---

數據類型（Data Types） 在 Python 程式設計中，是理解變數和資料操作的基礎。不論是剛入門的開發者，還是希望優化程式效能的進階使用者，深入了解 Python 的數據類型都有助於寫出更高效、易維護的程式碼。

什麼是 Python 數據類型（Data Types）?

數據類型（Data Types） 是用來定義變數儲存資料的格式與行為。在 Python 中，變數不需要提前宣告數據類型，當你賦值給變數時，Python 會根據賦值內容自動推斷數據類型，這種特性稱為 動態類型（Dynamic Typing）。

範例：基本數據類型的自動推斷

# Automatic Data Type Inference
x = 10          # Integer (int)
y = 3.14        # Floating-point number (float)
name = "Alice"  # String (str)
is_active = True # Boolean (bool)

# Check data types
print(type(x))         # <class 'int'>
print(type(y))         # <class 'float'>
print(type(name))      # <class 'str'>
print(type(is_active)) # <class 'bool'>

重點：

• type() 是 Python 內建的函數，可以檢查變數的數據類型。
• Python 會根據賦值的內容自動決定變數的數據類型，無需手動宣告。

Python 內建數據類型詳解

Python 提供了多種內建數據類型，可以根據資料的特性和用途選擇適合的類型。以下是常見的數據類型分類：

數值類型 (Numeric Types) :

• int（整數）: 表示沒有小數點的數字，例如 1, 100, -50。
• float（浮點數）: 表示帶有小數點的數字，例如 3.14, -0.001, 2.0。
• complex（複數）: 表示複數，形式為 a + bj，例如 2 + 3j。

a = 42
b = 3.14
c = 2 + 5j
print(type(a), type(b), type(c))

字符串 (String) : 用來儲存文本資料，支援多種字串操作方法，例如切片、拼接、轉換大小寫等。

greeting = "Hello, Python!"
print(greeting.upper())  # Converts to uppercase
print(greeting[0:5])     # String slicing, outputs 'Hello'

布林值 (Boolean) : 只有 True 和 False 兩個值，常用於邏輯判斷和條件語句中。

is_valid = True
is_empty = False
print(type(is_valid))  # <class 'bool'>

序列 (Sequence Types) :

• list（列表）： 一種可變的有序資料集合，可以儲存不同類型的資料。
• tuple（元組）： 不可變的有序資料集合，適合用於儲存不需要改變的資料。
• range（範圍）： 生成數字序列，常用於迴圈控制。

# List (mutable)
fruits = ["apple", "banana", "cherry"]
fruits.append("orange")

# Tuple (immutable)
dimensions = (1920, 1080)

# Range
numbers = range(1, 6)

集合類型 (Set Types) :

• set： 儲存唯一元素的無序集合，常用於去除重複值和集合運算。
• frozenset： 不可變版本的 set，適合用於需要不可變特性的場景。

unique_numbers = {1, 2, 3, 4, 4, 5}
print(unique_numbers)  # Duplicates are automatically removed: {1, 2, 3, 4, 5}

映射類型 (Mapping Type) :

• dict (字典)： 一種鍵值對 (key-value) 形式的資料結構，適合儲存具有對應關係的資料。

person = {"name": "Alice", "age": 25, "city": "New York"}
print(person["name"])  # Accessing the value associated with the key 'name'

可變與不可變數據類型（Mutable vs Immutable）

在 Python 中，數據類型可以分為 可變（Mutable） 和 不可變（Immutable）：

• 可變類型： 內容可以被修改，如 list、dict、set。
• 不可變類型： 內容無法被修改，如 int、float、str、tuple。

類型	可變性	元素順序	重複元素	查找效率	應用場景
List	Yes	Yes	Allowed	O(n)	Dynamic collections
Tuple	No	Yes	Allowed	O(n)	Fixed data structures
Set	Yes	No	No	O(1)	Uniqueness checking
Dict	Yes	Yes*	Unique keys	O(1)	Key-value mappings

Python 3.7+ 正式確認字典保留插入順序

動態類型與類型提示（Type Hinting）

Python 是動態類型語言，意味著變數的數據類型可以隨時改變。然而，在大型專案或多人協作時，使用 類型提示（Type Hinting） 可以提高程式碼的可讀性和維護性。

範例：使用類型提示

def greet(name: str) -> str:
    return f"Hello, {name}!"

print(greet("Python"))

進階應用：搭配 mypy 等工具，可以在開發過程中進行靜態類型檢查，提升程式碼的可靠性。

數據類型轉換（Type Casting）技巧

在實際開發中，經常需要進行數據類型轉換（Type Casting），Python 提供了多種內建函數來完成這項任務：

# Integer to string
x = 100
str_x = str(x)

# String to integer
num = int("50")

# List to set (remove duplicates)
lst = [1, 2, 3, 3]
unique_set = set(lst)

注意事項：

• 轉換過程中若格式不正確，會引發錯誤，建議搭配錯誤處理機制進行保護。

如何選擇最佳數據類型

選擇合適的數據類型不僅能提升程式效能，還能增強程式碼的可讀性和穩定性。

• 大量數據處理： 使用 set 進行快速查找或去重操作。
• 固定資料集合： 使用 tuple 確保資料不被意外修改。
• 複雜結構： 組合 dict 與 list 來管理多層資料結構。

結論

Python 的數據類型不僅是基礎知識，更是撰寫高效、可靠程式碼的核心能力。以下是一些關鍵的最佳實踐：

• 選擇適當的數據類型： 根據需求選擇最合適的數據結構，能提升程式效能與可讀性。
• 理解可變與不可變： 理解兩者的差異有助於避免不必要的錯誤，並在多執行緒環境中保持資料一致性。
• 善用類型提示： 即使在動態語言中，類型提示也能提升維護性和錯誤檢查效率。
• 有效進行類型轉換： 熟練掌握數據轉換技巧，確保資料在不同場景中的正確性與一致性。

---