![[译] 关于 Python 中的数字你可能不知道的 3 件事_层次结构](https://s2.51cto.com/images/202206/48af68618439add97699125f5b3924bab4cce4.jpeg?x-oss-process=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_30,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=,x-oss-process=image/resize,m_fixed,w_1184)
如果您使用 Python 进行过任何编码，那么您很有可能在某个程序中使用了数字。例如，您可能使用整数来指定列表中值的索引。 但是 Python 中的数字不仅仅是它们的原始值。让我们看看你可能不知道的关于 Python 中数字的三件事。
1. 数字有方法
Python 中有个概念叫做：一切皆对象。您在 Python 中学习的第一个对象 "HelloWorld" 是表示字符串的 str 对象。
然后你学习了字符串有方法，例如 .lower() 方法，它返回一个全小写字符的新字符串：
>>> "HELLO".lower()
'hello'
比如首字母大写 capitalize(), 返回字符串的副本，其第一个字符大写，其余小写。
>>> mystring = "hello python"
>>> print(mystring.capitalize())
Hello python
Python 中的数字也是对象，就像字符串一样，也有自己的方法。例如，您可以使用 .to_bytes() 方法：
>>> n = 255
>>> n.to_bytes(length=2, byteorder="big")
b'\x00\xff'
其中，length 参数指定了要在字符串中使用的字节数，byteorder 参数确定字节的顺序。例如，将 byteorder 设置为 “big”会返回一个字节字符串，其中最重要的字节在前，而将 byteorder 设置为 "little" 则将最不重要的字节放在最前面。
>>> n.to_bytes(length=2, byteorder="little")
b'\xff\x00'
255 是可以表示为 8 位整数的最大整数，因此您可以在 .to_bytes() 中设置 length=1 也没有问题：
>>> n.to_bytes(length=1, byteorder="big")
b'\xff'
但是，如果在 .to_bytes() 中将 length=1 设置为 256，则会收到 OverflowError 错误：
>>> n = 256
>>> n.to_bytes(length=1, byteorder="big")
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
OverflowError: int too big to convert
您可以使用 .from_bytes() 类方法将字节字符串转换为整数：
>>> int.from_bytes(b'\x06\xc1', byteorder="big")
1729
类方法是从类名而不是类实例调用的，这就是在上面的 int 上调用 .from_bytes() 方法的原因。
浮点数也有方法。也许对浮点数最有用的方法是 .is_integer() ，它用于检查浮点数是否没有小数部分：
>>> n = 2.0
>>> n.is_integer()
True
>>> n = 3.14
>>> n.is_integer()
False
一种有趣的浮点方法是 .as_integer_ratio() 方法，它返回一个元组，其中包含表示浮点值的分数的分子和分母：
>>> n = 0.75
>>> n.as_integer_ratio()
(3, 4)
但是，由于浮点表示错误，此方法可能会返回一些意外值：
>>> n = 0.1
>>> n.as_integer_ratio()
(3602879701896397, 36028797018963968)
如果需要，您可以通过用括号括住文字来调用数字类型上的方法：
>>> (255).to_bytes(length=1, byteorder="big")
b'\xff'
>>> (3.14).is_integer()
False
如果你没有用括号括起整数文字，当你调用一个方法时你会看到一个 SyntaxError ——尽管奇怪的是，你不需要带有浮点文字的括号：
>>> 255.to_bytes(length=1, byteorder="big")
File "<stdin>", line 1
255.to_bytes(length=1, byteorder="big")
^
SyntaxError: invalid syntax
>>> 3.14.is_integer()
False
您可以在文档中找到 Python 数字类型可用方法的完整列表：
![[译] 关于 Python 中的数字你可能不知道的 3 件事_python_02](https://s2.51cto.com/images/blog/202206/22225726_62b32dd687d8b63241.png?x-oss-process=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_30,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=/resize,m_fixed,w_1184 "")
2. 数字有层次结构
在数学中，数字具有自然的层次结构。例如，所有自然数都是整数，所有整数都是有理数，所有有理数都是实数，所有实数都是复数。
Python 中的数字也是如此。这个“数字塔”通过 numbers 模块来表示。
数字塔
Python 中的每个数字都是 Number 类的一个实例：
>>> from numbers import Number
>>> # Integers inherit from Number
>>> isinstance(1729, Number)
True
>>> # Floats inherit from Number
>>> isinstance(3.14, Number)
True
>>> # Complex numbers inherit from Number
>>> isinstance(1j, Number)
True
如果您需要检查 Python 中的值是否为数字，但您不关心该值是什么类型的数字，请使用 isinstance(value, Number)。
Python 附带了四种额外的抽象类型，其层次结构从最通用的数字类型开始，如下所示：
- Complex 类用于表示复数。有一种内置的具体 Complex 类型：
complex。 - Real 类用于表示实数。有一种内置的具体 Real 类型：
float。 - Rational 类用于表示有理数。有一种内置的具体 Rational 类型：
Fraction。 - Integral 类用于表示整数。有两种内置的具体 Integral 类型：
int 和bool。
你可以在你的终端中验证所有这些：
>>> import numbers
>>> # Complex numbers inherit from Complex
>>> isinstance(1j, numbers.Complex)
True
>>> # Complex numbers are not Real
>>> isinstance(1j, numbers.Real)
False
>>> # Floats are Real
>>> isinstance(3.14, numbers.Real)
True
>>> # Floats are not Rational
>>> isinstance(3.14, numbers.Rational)
False
>>> # Fractions are Rational
>>> from fractions import Fraction
>>> isinstance(Fraction(1, 2), numbers.Rational)
True
>>> # Fractions are not Integral
>>> isinstance(Fraction(1, 2), numbers.Integral)
False
>>> # Ints are Integral
>>> isinstance(1729, numbers.Integral)
True
>>> # Bools are Integral
>>> isinstance(True, numbers.Integral)
True
>>> True == 1
True
>>> False == 0
True
不过，仔细看看，有几件事对 Python 的数字层次结构有些怪异。
Decimals 类型不适合上述的数字塔
Python 数字塔中的四种抽象类型对应的具体数值类型有四种：complex, float, Fraction, 和 int.
但是 Python 有第五种数字类型，即 Decimal 类，用于精确表示十进制数并克服浮点运算的限制。
你可能猜到 Decimal 数是实数，但你错了：
>>> from decimal import Decimal
>>> import numbers
>>> isinstance(Decimal("3.14159"), numbers.Real)
False
事实上，Decimal 数字继承自的唯一类型是 Python 的 Number 类：
>>> isinstance(Decimal("3.14159"), numbers.Complex)
False
>>> isinstance(Decimal("3.14159"), numbers.Rational)
False
>>> isinstance(Decimal("3.14159"), numbers.Integral)
False
>>> isinstance(Decimal("3.14159"), numbers.Number)
True
Decimal 不继承自 Integral 是有道理的。在某种程度上，Decimal 不继承自 Rational 也是有道理的。但是为什么 Decimal 不从 Real 或 Complex 继承呢？
答案就在CPython 源代码中：
Decimal 具有 Real abc 指定的所有方法，但不应将其注册为 Real，因为小数不与二进制浮点数互操作（例如：*Decimal('3.14') + 2.71828* 是不支持的）。但是，抽象实数预计可以互操作（即，如果 R1 和 R2 都是实数，则 *R1 + R2* 应该可以工作）。
这一切都归结为实现。
浮点数的奇怪之处
另一方面，浮点数实现了 Real 的抽象基类，并用于表示实数。但是，由于有限的内存约束，浮点数仅仅是实数的有限近似值。这令人困惑，如以下内容：
>>> 0.1 + 0.1 + 0.1 == 0.3
False
浮点数作为二进制分数存储在内存中，但这会导致一些问题。 就像分数一样 1/3 没有有限的十进制表示——小数点后有无数个三。 分数 1/10 没有有限二进制分数表示。换句话说，你不能以精确的精度将 0.1 存储在计算机上——除非那台计算机有无限的内存。
从严格的数学角度来看，所有浮点数都是有理数——除了 float("inf") 和 float("nan")。但是程序员使用它们来近似实数并将它们在大多数情况下视为实数。
float("nan") 是一个特殊的浮点值，表示“非数字”值——通常缩写为 NaN 值。但是由于 float 是数字类型，所以 isinstance(float("nan"), Number) 返回 True
没错：“不是数字”值是数字。("not a number" values are numbers.)
这就是浮点数的奇怪之处。
3. 数字可扩展性
Python 的抽象数字基类型允许您创建自己的自定义抽象和具体数字类型。
即利用 Python 中关于数字的类型，比如 numbers 中的类型，可以定义其他有特殊属性和方法的数字对象。
例如，考虑下面的类 ExtendedInteger，它实现了 a+b \sqrt p 形式的数字，其中 *a* **和 *b* 是整数，p** 是素数（请注意，类不强制素数）：
import math
import numbers
class ExtendedInteger(numbers.Real):
def __init__(self, a, b, p = 2) -> None:
self.a = a
self.b = b
self.p = p
self._val = a + (b * math.sqrt(p))
def __repr__(self):
return f"{self.__class__.__name__}({self.a}, {self.b}, {self.p})"
def __str__(self):
return f"{self.a} + {self.b}√{self.p}"
def __trunc__(self):
return int(self._val)
def __float__(self):
return float(self._val)
def __hash__(self):
return hash(float(self._val))
def __floor__(self):
return math.floor(self._val)
def __ceil__(self):
return math.ceil(self._val)
def __round__(self, ndigits=None):
return round(self._val, ndigits=ndigits)
def __abs__(self):
return abs(self._val)
def __floordiv__(self, other):
return self._val // other
def __rfloordiv__(self, other):
return other // self._val
def __truediv__(self, other):
return self._val / other
def __rtruediv__(self, other):
return other / self._val
def __mod__(self, other):
return self._val % other
def __rmod__(self, other):
return other % self._val
def __lt__(self, other):
return self._val < other
def __le__(self, other):
return self._val <= other
def __eq__(self, other):
return float(self) == float(other)
def __neg__(self):
return ExtendedInteger(-self.a, -self.b, self.p)
def __pos__(self):
return ExtendedInteger(+self.a, +self.b, self.p)
def __add__(self, other):
if isinstance(other, ExtendedInteger):
# If both instances have the same p value,
# return a new ExtendedInteger instance
if self.p == other.p:
new_a = self.a + other.a
new_b = self.b + other.b
return ExtendedInteger(new_a, new_b, self.p)
# Otherwise return a float
else:
return self._val + other._val
# If other is integral, add other to self's a value
elif isinstance(other, numbers.Integral):
new_a = self.a + other
return ExtendedInteger(new_a, self.b, self.p)
# If other is real, return a float
elif isinstance(other, numbers.Real):
return self._val + other._val
# If other is of unknown type, let other determine
# what to do
else:
return NotImplemented
def __radd__(self, other):
# Addition is commutative so defer to __add__
return self.__add__(other)
def __mul__(self, other):
if isinstance(other, ExtendedInteger):
# If both instances have the same p value,
# return a new ExtendedInteger instance
if self.p == other.p:
new_a = (self.a * other.a) + (self.b * other.b * self.p)
new_b = (self.a * other.b) + (self.b * other.a)
return ExtendedInteger(new_a, new_b, self.p)
# Otherwise, return a float
else:
return self._val * other._val
# If other is integral, multiply self's a and b by other
elif isinstance(other, numbers.Integral):
new_a = self.a * other
new_b = self.b * other
return ExtendedInteger(new_a, new_b, self.p)
# If other is real, return a float
elif isinstance(other, numbers.Real):
return self._val * other
# If other is of unknown type, let other determine
# what to do
else:
return NotImplemented
def __rmul__(self, other):
# Multiplication is commutative so defer to __mul__
return self.__mul__(other)
def __pow__(self, exponent):
return self._val <strong> exponent
def __rpow__(self, base):
return base </strong> self._val
您需要实现许多 dunder方法以确保具体类型实现 Real 接口。您还必须考虑 .__add__() 和 .__mul__() 等方法如何与其他 Real 类型交互。
实现 ExtendedInteger 后，您现在可以执行以下操作：
>>> a = ExtendedInteger(1, 2)
>>> b = ExtendedInteger(2, 3)
>>> a
ExtendedInteger(1, 2, 2)
>>> # Check that a is a Number
>>> isinstance(a, numbers.Number)
True
>>> # Check that a is Real
>>> isinstance(a, numbers.Real)
True
>>> print(a)
1 + 2√2
>>> a * b
ExtendedInteger(14, 7, 2)
>>> print(a * b)
14 + 7√2
>>> float(a)
3.8284271247461903
Python 的数字层次结构非常灵活。但是，当然，在实现派生自内置抽象基类型的类型时，您应该始终非常小心。你需要确保他们与其他人相处得很好。
在实现自定义数字类型之前，您应该阅读类型实现者的文档中有几个提示。仔细阅读 Fraction 的实现也很有帮助。
总结
所以文章你看完了。关于 Python 中的数字，您可能不知道的三件事（可能还有更多）：
- 数字有方法，就像 Python 中的几乎所有其他对象一样。
- 数字有一个层次结构，即使该层次结构被
Decimal 和float 滥用了一点。 - 您可以创建适合 Python 数字层次结构的自己的数字。
我希望你学到了一些新东西！ 参考链接：
