Python 是面向对象的语言，所有数据类型的基础都是由类构成的。它的变量赋值不同于 c、c++和 java。该变量没有声明，它只是一个赋值语句。
>>>marks=79
Python 对象
Python 是一种动态类型语言。在代码执行之前，它不知道变量的数据类型。因此，声明是没有用的。该值存储在某个内存位置，该位置与标识符绑定在一起，使容器的内容可以通过该标识符进行访问。因此数据类型并不重要，特定标识符的类型在运行时是已知的。
因此，标识符可以与任何对象类型相关联，并可以在以后分配给相同或不同类型的另一个对象。
变量赋值的例子。作者的照片
如何创建对象？
创建类的新对象或新实例的过程称为实例化。一般来说，我们通过调用类的构造函数来实现。
制作类和对象的例子。作者的照片
python 的许多内置类支持指定新实例的文字形式。举个例子，
>>> Age = 20
创建 int 类的新实例，表达式中的术语 20 是文字形式。
Python 的内置类
在继续之前，我们应该知道什么是可变和不可变的类。类的不变性意味着该类的每个对象在实例化时指向一个固定的值，并且为它分配一个唯一的对象 ID。对象的类型是在运行时定义的，以后不能更改。然而，在可变的情况下，它的状态是可以改变的。
区分数据结构类型的表
布尔班
- 用于操作逻辑值。
- 该类仅有的两个实例被表示为文本 True 和 False。
- 默认情况下，构造函数 bool()返回 False。
- 任何计算为零的表达式为假，其余为真。
>>> result=bool()False>>>answer=True>>>print(answer)True
int 类
- 用于表示任意大小的整数值。
- 在某些情况下，用二进制、八进制和十六进制来表示整数值是很方便的。
>>> x=20 #decimal literal>>> y=0o47 #octal literal>>> z=0x1f #hexadecimal literal>>> w=0b10101 #binary literal
- 默认情况下，构造函数 int()返回值 0。
浮动类
- float 类是使用固定精度表示的主要浮点类型。
- 构造函数的 float()形式返回 0.0。
- 浮点值的另一种文字形式使用科学记数法。
数据结构的序列类型——列表、元组和字符串类
列表类
- 一个或多个数据项的有序集合可以是相同或不同的类型，用方括号括起来。
>>>myLIst = [“kajal”,2021,20,5.5,True]>>>myList[“kajal”,2021,20,5.5,True]
- 就像用其他语言声明的数组一样，索引从 0 到 n-1，其中 n 是列表的大小。列表数据类型非常灵活，因为元素不需要属于同一类型。
- 默认情况下，构造函数 list()返回一个空列表。这个构造函数可以接受任何 iterable 类型的参数。例如，
列表类的示例。作者的照片
元组类
- 与列表相同，但是不可变。
- 不可变的，因为不能在容器中添加和删除元素。
- 就地排序也做不到。
- 在 python 中，[]字符用来定界一个列表，类似地，括号()定界一个元组。
元组的例子。作者的照片
注意:对于单元素元组，表达式(element)不起作用，因为该表达式被视为简单的带括号的表达式，而不是元组元素。因此，元素后面应该跟一个逗号，如下所示:(element，)
例如，
元组的例子。作者的照片
str 类
- 字符串是字母、数字和其他符号的集合，也就是序列中的字符。使用单引号或双引号来区分字符串值和标识符。
>>>name=”Kajal”>>>newName=’Aman’
- 列表和字符串之间的一个主要区别是列表可以修改，而字符串不能，这意味着 str 类是不可变的，即列表元素可以使用赋值和索引来更改，而字符串的元素不能更改。
列表示例。作者的照片
- 三重引号用于代码中的多行字符串。这是因为换行符是自然嵌入的，而不是作为。
字符串的示例。作者的照片
set 和 frozenset 类
- Python 使用{}作为集合的分隔符。
- 这个集合类表示集合的数学概念，即不同元素的集合(没有重复)。
- 有两个重要的限制:
- 集合并不按照任何特定的顺序维护元素。
2.只有不可变类型的实例可以添加到 python 的集合中。
- frozenset 类是唯一的集合，但是不可变的。
- 哈希表是基于数据结构使用的。
器械包示例。作者的照片
字典类
Python 的 dict 和字典是一样的。它是从一组不同的键到相关值的映射。
- 字典字面量也使用花括号{}，这种字面量形式{}产生一个空字典。非空字典用一系列逗号分隔的键值对来表示。
字典例子。作者的照片
结论:
python 中的数据结构非常容易学习和理解。它们是编程语言的支柱。
我希望你喜欢这篇文章。通过我的 LinkedIn 和 twitter 联系我。
1.Python 最有用的 15 种 NumPy 方法 2。 NumPy:图像上的线性代数3。Python 中的异常处理概念 4。熊猫:处理分类数据 5。超参数:机器学习中的 RandomSeachCV 和 GridSearchCV 6。用 Python 7 全面讲解了线性回归。用 Python 充分解释了 Logistic 回归 8。数据分发使用 Numpy 与 Python 9。 40 种 Python 中最疯狂可用的方法 10。Python 中最常用的 20 种熊猫快捷方式