Leer AI met Python · Les

Python-gegevenstypen voor data science

int, float, complex, bool, str — hoe precisie en typekeuze de data-analyse beïnvloeden.

Les 3 van 413 stappen

Python-gegevenstypen voor data science is een gratis Leer AI met Python-les op CoddyKit. Dit is les 3 van 4. Je kunt 3 lessen uit dit leerpad gratis volledig lezen — daarna ontgrendelt CoddyKit PRO alle lessen, plus praktische oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. Deze les maakt deel uit van het leertraject Leer AI met Python. Je voortgang wordt gesynchroniseerd op het web en in de CoddyKit-app. De cursus Leer AI met Python bevat in totaal 4 lessen.

Getallen in datawetenschap

Python heeft twee belangrijke numerieke typen: int (gehele getallen met willekeurige precisie) en float (decimale getallen volgens IEEE 754 van 64 bits). Door het juiste type te kiezen voorkom je subtiele fouten in je gegevens.

int is exact en onbegrensd

Python-gehele getallen lopen nooit over. Ze groeien zo groot als het geheugen toestaat, wat ideaal is voor exacte tellingen en grote faculteiten.

big = 2 ** 200
print(big)
print(type(big))   # <class 'int'>

Valkuilen met de precisie van float

Floats kunnen niet elk decimaal getal exact weergeven. De bekende verrassing: 0.1 + 0.2 is niet exact 0.3.

print(0.1 + 0.2)          # 0.30000000000000004
print(0.1 + 0.2 == 0.3)   # False

Floats veilig vergelijken

Test floats nooit met ==. Gebruik in plaats daarvan math.isclose met een tolerantie.

import math
print(math.isclose(0.1 + 0.2, 0.3))  # True

Decimal voor geldbedragen

Gebruik voor valuta decimal.Decimal, dat exacte waarden in grondtal 10 opslaat. Maak Decimals altijd vanuit strings, niet vanuit floats, om te voorkomen dat je de fout van floats overneemt.

from decimal import Decimal
price = Decimal("0.10") + Decimal("0.20")
print(price)   # 0.30

bool is een subklasse van int

In Python is True gelijk aan 1 en False gelijk aan 0. Daardoor kun je booleans optellen om overeenkomsten te tellen.

mask = [True, False, True, True]
print(sum(mask))      # 3 matches
print(True + True)    # 2

Tellen met booleans

Dit gedrag van bool als int zie je overal in NumPy en pandas: door een booleaans masker op te tellen, tel je hoeveel rijen aan een voorwaarde voldoen.

ages = [12, 20, 35, 17, 40]
adults = sum(a >= 18 for a in ages)
print(adults)   # 3

Het type bekijken met type()

type(x) retourneert de exacte klasse van een waarde. Dat is handig wanneer een kolom onverwacht tekenreeksen in plaats van getallen bevat.

print(type(5))      # <class 'int'>
print(type(5.0))    # <class 'float'>
print(type("5"))    # <class 'str'>

Het type controleren met isinstance()

Gebruik liever isinstance dan type ==, omdat het rekening houdt met overerving. Let erop dat een bool slaagt voor een int-controle.

print(isinstance(5, int))        # True
print(isinstance(True, int))     # True (bool subclasses int)
print(isinstance(5.0, (int, float)))  # True

Valkuilen bij typeconversie

Bij het mengen van typen vindt stilzwijgend typeconversie plaats. Delen van gehele getallen door floats levert floats op; een getal samenvoegen met een tekenreeks veroorzaakt een TypeError. Maak je gegevenstypen vroeg schoon.

print(5 / 2)        # 2.5  (true division always float)
print(5 // 2)       # 2    (floor division)
# "id-" + 5         # TypeError
print("id-" + str(5))  # id-5

Verrassingen met floats bij aggregatie

Bij het optellen van veel floats stapelen kleine fouten zich op. Gebruik voor grote gegevensverzamelingen liever NumPy, dat paarsgewijs optellen gebruikt om afwijkingen te beperken.

vals = [0.1] * 10
print(sum(vals))    # 0.9999999999999999
# NumPy: np.sum(vals) is more numerically stable

Korte controle

Test je kennis van Python-typen.

Beantwoord dit in de interactieve les

Samenvatting

Belangrijke numerieke feiten voor dataverwerking:

int is exact en onbegrensd
float is benaderend; gebruik math.isclose en niet ==
Decimal("...") voor geldbedragen
bool is een int: sum(mask) telt
type() toont de klasse, isinstance() houdt rekening met overerving
Let op stille typeconversie bij delen en samenvoegen

Gratis beginnen

Leer Python met een AI-tutor — gratis

Schrijf echte code en voer die uit in je browser, krijg direct hulp van een AI-tutor die 24/7 beschikbaar is en ga verder waar je gebleven bent op het web of in de app.

Cursussen: 53
Lessen: 225

Gratis beginnen met leren Bekijk de volledige cursus

Veelgestelde vragen

Is de les “Python-gegevenstypen voor data science” gratis?

Ja — je kunt hier op het web alle 3 lessen van het leerpad Leer AI met Python, waaronder “Python-gegevenstypen voor data science”, gratis volledig lezen. Daarna ontgrendelt CoddyKit PRO alle lessen, plus interactieve oefeningen met een ingebouwde code-editor en een AI-tutor die 24/7 beschikbaar is. De cursus Leer AI met Python bevat in totaal 4 lessen.

Wat leer ik in “Python-gegevenstypen voor data science”?

int, float, complex, bool, str — hoe precisie en typekeuze de data-analyse beïnvloeden. Je oefent met Leer AI met Python door code rechtstreeks in de browser uit te voeren. Een AI-begeleider die 24/7 beschikbaar is beantwoordt je vragen terwijl je de les doorwerkt.

Heb ik ervaring nodig om met Leer AI met Python te beginnen?

Ervaring vooraf is niet nodig. Leer AI met Python op CoddyKit is opgebouwd voor beginners tot gevorderden, zodat je hier of bij het begin kunt starten en in je eigen tempo kunt leren. Dit is les 3 van 4.

Hoe lang duurt de les “Python-gegevenstypen voor data science”?

De meeste lessen van CoddyKit duren ongeveer 5–10 minuten. Elke les is kort en interactief, zodat je gestaag vooruitgaat en op het web en in de app precies verdergaat waar je was gebleven.

Kan ik code schrijven en uitvoeren in deze les over Leer AI met Python?

Ja. Elke les over Leer AI met Python bevat een ingebouwde code-editor, zodat je rechtstreeks in je browser echte code kunt schrijven en uitvoeren en direct feedback van AI krijgt — lokale installatie is niet nodig.

Alle lessen in deze cursus

← Terug naar Leer AI met Python