python中的可变与不可变数据类型（随手记）

一、内置数据类型

在 Python 中，数据类型可以分为不可变（immutable）和可变（mutable）两类。这个区别非常重要，因为它影响了数据如何在程序中被处理和修改。

不可变类型（Immutable）

不可变类型创建后其内容不能被改变。这包括：

1. 整数（Integers）
2. 浮点数（Floats）
3. 复数（Complex Numbers）
4. 布尔值（Booleans）
5. 字符串（Strings）
6. 元组（Tuples）
7. 冻结集合（Frozensets）

当这些类型的对象被创建后，它们所存储的值就不能被修改。任何对它们的修改实际上都会创建一个新的对象。

可变类型（Mutable）

可变类型的对象创建后其内容可以被改变。这包括：

1. 列表（Lists）
2. 字典（Dictionaries）
3. 集合（Sets）
4. 字节数组（Byte Arrays）

这些类型的对象可以在它们被创建后修改，比如添加、删除或更改其内部的元素。

理解哪些数据类型是可变的，哪些是不可变的，对于编写有效和可预测的 Python 代码非常重要。不可变类型有助于确保数据的一致性和程序的可靠性，而可变类型则提供了更大的灵活性和动态性。

二、扩展包数据类型

在 Python 中，除了内置的可变和不可变类型，还有许多常用的扩展包提供了自己的数据类型，这些类型可以是可变的或不可变的。以下是一些常见的扩展包和它们提供的数据类型：

1. NumPy：

   • 可变类型：numpy.ndarray 是 NumPy 的核心数组类型，它是可变的。你可以更改数组中的元素、调整数组形状等。
   • 不可变类型：NumPy 没有专门的不可变数组类型，但数组的某些操作（如 reshape）会返回原数组的视图而不是一个完全独立的副本。

2. Pandas：

   • 可变类型：DataFrame 和 Series 是 Pandas 中的两个主要数据类型，它们都是可变的。可以更改其中的数据、添加或删除列（对于 DataFrame）、添加或删除行等。

3. Collections（Python 标准库的一部分）：

   • 可变类型：collections.deque, collections.defaultdict, collections.Counter 等。
   • 不可变类型：collections.namedtuple 创建的是不可变对象。

4. Immutable.js（在 Python JavaScript 环境中使用）：

   • 不可变类型：这个库提供了多种不可变数据结构，如 List, Stack, Map 等。

5. 其他第三方库：

   • 根据具体库的设计，可能会提供自定义的可变或不可变类型。例如，图形处理库可能会有自定义的可变图形对象类型，科学计算库可能会有特殊的数组或矩阵类型。

这些第三方库扩展了 Python 的数据类型系统，为不同的应用领域提供了专门的工具和结构。在使用这些库时，了解它们提供的数据类型及其可变性特点是非常重要的，这有助于更高效和安全地处理数据。