跳到主要內容

Day 2 變數與資料型別

Day 2 變數與資料型別

引言

寫程式的過程中，變數與資料型別是處理資料的基礎。變數是存放資料的容器，資料型別則決定這筆資料有哪些特性、可以進行哪些操作。學會定義變數、認識各種資料型別，是學好 Python 的關鍵一步。

這篇文章會帶你了解 Python 中變數的觀念、如何定義變數，以及常見的資料型別，包括整數、浮點數、字串、布林值，還有串列、元組、字典與集合等容器型別。我們也會介紹變數的命名規則與撰寫風格建議，以及如何用 type() 檢查資料型別。

什麼是變數？如何在 Python 中定義變數

變數是在程式執行時用來存放資料的名稱。透過定義變數，我們可以給一筆資料一個名字，並在程式的其他地方用這個名字取用該筆資料。在 Python 中，變數不需要事先宣告型別，因為 Python 是動態型別語言，變數的型別由指定給它的值決定。

  1. 定義變數的基本語法

    在 Python 中定義變數非常簡單，只要用賦值符號 = 把值指定給變數即可。例如：

    x = 5  # 定義變數 x，並把整數 5 賦值給它
name = "Alice"  # 定義變數 name，並把字串 "Alice" 賦值給它

    在這裡，x 是一個變數，被賦予整數 5；name 是另一個變數，被賦予字串 "Alice"。

  2. 變數的更新與覆寫

    變數的值可以修改，也就是說，我們可以在程式的不同地方給同一個變數新的值。例如：

    x = 10  # x 最初被賦予 10
x = 15  # x 的值現在被更新為 15

    這樣就能依照需求，在程式執行過程中靈活調整變數的值。

  3. Python 的動態型別系統

    Python 和某些靜態型別語言不同，定義變數時不需要宣告型別。賦值時，Python 會根據值自動判斷變數的型別。例如：

    x = 5      # x 是整數
x = 3.14   # x 變成浮點數
x = "Hi"   # x 變成字串

    同一個變數在程式執行過程中可以存放不同型別的值，這是 Python 的彈性之一。

常見資料型別

在 Python 中，資料型別決定我們可以對變數進行哪些操作。理解常見的資料型別，是學會用 Python 處理各種資料的基礎。以下先介紹幾個基本的資料型別。

整數（int）

整數是不帶小數點的數字，可以是正數、負數或零。Python 可以處理非常大的整數，只要電腦的記憶體足夠，就沒有限制。

age = 25  # 定義整數變數 age
negative_number = -10  # 定義負整數

浮點數（float）

浮點數是帶有小數點的數字，用來表示非整數的數值。Python 中的浮點數通常對應數學上的實數，例如 3.14、-0.001 等。

pi = 3.14159  # 定義浮點數變數 pi
temperature = -5.5  # 定義負的浮點數

浮點數常用於涉及分數或小數的運算，特別是在科學計算與工程應用中。

字串（str）

字串是一連串字元組成的資料，通常用來表示文字。Python 的字串可以用單引號或雙引號定義，兩種寫法效果相同。

name = "Alice"  # 使用雙引號定義字串
greeting = 'Hello, world!'  # 使用單引號定義字串

字串可以進行多種操作，包括串接、重複和索引。

字串的串接

first_name = "John"
last_name = "Doe"
full_name = first_name + " " + last_name  # 用 + 串接字串
print(full_name)  # 輸出：John Doe

重複字串

repeat_str = "ha" * 3  # 重複字串 3 次
print(repeat_str)  # 輸出：hahaha

字串索引與切片

字串中的每個字元都有一個索引值，從 0 開始計算。可以透過索引取得特定字元，也可以用切片取出字串的一部分。

name = "Python"
print(name[0])  # 輸出：P
print(name[-1])  # 輸出：n（負索引表示從後面數回來）
print(name[1:4])  # 輸出：yth（從索引 1 開始，取到索引 4 之前）

布林值（bool）

布林值只有兩種可能的值：True（真）與 False（假）。這種資料型別在條件判斷與邏輯運算中非常重要。

is_python_fun = True
is_sun_hot = True
is_raining = False

布林值通常用在條件判斷中，幫助程式做出決定。

is_adult = True
if is_adult:
    print("You are an adult.")
else:
    print("You are not an adult.")

容器型別

在 Python 中，容器型別用來存放與操作多筆資料。它們比單一數值更靈活，可以輕鬆進行資料的新增、查詢與修改。常見的容器型別有串列（list）、元組（tuple）、字典（dict）與集合（set），每種各有特點，適合不同情境。

以下分別介紹這些容器型別的特點、操作方法與實際應用情境。

串列（list）

串列的特點

串列（list）是 Python 中最常用的容器型別之一，用來存放一組有序的元素。串列內的元素可以是任意型別，而且串列是可變的，可以修改、新增或刪除元素。串列使用方括號 [] 定義，元素之間以逗號分隔。

範例：

fruits = ["apple", "banana", "cherry"]
numbers = [1, 2, 3, 4, 5]
mixed_list = [1, "hello", 3.14, True]

串列的操作

Python 提供豐富的操作來處理串列，包括新增、刪除、查詢與修改元素。

存取元素：可以透過索引存取串列中的元素，索引從 0 開始。

fruits = ["apple", "banana", "cherry"]
print(fruits[0])  # 輸出 "apple"

修改元素：可以透過索引直接修改串列中的元素。

fruits[1] = "orange"
print(fruits)  # 輸出 ['apple', 'orange', 'cherry']

新增元素：使用 append() 可以把新元素加到串列尾端，或用 insert() 把元素插入指定位置。

fruits.append("grape")  # 把元素加到串列尾端
fruits.insert(1, "blueberry")  # 在索引 1 的位置插入元素
print(fruits)  # 輸出 ['apple', 'blueberry', 'orange', 'cherry', 'grape']

刪除元素：可以用 remove() 刪除指定元素，或用 pop() 刪除特定位置的元素。

fruits.remove("orange")  # 刪除 "orange"
fruits.pop(0)  # 刪除索引 0 的元素
print(fruits)  # 輸出 ['blueberry', 'cherry', 'grape']

串列長度：使用 len() 函式可以取得串列的元素個數。

print(len(fruits))  # 輸出 3

串列切片：可以使用切片取得串列的一部分。

print(fruits[1:3])  # 輸出 ['cherry', 'grape']

串列應用情境

串列非常有彈性，適合存放與操作多筆相關資料。例如，可以用串列存放學生姓名、一組數字或不同類型的物品。串列也很容易和迴圈（例如 for 迴圈）搭配，逐筆處理資料。

元組（tuple）

元組的特點

元組（tuple）和串列類似，也是有序的元素集合，可以包含不同型別的元素。差別在於元組是不可變的，一旦建立就無法修改內容。元組使用小括號 () 定義。

範例：

coordinates = (10.0, 20.0)
person_info = ("Alice", 25, "New York")

元組中的元素可以透過索引存取，但無法修改或刪除。

元組的操作

存取元素：透過索引存取元組中的元素。

print(coordinates[0])  # 輸出 10.0

長度：使用 len() 函式取得元組長度。

print(len(coordinates))  # 輸出 2

切片：元組也支援切片操作。

print(person_info[0:2])  # 輸出 ('Alice', 25)

元組不可變的特性，讓它在某些情況下更安全，因為內容不會被意外修改。

元組應用情境

元組的不可變性讓它特別適合存放不應該被修改的資料，例如座標、設定值，或作為字典的鍵。由於元組不可變，Python 也能對它進行一些最佳化，因此元組的操作速度通常比串列快。

字典（dict）

字典的特點

字典（dict）用來存放鍵值對（key-value pair），每個鍵都是唯一的，並對應到一個值。字典使用花括號 {} 定義，鍵與值之間用冒號 : 分隔，各組鍵值對之間用逗號分隔。從 Python 3.7 開始，字典會保留插入順序。

範例：

person = {
    "name": "Alice",
    "age": 25,
    "city": "New York"
}

在這個例子中，"name" 是一個鍵，對應的值是 "Alice"；"age" 是另一個鍵，對應的值是 25。

字典的操作

存取值：可以透過鍵存取字典中的值。

print(person["name"])  # 輸出 "Alice"

修改值：可以透過鍵修改字典中的值。

person["age"] = 30
print(person["age"])  # 輸出 30

新增鍵值對：可以直接指定新的鍵值對。

person["email"] = "alice@example.com"
print(person)  # 輸出新增後的字典

刪除鍵值對：可以使用 del 關鍵字刪除指定的鍵值對。

del person["city"]
print(person)  # 輸出刪除 "city" 後的字典

取得所有鍵：使用 keys() 方法取得字典中的所有鍵。

print(person.keys())  # 輸出 dict_keys(['name', 'age', 'email'])

取得所有值：使用 values() 方法取得字典中的所有值。

print(person.values())  # 輸出 dict_values(['Alice', 30, 'alice@example.com'])

字典長度：使用 len() 函式取得字典中鍵值對的數量。

print(len(person))  # 輸出 3

字典應用情境

字典在存放與查詢資料上非常有效率，特別適合用來儲存需要快速查找的鍵值對資料，例如使用者資料、設定值，或其他透過鍵找值的結構。在實際開發中，字典經常被用來實現對應與查詢功能。

集合（set）

集合的特點

集合（set）是無序、不含重複元素的容器。集合內的元素必須是可雜湊（hashable）的物件，例如整數、字串、元組；集合本身是可變的，可以新增或刪除元素。集合使用花括號 {} 定義，寫法和字典類似，但集合只存放元素，沒有鍵值對。

範例：

numbers = {1, 2, 3, 4, 5}

集合中的每個元素都是唯一的，重複的元素會自動去除。

範例：

duplicates = {1, 2, 2, 3, 4, 4, 5}
print(duplicates)  # 輸出 {1, 2, 3, 4, 5}

集合的操作

新增元素：使用 add() 方法可以新增元素。

numbers.add(6)
print(numbers)  # 輸出 {1, 2, 3, 4, 5, 6}

刪除元素：使用 remove() 或 discard() 方法可以刪除集合中的元素。

numbers.remove(3)
print(numbers)  # 輸出 {1, 2, 4, 5, 6}

集合運算：集合支援常見的數學集合運算，例如聯集、交集與差集。

聯集（union）：回傳兩個集合中所有不重複的元素。

a = {1, 2, 3}
b = {3, 4, 5}
print(a | b)  # 輸出 {1, 2, 3, 4, 5}

交集（intersection）：回傳兩個集合中都存在的元素。

print(a & b)  # 輸出 {3}

差集（difference）：回傳只存在於其中一個集合的元素。

print(a - b)  # 輸出 {1, 2}

檢查元素是否存在：可以使用 in 運算子檢查元素是否在集合中。

print(1 in numbers)  # 輸出 True
print(7 in numbers)  # 輸出 False

集合應用情境

集合適合需要去除重複資料的情境。例如，可以用集合存放資料集中唯一的元素，或找出兩組資料的共同元素與差異。在處理大量資料時，集合的查找與比較操作通常比串列更有效率。

小結語

Python 的容器型別提供豐富的工具來處理各種資料結構需求。串列是靈活的有序集合，適合經常修改的資料；元組是不可變的有序集合，適合存放固定資料；字典是高效的鍵值對集合，適合快速查找；集合則是無序、去重的資料集合，適合集合運算與去重。

型別 語法 可變 順序 適合情境
串列 list [1, 2, 3] 可變 有序 需要經常新增、修改、刪除的元素集合
元組 tuple (1, 2, 3) 不可變 有序 不該被修改的固定資料，例如座標、設定值
字典 dict {"key": "value"} 可變 有序（3.7 版起保留插入順序） 需要用鍵快速查值的資料
集合 set {1, 2, 3} 可變 無序 去重與集合運算

了解這些容器型別的特性與使用情境，可以幫助你在寫 Python 時選對資料結構，讓程式更有效率、也更好讀。在日常開發中，這些容器能大幅簡化資料處理流程，讓程式碼更簡潔明確。

變數命名規則與風格建議

為了讓程式碼更容易閱讀，Python 有一套變數命名的規則與風格建議：

  1. 變數名稱只能包含字母、數字與底線，而且不能以數字開頭。例如 name_1 是合法名稱，1_name 則不合法。
  2. 變數名稱區分大小寫，age 和 Age 是兩個不同的變數。
  3. 使用能描述用途的名稱：變數名稱應該清楚表達用途。例如 count 比 c 更好，因為它更具描述性。
  4. 遵循 Python 命名風格：Python 變數一般使用蛇形命名法（snake_case），也就是用底線分隔單字。例如 student_name 是良好的變數名稱。

type() 函式檢查資料型別

有時我們需要檢查變數的資料型別，確認是否符合預期。Python 提供內建函式 type()，可以用來檢查變數的型別。

x = 10
print(type(x))  # 輸出：<class 'int'>
name = "Alice"
print(type(name))  # 輸出：<class 'str'>

type() 函式在除錯和檢查變數型別時非常有用。

結語

理解變數與資料型別是掌握 Python 的關鍵。透過今天的文章，你已經學會如何定義變數，也認識了 Python 常見的資料型別，包括整數、浮點數、字串、布林值，以及串列、元組、字典與集合。掌握這些基礎，能幫助你在接下來的學習中處理更複雜的資料結構與邏輯。

明天，我們會進一步探討 Python 的運算子與邏輯運算，並學習如何用條件判斷讓程式做決定。

標籤：

留言

張貼留言

這個網誌中的熱門文章

Day 1 Python 簡介與環境設定

Day 1 Python 簡介與環境設定 引言 在現在的科技環境裡，程式設計已經是一項重要技能。無論你是對資料科學有興趣、想成為開發者，或是想踏入人工智慧（AI）領域，學會寫程式都能明顯提升你的競爭力。在眾多程式語言中，Python 因為語法簡單、功能強大、應用範圍廣泛，成為許多人進入程式世界的第一選擇。這篇文章會帶你認識 Python 的背景與優勢，並一步步教你在不同系統上安裝與設定 Python 開發環境，最後寫出第一支 Python 程式。 為什麼選擇 Python？ Python 是一種高階程式語言，由 Guido van Rossum 在 1991 年發布。Python 的設計哲學強調程式碼的可讀性，並用縮排來定義程式區塊，這點和許多使用大括號的語言不同。簡潔的語法讓它成為初學者的理想選擇；就算是經驗豐富的開發者，也能用它完成複雜的專案。 Python 的優勢如下： 簡單易學 ：Python 的語法清楚、結構簡潔，初學者很快就能上手。和其他語言相比，學習曲線相對平緩，不需要先弄懂一堆複雜觀念，就能開始寫程式。 應用範圍廣泛 ：從資料科學、網頁開發、人工智慧、機器學習、自動化測試到網路爬蟲，Python 都有大量開源函式庫與工具支援，而且在這些領域都扮演關鍵角色。 豐富的函式庫與框架 ：Python 的函式庫生態系非常龐大。做資料分析有 NumPy、Pandas；開發網站有 Django、Flask；做深度學習有 TensorFlow、PyTorch。各種需求幾乎都能找到對應的套件，讓開發更有效率。 跨平台支援 ：Python 支援 Windows、macOS、Linux 等作業系統，程式通常不需要太多修改就能跨平台執行，讓開發與部署更有彈性。 活躍的社群 ：Python 擁有龐大的開發者社群。學習或開發上遇到問題，幾乎都能在社群與論壇（例如 Stack Overflow）找到答案，對初學者來說是很強的後盾，也能減少卡關時的挫折感。 Python 的應用領域 Python 的流行與強大功能，讓許多領域都開始大量使用它。以下是幾個常見的應用方向： 資料科學 ：隨著大數據與人工智慧興起，資料科學大量使用 Python。NumPy、Pandas 與 Matplotlib 等工具能處理和分析龐...
張貼留言
閱讀完整內容

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門

Python 從入門到 PyTorch 深度學習：開啟 AI 世界的大門 隨著人工智慧（AI）與深度學習（Deep Learning）快速發展，越來越多人對這些技術產生興趣。不論你是想踏入 AI 領域的初學者，還是已經有程式基礎的開發者，學好 Python 與深度學習框架（例如 PyTorch），都能為你打開更多可能。 為什麼選擇 Python？ Python 已經是資料科學與人工智慧領域的首選語言。它的語法簡潔、容易上手，而且擁有龐大的生態系與大量開源函式庫。無論是資料處理、資料視覺化，還是建立機器學習與深度學習模型，Python 都能勝任。對想進入 AI 或資料科學領域的人來說，它幾乎是必備工具。 PyTorch 是什麼？ PyTorch 是由 Meta（原 Facebook）AI 研究團隊開發的開源深度學習框架，以易用、靈活和動態計算圖著稱，是許多 AI 研究人員與開發者的首選。相較於其他框架，PyTorch 的寫法更貼近原生 Python，對初學者相對友善。無論是簡單的實驗，還是複雜的深度學習模型，PyTorch 都能提供強大的支援。 這個系列能帶給你什麼？ 這個系列會從 Python 的基礎開始，帶你一步一步學習，最後能自己用 PyTorch 建立深度學習模型。即使你完全沒有寫過程式，也能跟著文章的節奏累積技能，理解 AI 與深度學習的核心觀念。 本系列涵蓋的主題 Python 基礎：從變數、條件判斷到函式與模組。 資料處理工具：用 NumPy 與 Pandas 有效率地操作資料。 資料視覺化：用 Matplotlib 與 Seaborn 把資料畫成圖表。 深度學習的數學基礎：線性代數、微積分與機率。 PyTorch 入門：理解張量、模型建構與 GPU 加速。 基礎深度學習模型：CNN 與 RNN 的實作應用。 深度學習專案實戰：從資料前處理到模型部署的端到端流程。 誰適合這個系列？ 程式初學者 ：如果你對 AI 充滿好奇，卻還沒寫過程式，系列的第一部分會帶你快速上手 Python，並幫助你理解深度學習的基本觀念。 資料科學愛好者 ：如果你已經熟悉一些資料處理方法，進階部分會教你如何用 PyTorch 建構深度學習模型。 開發者與研究人員 ：想更深入了...
張貼留言
閱讀完整內容