Pythons datatyper og datastrukturer
Datatyper, lister og ordbøger
Pythons datatyper og datastrukturer er en gratis Python Academy-lektion på CoddyKit. Dette er lektion 2 af 5. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Python Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Python Academy-kurset indeholder 5 lektioner i alt.
Pythons grundlæggende datatyper
Pythons datatyper og datastrukturer
Python indeholder forskellige datatyper og datastrukturer, som gør det muligt at gemme og manipulere data effektivt. I denne lektion udforsker vi grundlæggende datatyper som heltal, decimaltal og strenge samt datastrukturer som lister og ordbøger.

Grundlæggende datatyper
Python har flere grundlæggende datatyper:
- Heltal: Hele tal (f.eks.
10). - Decimaltal: Tal med decimaler (f.eks.
3.14). - Streng: Tekst omgivet af anførselstegn (f.eks.
'Hello').
Lister
En liste er en samling elementer i en bestemt rækkefølge. Lister defineres ved hjælp af kantede parenteser ([]) og kan indeholde alle datatyper.
Eksempel:
my_list = [1, 2, 3, 'apple', 'banana']Adgang til listeelementer
Du kan få adgang til elementer i en liste ved hjælp af deres indeks. Indeksering starter ved 0 i Python.
Eksempel:
my_list[0] returnerer 1 fra listen [1, 2, 3].Ordbøger
En ordbog gemmer data i nøgleværdi-par. Den defineres ved hjælp af krøllede parenteser ({}).
Eksempel:
my_dict = {'name': 'Alice', 'age': 25}Adgang til værdier i ordbøger
Du kan få adgang til en værdi i en ordbog ved hjælp af dens nøgle.
Eksempel:
my_dict['name'] returnerer 'Alice' fra ordbogen {'name': 'Alice', 'age': 25}.Kombination af lister og ordbøger
Du kan placere lister i ordbøger eller ordbøger i lister for at skabe mere komplekse datastrukturer.
Eksempel:
my_data = {'fruits': ['apple', 'banana'], 'vegetables': ['carrot', 'spinach']}Opsummering
Du har lært om grundlæggende Python-datatyper og datastrukturer:
- Heltal: Til hele tal.
- Strenge: Til tekst.
- Lister: Ordnerede samlinger af elementer.
- Ordbøger: Nøgleværdi-par til strukturerede data.
Tillykke!
Du har gennemført lektionen om Pythons datatyper og datastrukturer. Fortsæt til næste lektion for at lære om filhåndtering i Python.

Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 76
- Lektioner
- 320
Ofte stillede spørgsmål
Er lektionen “Pythons datatyper og datastrukturer” gratis?
Ja — hele teksten til “Pythons datatyper og datastrukturer” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Python Academy-kurset, skal du opgradere til CoddyKit PRO. Python Academy-kurset indeholder 5 lektioner i alt.
Hvad lærer jeg i “Pythons datatyper og datastrukturer”?
Datatyper, lister og ordbøger Du øver dig i Python Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Python Academy?
Der kræves ingen tidligere erfaring. Python Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 2 af 5.
Hvor lang tid tager lektionen “Pythons datatyper og datastrukturer”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Python Academy-lektion?
Ja. Alle Python Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Python-biblioteker til AI
- Pythons datatyper og datastrukturer
- Filhåndtering i Python
- Fejlhåndtering i Python
- Opsætning af udviklingsmiljøet