питон язык программирования что такое int
Числа: целые, вещественные, комплексные
Числа в Python 3: целые, вещественные, комплексные. Работа с числами и операции над ними.
Целые числа (int)
Числа в Python 3 ничем не отличаются от обычных чисел. Они поддерживают набор самых обычных математических операций:
Также нужно отметить, что целые числа в python 3, в отличие от многих других языков, поддерживают длинную арифметику (однако, это требует больше памяти).
Битовые операции
Над целыми числами также можно производить битовые операции
Дополнительные методы
Системы счисления
Те, у кого в школе была информатика, знают, что числа могут быть представлены не только в десятичной системе счисления. К примеру, в компьютере используется двоичный код, и, к примеру, число 19 в двоичной системе счисления будет выглядеть как 10011. Также иногда нужно переводить числа из одной системы счисления в другую. Python для этого предоставляет несколько функций:
Вещественные числа (float)
Вещественные числа поддерживают те же операции, что и целые. Однако (из-за представления чисел в компьютере) вещественные числа неточны, и это может привести к ошибкам:
Для высокой точности используют другие объекты (например Decimal и Fraction)).
Также вещественные числа не поддерживают длинную арифметику:
Простенькие примеры работы с числами:
Дополнительные методы
Помимо стандартных выражений для работы с числами (а в Python их не так уж и много), в составе Python есть несколько полезных модулей.
Модуль math предоставляет более сложные математические функции.
Модуль random реализует генератор случайных чисел и функции случайного выбора.
Комплексные числа (complex)
В Python встроены также и комплексные числа:
Для работы с комплексными числами используется также модуль cmath.
Работа с числами в Python
В этом материале рассмотрим работу с числами в Python. Установите последнюю версию этого языка программирования и используйте IDE для работы с кодом, например, Visual Studio Code.
В Python достаточно просто работать с числами, ведь сам язык является простым и одновременно мощным. Он поддерживает всего три числовых типа:
Хотя int и float присутствуют в большинстве других языков программирования, наличие типа комплексных чисел — уникальная особенность Python. Теперь рассмотрим в деталях каждый из типов.
Целые и числа с плавающей точкой в Python
Создание int и float чисел
Для создания целого числа нужно присвоить соответствующее значение переменной. Возьмем в качестве примера следующий код:
Здесь также не стоит использовать кавычки.
В Python также можно создавать крупные числа, но в таком случае нельзя использовать запятые.
Если попытаться запустить этот код, то интерпретатор Python вернет ошибку. Для разделения значений целого числа используется нижнее подчеркивание. Вот пример корректного объявления.
Значение выведем с помощью функции print :
Арифметические операции над целыми и числами с плавающей точкой
Сложение
Результатом будет сумма двух чисел, которая выведется в терминале.
Теперь запустим такой код.
В нем было выполнено сложение целого и числа с плавающей точкой. Можно обратить внимание на то, что результатом также является число с плавающей точкой. Таким образом сложение двух целых чисел дает целое число, но если хотя бы один из операндов является числом с плавающей точкой, то и результат станет такого же типа.
Вычитание
Положительные числа получаются в случае вычитания маленького числа из более крупного. Если же из маленького наоборот вычесть большое, то результатом будет отрицательно число. По аналогии с операцией сложения при вычитании если один из операндов является числом с плавающей точкой, то и весь результат будет такого типа.
Умножение
Если перемножить два целых числа, то результатом будет целое число. Если же использовать число с плавающей точкой, то результатом будет также число с плавающей точкой.
Деление
Деление без остатка
При обычном делении с использованием оператора / результатом будет точное число с плавающей точкой. Но иногда достаточно получить лишь целую часть операции. Для этого есть операции интегрального деления. Стоит рассмотреть ее на примере.
Результатом такой операции становится частное. Остаток же можно получить с помощью модуля, о котором речь пойдет дальше.
Остаток от деления
На этих примерах видно, как это работает.
Возведение в степень
Комплексные числа
Комплексные числа — это числа, которые включают мнимую часть. Python поддерживает их «из коробки». Их можно запросто создавать и использовать. Пример:
Функции int()
В языке программирования Python встроенная функция int() возвращает целое число в десятичной системе счисления (класс int).
Если вызвать функцию int() без аргументов, она вернет 0.
Чаще всего функции int() передают только один аргумент, который может быть либо строкой, либо числом. Строки должны быть символьными представлениями целого числа, иначе будет сгенерирована ошибка ValueError.
Если передать функции целое число, то она вернет его же. Если передать вещественное число, то оно будет округлено до целого в сторону нуля (т. е. дробная часть будет отброшена).
Попытка преобразовать строку, содержащую вещественное число, в целое число с помощью функции int() вызывает ошибку.
Отсюда следует, что если требуется преобразовать дробное число в строковом представлении в целое число, сначала надо использовать функцию float(), а затем int().
В случае, когда указывается второй аргумент для функции int(), первый всегда должен быть строкой. С помощью второго аргумента функции int() сообщается, в какой системе счисления находится число, указанное в строке первого аргумента. Функция int() возвращает его значение в десятичной системе счисления.
Для двоичной, восьмеричной и шестнадцатеричной систем счисления можно использовать префиксы. Если такое представление числа заключается в кавычки, то второй аргумент обязателен.
Итак, функция int() всегда возвращает десятичное целое число. Если преобразовать первый аргумент в десятичное число не удается, то генерируется ошибка.
Список типов данных в Python
Н ачнём с того, что все данные в Python являются объектами. Они могут создаваться нами вручную, либо быть изначально встроенными на уровне языка. Объект можно охарактеризовать, как особую область памяти, где хранятся некоторые значения и определённые для этих значений операции.
Проиллюстрировать фундаментальность объектов в разрезе Питона можно, приведя пример общего вида программы на этом языке. Итак:
Ну и вполне закономерно, что объекты можно классифицировать по их типам.
Что такое динамическая типизация
Прежде, чем мы приступим к рассмотрению наиболее употребляемых типов данных в Python, проведём небольшую параллель с другими языками программирования. Всё их множество можно разделить на две составляющие:
Нетипизированные языки в основной своей массе сосредоточены на низком уровне, где большинство программ напрямую взаимодействует с железом. Так как компьютер «мыслит» нулями и единицами, различия между строкой и, допустим, классом для него будут заключаться лишь в наборах этих самых 0 и 1. В связи с этим, внутри бестиповых языков, близких к машинному коду, возможны любые операции над какими угодно данными. Результат на совести разработчика.
Python же — язык типизированный. А, раз в нём определено понятия «типа», то должен существовать и процесс распознания и верификации этих самых «типов». В противном случае вероятны ситуации, когда логика кода окажется нарушенной, а программа выполнится некорректно.
Таким процессом и является типизация. В ходе её выполнения происходит подтверждение используемых типов и применение к ним соответствующих ограничений. Типизация может быть статической и динамической. В первом случае, проверка выполняется во время компиляции, во втором — непосредственно во время выполнения программного кода.
Python — язык с динамической типизацией. И здесь, к примеру, одна и та же переменная, при многократной инициализации, может являть собой объекты разных типов:
a = 1 print(type(a)) a = ‘one’ print(type(a)) a = <1: 'one'>print(type(a))
В языке со статической типизацией такой фокус не пройдёт:
💭 Адепты и приверженцы разных языков часто спорят о том, что лучше: динамическая типизация или статическая, но, само собой, преимущества и недостатки есть и там, и там.
👍 К плюсам динамической типизации можно отнести:
# список, элементами которого являются строка, целое число и кортеж variety_list = [‘String’, 42, (5,25)]
🙁 К минусам же динамической проверки типов можно отнести такие моменты, как:
Так или иначе, сказать, что «одно лучше другого» нельзя. Иначе «другого» бы не было. Динамически типизированные языки экономят уйму времени при кодинге, но могут обернуться неожиданными проблемами на этапе тестирования или, куда хуже, продакшена. Однако вряд ли кто-то будет спорить с тем, что динамический Python куда более дружелюбный для новичков, нежели статический C++.
Разница между атомарными и структурными типы данных
По одной из классификаций все типы данных в Python делятся на атомарные и ссылочные.
Разница между этими двумя группами уходит глубоко в корни языка. Вкратце:
Атомарные объекты, при их присваивании, передаются по значению, а ссылочные — по ссылке
# пример присваивания атомарного объекта atom = 3 btom = atom atom = 2 print(atom) > 2 print(btom) > 3
Из результатов видно, что переменной btom было присвоено именно значение, содержащееся в atom, а не ссылка, указывающая на область памяти.
Посмотрим, как это работает для структурных типов:
# пример присваивания ссылочного объекта link = [‘Ipona’, ‘Master Sword’] alin = link link[0] = ‘Zelda’ print(link) > [‘Zelda’, ‘Master Sword’] print(alin) > [‘Zelda’, ‘Master Sword’]
Поскольку списки — это ссылочные объекты, то вполне закономерно, что после присваивания переменной link переменной alin передалась именно ссылка на объект list-а и, при печати, на экран были выведены две одинаковые надписи.
Собственно, в этом и вся разница.
Числовые типы
«Все сущее есть Число» — сказал однажды мудрый грек по имени Пифагор. Числа — важнейший и фундаментальнейший из всех типов данных для всех языков программирования. В Python для их представления служит числовой тип данных.
int (целое число)
Концепция целых чисел проста и естественна. Это числа без дробной части, которые, говоря математическим языком, являются расширением натурального ряда, дополненного нулём и отрицательными числами.
Там, где есть числа, есть и математика. Поэтому резонно, что целые числа используются для исчисления всевозможных математических выражений. Также int применяется в качестве описаний количественных свойств какого-либо объекта.
float (число с плавающей точкой)
Действительные или вещественные числа придуманы для измерения непрерывных величин. В отличие от математического контекста, ни один из языков программирования не способен реализовать бесконечные или иррациональные числа, поэтому всегда есть место приближению с определенной точностью, из-за чего возможны такие ситуации:
print(0.3 + 0.3 + 0.3) > 0.8999999999999999 print(0.3 * 3 == 0.9) > False
В плане записи, float ничем не отличаются от int :
# примеры вещественных чисел zero = 0.0 pi = 3.14 e = 2.71
В плане использования — тоже, разве что в любых мало-мальски серьёзных вычислениях без float никуда.
complex (комплексное число)
Привет высшей математике! Как вещественный ряд расширяет множество рациональных чисел, так и ряд комплексных чисел расширяет множество вещественных. Показательной особенностью комплексного ряда является возможность извлечения корня из отрицательных чисел.
В Python комплексные числа задаются с помощью функции complex() :
# пример комплексного числа z = complex(1, 2) print(z) > (1+2j) # вещественная часть print(z.real) > 1.0 # мнимая часть print(z.imag) > 2.0 # сопряженное комплексное число print(z.conjugate()) > (1-2j)
Помните, что операция сравнения для комплексных чисел не определена:
z1 = complex(4, 5) z2 = complex(100, 200) print(z1 > z2) > Traceback (most recent call last): print(z1> z2) TypeError: ‘>’ not supported between instances of ‘complex’ and ‘complex’
Комплексные числа широко применяются, например, для решения дифференциальных уравнений.
Основные типы данных Python – что нужно знать
Переменные могут содержать значения, и каждое значение имеет тип данных. Python – это язык с динамической типизацией; следовательно, нам не нужно определять тип переменной при ее объявлении. Интерпретатор неявно связывает значение с его типом.
Переменная a содержит целочисленное значение 5, и мы не определили ее тип. Интерпретатор Python автоматически трактует переменные a как целочисленный тип.
Python позволяет нам проверить тип переменной, используемой в программе, предоставляя функцию type(), которая возвращает тип переданной переменной.
Рассмотрим следующий пример, чтобы определить значения различных типов данных Python и проверить их.
Стандартные типы данных
Переменная может содержать разные типы значений. Например, имя человека должно храниться в виде строки, а его идентификатор – в виде целого числа.
Python предоставляет различные стандартные типы данных, которые определяют метод хранения для каждого из них. Типы данных, определенные в Python, приведены ниже:
Мы подробно обсудим каждый из них в этом уроке.
Числа
Число хранит числовые значения. Целочисленные, плавающие и комплексные значения относятся к типу данных Python Numbers. Python предоставляет функцию type(), чтобы узнать тип данных переменной. Точно так же функция isinstance() используется для проверки принадлежности объекта к определенному классу.
Python создает объекты Number, когда номер присваивается переменной. Например:
Python поддерживает три типа числовых данных.
Последовательности
Строка
Строку можно определить как последовательность символов, представленных в кавычках. В Python мы можем использовать одинарные, двойные или тройные кавычки для определения строки.
Обработка строк в Python – простая задача, поскольку Python предоставляет встроенные функции и операторы для выполнения операций со строкой.
В случае обработки строк оператор + используется для объединения двух строк, поскольку операция «hello» + «python» возвращает «hello python».
Оператор * известен как оператор повторения, так как операция «Python» * 2 возвращает «Python Python».
В следующем примере показана строка в Python.
Список
Списки Python похожи на массивы в С++. Однако список может содержать данные разных типов. Элементы, хранящиеся в списке, разделяются запятой(,) и заключаются в квадратные скобки [].
Мы можем использовать операторы slice [:] для доступа к данным списка. Операторы конкатенации(+) и повторения(*) работают со списком так же, как они работали со строками.
Рассмотрим следующий пример.
Кортеж
Кортеж во многом похож на список. Как и списки, кортежи также содержат коллекцию элементов данных разных типов. Элементы кортежа разделяются запятой(,) и заключаются в круглые скобки().
Кортеж – это структура данных, доступная только для чтения, поскольку мы не можем изменять размер и значение элементов кортежа.
Давайте посмотрим на простой пример кортежа.
Словарь
Словарь – это неупорядоченный набор пары элементов “ключ-значение”. Это похоже на ассоциативный массив или хеш-таблицу, где каждый ключ хранит определенное значение. Ключ может содержать любой примитивный тип данных, тогда как значение – это произвольный объект Python.
Элементы в словаре разделяются запятой(,) и заключаются в фигурные скобки <>.
Рассмотрим следующий пример.
Логический тип данных
Тип Boolean предоставляет два встроенных значения: True и False. Эти значения используются для определения истинности или ложности данного утверждения. Обозначается классом bool. Истина может быть представлена любым ненулевым значением или ‘T’, тогда как ложь может быть представлена 0 или ‘F’. Рассмотрим следующий пример.
Набор
Python Set – это неупорядоченный набор типов данных. Он повторяемый, изменяемый(может изменяться после создания) и имеет уникальные элементы. В наборе порядок элементов не определен; он может вернуть измененную последовательность элемента. Набор создается с помощью встроенной функции set() или последовательность элементов передается в фигурных скобках и разделяется запятой. Он может содержать различные типы значений. Рассмотрим следующий пример.
| x | y | Побитовое или |
| x ^ y | Побитовое исключающее или |
| x & y | Побитовое и |
| x > y | Битовый сдвиг вправо |