数据科学中的 Python 数据类型
int、float、complex、bool、str——精度和类型选择如何影响数据分析
数据科学中的 Python 数据类型 是 CoddyKit 上的免费 Learn AI with Python 课时。 这是第 3 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 Learn AI with Python 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 Learn AI with Python 课程共包含 4 节课。
数据科学中的数字
Python 有两种核心数值类型：int（任意精度的整数）和 float（64 位 IEEE 754 浮点数）。选择正确的类型可以避免隐蔽的数据错误。
int 精确且无界
Python 整数永远不会溢出。只要内存允许，它们就可以不断增大，非常适合表示精确计数和计算大型阶乘。
big = 2 ** 200
print(big)
print(type(big)) # <class 'int'>float 的精度陷阱
浮点数无法精确表示每一个十进制数。一个经典的意外结果是：0.1 + 0.2 并不恰好等于 0.3。
print(0.1 + 0.2) # 0.30000000000000004
print(0.1 + 0.2 == 0.3) # False安全地比较浮点数
绝不要使用 == 测试浮点数。请改用带容差的 math.isclose。
import math
print(math.isclose(0.1 + 0.2, 0.3)) # True使用 Decimal 处理金额
对于货币，请使用 decimal.Decimal，它会存储精确的十进制值。请始终从字符串构造 Decimal，而不是从浮点数构造，以避免继承浮点数误差。
from decimal import Decimal
price = Decimal("0.10") + Decimal("0.20")
print(price) # 0.30bool 是 int 的子类
在 Python 中，True 等于 1，False 等于 0。因此可以对布尔值求和来统计匹配项。
mask = [True, False, True, True]
print(sum(mask)) # 3 matches
print(True + True) # 2使用布尔值计数
这种将 bool 视为 int 的行为在 NumPy 和 pandas 中随处可见：对布尔掩码求和，就能统计满足条件的行数。
ages = [12, 20, 35, 17, 40]
adults = sum(a >= 18 for a in ages)
print(adults) # 3使用 type() 检查类型
type(x) 会返回值的确切类。在某一列意外包含字符串而不是数字时，这很有用。
print(type(5)) # <class 'int'>
print(type(5.0)) # <class 'float'>
print(type("5")) # <class 'str'>使用 isinstance() 检查类型
相比 type ==，更推荐使用 isinstance，因为它会遵循继承关系。请注意，bool 能通过针对 int 的检查。
print(isinstance(5, int)) # True
print(isinstance(True, int)) # True (bool subclasses int)
print(isinstance(5.0, (int, float))) # True类型强制转换陷阱
混合不同类型会静默地进行强制转换；浮点数的整数除法结果仍是浮点数；将数字与字符串连接会引发 TypeError。请尽早清理数据类型。
print(5 / 2) # 2.5 (true division always float)
print(5 // 2) # 2 (floor division)
# "id-" + 5 # TypeError
print("id-" + str(5)) # id-5聚合中的浮点数意外结果
对大量浮点数求和会累积微小误差。对于大型数据集，优先使用 NumPy，它采用成对求和来减少误差漂移。
vals = [0.1] * 10
print(sum(vals)) # 0.9999999999999999
# NumPy: np.sum(vals) is more numerically stable快速检查
测试您对 Python 类型的掌握情况。
总结
数据处理中的关键数值知识：
int精确且无界float是近似值，应使用math.isclose而不是==- 使用
Decimal("...")处理金额 bool属于 int：sum(mask)可进行计数type()显示类，isinstance()遵循继承关系- 注意除法和连接操作中的静默类型强制转换
常见问题解答
「数据科学中的 Python 数据类型」课时是免费的吗？
是的 — 「数据科学中的 Python 数据类型」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 Learn AI with Python 课程的其余内容，请升级到 CoddyKit PRO。 Learn AI with Python 课程共包含 4 节课。
「数据科学中的 Python 数据类型」这节课中我会学到什么？
int、float、complex、bool、str——精度和类型选择如何影响数据分析 你通过在浏览器中直接运行的动手代码来练习 Learn AI with Python，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 Learn AI with Python 需要有经验吗？
无需任何先前经验。CoddyKit 上的 Learn AI with Python 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 3 节课，共 4 节。
「数据科学中的 Python 数据类型」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 Learn AI with Python 课中编写并运行代码吗？
能。每节 Learn AI with Python 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。
此课程中的所有课时
- 虚拟环境与 pip
- 用于数据科学的 Jupyter Notebook
- 数据科学中的 Python 数据类型
- 使用 Python REPL 和 IPython