Python 中主要数据类型分类及特性总结（附：可哈希 (Hashable) 与 不可哈希 (Unhashable) 详解）

本文系统总结了Python中的数据类型分类及特性。

---

主要内容包括：

1. 数据类型分类：基本类型（int/float/str等）、序列类型（list/tuple/range）、映射类型（dict）、集合类型（set/frozenset）和二进制序列类型（bytes/bytearray）；
2. 类型特性对比：可变性（list/dict可变，tuple/str不可变）、有序性（list有序，set无序）和可哈希性（可哈希类型可作为字典键）；
3. 可哈希性详解：定义了可哈希对象的条件（不可变、有哈希值、可比较相等），列举了常见可哈希与不可哈希类型，并说明了可哈希性的实际应用场景；
4. 类型转换与判断方法。

---

全文通过对比表格和示例代码，清晰展示了Python数据类型的核心特性与使用要点。

Python 中主要数据类型分类总结

一、基本数据类型

二、序列类型

三、映射类型

四、集合类型

五、二进制序列类型

六、各类型对比速查

可变 vs 不可变

有序 vs 无序

可哈希 vs 不可哈希

七、类型判断与转换

八、各类型字面量速查

提示：Python 是动态强类型语言，变量无需声明类型，但不同类型之间通常不会自动转换。

可哈希 (Hashable) 与 不可哈希 (Unhashable) 详解

一、什么是哈希？

哈希是将任意大小的数据（如字符串、数字）通过哈希函数转换成固定长度的唯一标识（哈希值）的过程。

python

# 哈希值示例 hash(42) # 输出: 42 hash("hello") # 输出: -2091548855179221912 hash((1,2,3)) # 输出: 529344067295497451

二、可哈希类型的特征

一个对象是可哈希的，需要满足以下条件：

1. ✅有哈希值- 实现__hash__()方法

2. ✅可比较相等- 实现__eq__()方法

3. ✅不可变- 创建后内容不能改变

三、常见可哈希与不可哈希类型

四、为什么需要可哈希？

可哈希对象可以：

• 作为字典的键(dict key)

• 作为集合的元素(set element)

python

# ✅ 正确：使用可哈希类型作为字典键 d = { 1: "整数键", # int 可哈希 "name": "字符串键", # str 可哈希 (1,2): "元组键" # tuple 可哈希 } # ✅ 正确：使用可哈希类型作为集合元素 s = {1, 2, 3, "a", (4,5)} # ❌ 错误：使用不可哈希类型作为字典键 d = {[1,2]: "列表键"} # TypeError: unhashable type: 'list' # ❌ 错误：使用不可哈希类型作为集合元素 s = {[1,2], [3,4]} # TypeError: unhashable type: 'list'

五、特殊情况：元组的可哈希性

元组本身不可变，但它的可哈希性取决于内部元素：

python

# ✅ 元组内都是可哈希元素 → 元组可哈希 t1 = (1, 2, "a") hash(t1) # 成功 # ❌ 元组内包含不可哈希元素 → 元组不可哈希 t2 = (1, [2, 3], "a") hash(t2) # TypeError: unhashable type: 'list'

六、如何判断对象是否可哈希？

python

# 方法1：使用 hash() 函数测试 def is_hashable(obj): try: hash(obj) return True except TypeError: return False print(is_hashable(42)) # True print(is_hashable("hello")) # True print(is_hashable([1,2])) # False print(is_hashable({1,2})) # False # 方法2：使用 collections.abc.Hashable from collections.abc import Hashable print(isinstance(42, Hashable)) # True print(isinstance([1,2], Hashable)) # False

七、实际应用场景

场景1：去重时的问题

python

data = [1, 2, 2, [3,4], [3,4], 5] # ❌ 错误：直接对包含列表的列表用 set() 去重 unique = set(data) # TypeError: unhashable type: 'list' # ✅ 解决：转换为可哈希形式 unique = set(tuple(x) if isinstance(x, list) else x for x in data) # 结果: {1, 2, 5, (3, 4)}

场景2：缓存/记忆化

python

from functools import lru_cache @lru_cache(maxsize=128) def fibonacci(n): """缓存需要参数可哈希""" if n < 2: return n return fibonacci(n-1) + fibonacci(n-2) # ✅ 参数 int 可哈希，可以缓存 fibonacci(10) # ❌ 如果参数是列表，不能使用 lru_cache

场景3：字典统计频率

python

# ✅ 使用可哈希类型作为键 freq = {} words = ["apple", "banana", "apple"] for word in words: freq[word] = freq.get(word, 0) + 1 # word 是 str，可哈希 # ❌ 不能统计列表的频率 data = [[1,2], [1,2], [3,4]] freq = {} for item in data: freq[item] = freq.get(item, 0) + 1 # TypeError

八、如何让自定义类可哈希？

python

class Point: def __init__(self, x, y): self.x = x self.y = y # 实现 __hash__ 方法 def __hash__(self): return hash((self.x, self.y)) # 实现 __eq__ 方法 def __eq__(self, other): if not isinstance(other, Point): return False return self.x == other.x and self.y == other.y # 使其不可变（可选） def __setattr__(self, name, value): if hasattr(self, name): raise AttributeError(f"Cannot modify {name}") super().__setattr__(name, value) # 现在 Point 对象可以作为字典键 p1 = Point(1, 2) p2 = Point(1, 2) d = {p1: "A点"} print(d[p2]) # "A点"，因为 p1 == p2

九、快速总结表

记忆口诀：可变不可哈希，不可变可哈希。字典的键和集合的元素，都必须是可哈希。