]
[1300 1400 1500 1600]]可以参考学习，numpy这个模块对于是一个非常基础并且重要的数据处理库。
