2.【Python】Python3 基本数据类型

第一步：分析与整理基本数据类型

1. 变量与赋值

• Python 变量不需要声明类型，赋值即创建。
• 变量本身无类型，类型依附于对象。
• 等号=赋值，左边变量名，右边值。

counter=100# 整型变量miles=1000.0# 浮点型变量name="runoob"# 字符串

多变量赋值：

a=b=c=1# 三个变量指向同一个整数对象a,b,c=1,2,"runoob"# 分别赋值不同类型

查看类型：type(variable)或isinstance(variable, type)

x=10print(type(x))# <class 'int'>print(isinstance(x,int))# True

type()与isinstance()区别：

• type()不认为子类是父类类型。
• isinstance()会认为子类是父类类型。

2. 标准数据类型概览

3. Number（数字）

• 支持int,float,bool,complex。
• 只有一种整数类型int，无长度限制。
• 布尔是int子类：True→1,False→0。

a,b,c,d=20,5.5,True,4+3jprint(type(a),type(b),type(c),type(d))# <class 'int'> <class 'float'> <class 'bool'> <class 'complex'>

数值运算：

5+4# 94.3-2# 2.33*7# 212/4# 0.5 (浮点数除法)2//4# 0 (整数除法，向下取整)17%3# 2 (取余)2**5# 32 (乘方)

删除对象引用：del var1, var2

进制字面量：

• 二进制：0b10(2)
• 八进制：0o17(15)
• 十六进制：0x69(105)
• 注意 Python 3 不允许前导零（如080非法）。

4. String（字符串）

• 单引号'或双引号"均可。
• 使用\转义，r前缀表示原始字符串。
• 字符串不可变。

索引与切片：[start:end:step]，start 包含，end 不包含。

my_str='Runoob'print(my_str[0:-1])# Runooprint(my_str[2:5])# nooprint(my_str*2)# RunoobRunoobprint(my_str+"TEST")# RunoobTEST

原始字符串：print(r'Ru\noob')输出Ru\noob（\n 不转义）。

多行字符串：三引号'''...'''或"""..."""。

5. bool（布尔类型）

• 只有True和False。
• 是int子类，可参与算术运算：True + 1→2。
• 使用bool()转换：bool(0)→False，bool(42)→True。
• 空值/空序列转换为False：None,0,0.0,'',[],(),{}等。

print(TrueandFalse)# Falseprint(TrueorFalse)# Trueprint(notTrue)# False

⚠️ 警告：1 is True会引发SyntaxWarning，因为is比较对象身份，应使用==比较值。

6. List（列表）

• 可变序列，元素类型可不同，支持嵌套。
• 用方括号[]，逗号分隔。

my_list=['abcd',786,2.23,'runoob',70.2]print(my_list[1:3])# [786, 2.23]my_list[0]=9# 修改元素my_list[2:5]=[]# 删除索引 2~4 的元素

常用操作：+拼接，*重复，append(),pop()等方法。

步长切片：my_list[1:4:2]每隔一个取一个。负数步长可反向。

7. Tuple（元组）

• 不可变序列，用小括号()。
• 单元素元组需加逗号：tup2 = (20,)。

my_tuple=('abcd',786,2.23,'runoob',70.2)print(my_tuple[1:3])# (786, 2.23)# my_tuple[0] = 'x' # 错误！不可变

元组可包含可变对象（如列表），但元组本身的引用不可变。

8. Set（集合）

• 无序、不重复、可变。
• 用大括号{}或set()创建。空集合必须用set()（因为{}是空字典）。

sites={'Google','Taobao','Runoob'}a=set('abracadabra')# {'a','b','c','d','r'}b=set('alacazam')# {'a','c','l','m','z'}print(a-b)# 差集print(a|b)# 并集print(a&b)# 交集print(a^b)# 对称差集

9. Dictionary（字典）

• 键值对映射，键必须不可变（数字、字符串、元组等），值任意。
• 用大括号{}或dict()创建。
• Python 3.7+ 保持插入顺序。

my_dict={'name':'runoob','code':1}print(my_dict['name'])# 访问my_dict['site']='www.runoob.com'# 添加print(my_dict.keys())# dict_keys(['name', 'code', 'site'])

字典推导式：{x: x**2 for x in (2,4,6)}→{2:4, 4:16, 6:36}

10. bytes 类型

• 不可变的二进制序列，元素是 0~255 的整数。
• 创建：b'hello'或bytes("hello", encoding="utf-8")。

x=b"hello"print(x[0])# 104 (ASCII of 'h')y=x[1:3]# b'el'z=x+b"world"# b'helloworld'

常用于处理文件、网络二进制数据。

11. 数据类型转换函数

第二步：费曼学习法教学

核心思想：把数据想象成不同的“容器”

Python 中的变量就像一个贴标签。你不必事先告诉电脑这个标签会贴在什么形状的盒子上，你只需要把盒子（对象）贴好标签（赋值），电脑自己知道盒子里是什么。

1. 变量赋值：贴标签

counter=100# 把标签 counter 贴在装有整数 100 的盒子上

你可以同时贴多个标签指向同一个盒子：a = b = c = 1。
也可以一次贴多个不同盒子：a, b, c = 1, 2, "runoob"。

关键点：变量本身没有类型，盒子里的东西才有类型。所以a = 10后，a = "hello"完全合法 —— 标签可以撕下来贴到另一个盒子上。

2. 为什么需要区分可变和不可变？

• 不可变（数字、字符串、元组）：盒子里的东西不能改变。如果要修改，只能造一个新盒子，然后把标签贴过去。例如s = "hello"，你不能改s[0]，只能s = "j" + s[1:]。
• 可变（列表、字典、集合）：盒子里的东西可以增删改，标签还贴在原盒子上。例如lst = [1,2,3]，你可以lst[0]=99，盒子还是那个盒子。

好处：不可变类型更安全（如字典的键必须是不可变的），函数传参时不会被意外修改。

3. 列表 vs 元组：什么时候用哪个？

• 列表[1,2,3]：可变的，像购物清单，随时增减。常用。
• 元组(1,2,3)：不可变的，像身份证号码，一旦定义不能改。用于保护数据或作为字典的键。

4. 集合：自动去重，快速成员检测

fruits={'apple','banana','apple'}# 自动去重 -> {'apple', 'banana'}if'apple'infruits:# 极快print("有苹果")

实际应用：统计唯一IP地址、标签去重、集合运算（共同好友）。

5. 字典：万能查找表

键 → 值映射，像电话本：姓名（键）→ 号码（值）。
键必须是不可变的（字符串、数字、元组）。

phonebook={'Alice':'123-4567','Bob':'987-6543'}print(phonebook['Alice'])

工作中的价值：配置参数、缓存数据、统计频率。

6. bytes：二进制数据的载体

当你从网络接收数据、读取图片文件时，得到的是bytes类型。它像字符串，但每个元素是 0~255 的整数。

data=b'\x89PNG\r\n\x1a\n'# PNG 文件头

7. 类型转换：明确转换

Python 不会自动把字符串转数字（与 JavaScript 不同），你需要手动转换：

age=input("年龄：")# age 是字符串age_num=int(age)# 转成整数

常见陷阱：bool("False")是True，因为非空字符串为真。

学习建议

• 动手：每学一个类型，在交互式环境（IDLE）里创建、切片、拼接、修改。
• 对比：列表和元组的相同点（索引、切片）与不同点（可变性）。
• 实际任务：写一个脚本，从日志文件中提取 IP 地址，存入集合去重，然后用字典统计每个 IP 出现次数。

综合示例：学生成绩统计

# 功能：输入多个学生多门课成绩，计算总分、平均分、等级，并输出报告defmain():students={}# 字典：键=姓名，值=字典{科目:成绩}whileTrue:name=input("输入学生姓名（空回车结束）: ").strip()ifnotname:breakscores={}whileTrue:subject=input(f" 输入{name}的科目（空回车结束）: ").strip()ifnotsubject:breakscore=float(input(f" 输入{subject}成绩: "))scores[subject]=score students[name]=scores# 统计并输出print("\n===== 成绩报告 =====")forname,scoresinstudents.items():total=sum(scores.values())avg=total/len(scores)grade='A'ifavg>=90else'B'ifavg>=80else'C'ifavg>=70else'D'ifavg>=60else'F'print(f"{name}: 总分={total:.1f}, 平均={avg:.1f}, 等级={grade}")# 列出各科成绩forsubj,sinscores.items():print(f"{subj}:{s}")if__name__=="__main__":main()

讲解：

• 使用了字典存储嵌套结构（学生→科目→成绩）。
• items()遍历键值对。
• sum()和len()处理成绩列表。
• 条件表达式简化if-elif-else。

第三步：芯片验证工程师视角的应用示例

作为验证工程师，我们经常需要分析仿真波形数据（VCD 或 FSDB 文件导出的文本），提取信号跳变时间，统计频率，或者比较 golden 模型输出与 DUT 输出。下面我给出一个从 CSV 文件读取信号时间序列、计算平均周期、检测毛刺的实用脚本。

场景描述

某个数字模块输出一个flag信号，我们每隔一定时间采样得到一组时间戳和值。CSV 格式如下：

time_ns,value 0,0 100,1 200,0 310,1 420,0

需要计算：

1. 信号的周期（两次上升沿之间的时间差，取平均）
2. 是否存在毛刺（高电平宽度小于最小预期值 20ns）
3. 统计高电平占空比

# filename: analyze_signal.py# 功能：分析数字波形CSV数据，检测周期、占空比、毛刺# 用法：python analyze_signal.py signal.csvimportsysimportcsvfrompathlibimportPathdefanalyze_signal(csv_path,min_high_ns=20):""" 分析信号波形，返回周期、占空比、有无毛刺 """times=[]values=[]try:withopen(csv_path,'r',encoding='utf-8')asf:reader=csv.reader(f)header=next(reader)# 跳过表头forrowinreader:iflen(row)>=2:t=int(row[0])v=int(row[1])times.append(t)values.append(v)exceptExceptionase:print(f"读取文件错误:{e}",file=sys.stderr)returnNoneiflen(times)<2:print("数据点不足",file=sys.stderr)returnNone# 找出所有上升沿（从0到1）的时间点rise_times=[]foriinrange(1,len(values)):ifvalues[i-1]==0andvalues[i]==1:rise_times.append(times[i])iflen(rise_times)<2:print("不足两个上升沿，无法计算周期",file=sys.stderr)returnNone# 计算周期（相邻上升沿时间差）periods=[rise_times[i+1]-rise_times[i]foriinrange(len(rise_times)-1)]avg_period=sum(periods)/len(periods)# 检测毛刺：检查每个高电平区间宽度glitch_detected=Falseforiinrange(1,len(times)):ifvalues[i]==1:# 高电平开始时间？需要找到连续高电平的起止start=times[i-1]ifvalues[i-1]==0elseNone# 简化方法：遍历连续高电平段pass# 更简单的方法：高电平宽度 = 下降沿时间 - 上升沿时间fall_times=[]foriinrange(1,len(values)):ifvalues[i-1]==1andvalues[i]==0:fall_times.append(times[i])# 确保上升和下降数量匹配（边缘情况忽略）min_len=min(len(rise_times),len(fall_times))high_widths=[]foriinrange(min_len):width=fall_times[i]-rise_times[i]high_widths.append(width)ifwidth<min_high_ns:glitch_detected=Trueprint(f"警告: 在时间{rise_times[i]}~{fall_times[i]}处高电平宽度{width}ns <{min_high_ns}ns")avg_high=sum(high_widths)/len(high_widths)ifhigh_widthselse0duty_cycle=avg_high/avg_period*100ifavg_period>0else0# 输出结果print(f"文件:{csv_path}")print(f"采样点数:{len(times)}")print(f"上升沿次数:{len(rise_times)}")print(f"平均周期:{avg_period:.2f}ns (期望: 100ns → 10MHz)")print(f"平均高电平宽度:{avg_high:.2f}ns")print(f"占空比:{duty_cycle:.1f}%")print(f"毛刺检测:{'是'ifglitch_detectedelse'否'}")return{"avg_period_ns":avg_period,"duty_cycle_percent":duty_cycle,"glitch":glitch_detected}if__name__=="__main__":iflen(sys.argv)!=2:print("用法: python analyze_signal.py <csv文件路径>")sys.exit(1)csv_file=sys.argv[1]ifnotPath(csv_file).exists():print(f"错误: 文件{csv_file}不存在")sys.exit(1)analyze_signal(csv_file)

示例详解（验证工程师角度）

1. 为什么用 CSV？
   仿真工具可以导出信号值到 CSV，便于 Python 快速处理，无需安装专用波形查看器。

2. 数据类型应用：

   • 列表times,values存储时间序列。
   • 列表推导式[rise_times[i+1] - rise_times[i] for i in range(...)]计算周期差。
   • 字典（可选）返回多个指标。
   • 异常处理try-except处理文件缺失或格式错误。

3. 实际工作流：

   • 跑回归测试后，自动收集所有模块输出的 CSV。
   • 运行脚本生成报告，标记周期误差超限或毛刺的测试用例。
   • 集成到 CI 流程，不合格则自动发送邮件提醒。

4. 扩展方向：

   • 支持更多信号（使用 pandas 库）。
   • 与黄金模型输出比对（类似前一步的 FIR 验证）。
   • 生成可视化图表（matplotlib）。

通过这个例子，你可以看到 Python 基础数据类型（列表、整数、字符串、字典、异常）如何组合成实用的验证自动化工具。掌握这些，你就能从繁琐的手工检查中解放出来，专注于真正的设计问题。