Skip to content

Data Science › Python Foundations › 核心資料型別

核心資料型別 (Core Data Types) ​

Python 內建容器只有幾種,但幾乎所有資料處理腳本都建立在它們上面。重點是知道什麼情境該選哪個容器,以及什麼時候改用 collections。

先看兩個軸:順序與可變性 ​

型別有序?可變?重複?取值方式典型用途
list是是可index / slice一串會增刪改的資料
tuple是否可index / unpack固定結構的一筆記錄、多重回傳值、dict key
dict插入順序(3.7+)是key 唯一key欄位名 → 值、mapping、JSON
set否是不可只能 in / 迭代去重、membership test、集合運算
str是否可index / slice文字(不可變序列)
操作listset / dict
x in containerO(n),逐一比對平均 O(1),hash 查找
依位置取值O(1)不支援(set)/ 用 key(dict)

若題目一直在做 x in ...、交集、差集(例如比對兩份基因 ID 清單),就該用 set,不是 list。

List ​

python
genes = ["TP53", "BRCA1"]
genes[0], genes[-1]                   # 'TP53', 'BRCA1'
genes.append("EGFR")                  # 加一個元素
genes.extend(["MYC", "KRAS"])         # 合併另一個 iterable
last = genes.pop()                    # 移除並回傳最後一個:'KRAS'

longer = genes + ["PTEN"]             # + 是串接,產生新 list
copy_ = list(genes)                   # 淺複製(shallow copy),等同 genes.copy() / genes[:]

sorted(genes)                         # 回傳新 list,不改原資料
genes.sort()                          # 原地排序,回傳 None

別名與淺複製 (Aliasing & Shallow Copy) ​

寫法結果
b = a同一個物件,改 b 就是改 a
b = a.copy() / list(a)新的外層 list,但內層物件仍共用
b = copy.deepcopy(a)連巢狀物件都複製
python
import copy

a = [[1, 2], [3, 4]]
b = a.copy()
b[0].append(99)
a                       # [[1, 2, 99], [3, 4]]  內層被一起改到
c = copy.deepcopy(a)    # 完全獨立
grid = [[0] * 3] * 2    # 陷阱:兩列是同一個 list;改用 [[0] * 3 for _ in range(2)]

NumPy 切片與 pandas 也有類似的共用記憶體問題,見 NumPy view vs copy 與 pandas Copy-on-Write。

Tuple ​

python
point = (25.03, 121.56)
chrom, pos = ("chr17", 7_675_088)     # 解包 (unpacking)
first, *rest = (1, 2, 3, 4)           # first=1, rest=[2, 3, 4]

pairs = list(zip(["A", "B"], [1, 2])) # [('A', 1), ('B', 2)]
for i, (name, n) in enumerate(pairs): # 同時取索引與值
    ...

single = ("butter",)                  # 單元素 tuple 靠逗號;("butter") 只是 str

選 tuple 而不選 list 的理由:表達固定結構的記錄、不希望被意外修改、可當 dict key(只要內容都可 hash)。

String ​

字串不可變;大部分清理動作都會回傳新字串。

python
name = "  Alice  "
name.strip().lower()                  # 'alice'
f"{name.strip()} scored {0.8765:.2f}" # f-string 格式化:'Alice scored 0.88'
", ".join(["3", "4", "7"])            # '3, 4, 7':分隔符把 iterable 黏起來
"sample_01.fastq".endswith(".fastq")  # True
"ATGC".replace("T", "U")              # 'AUGC'

規則變複雜時改用 regex,見 文字清理與正規表示式。

Dict ​

python
person = {"name": "Alice", "age": 30}
person["name"]                        # 'Alice'
person.get("email")                   # None:key 不存在不會報錯
person.get("email", "not found")      # 指定預設值
person["city"] = "Taipei"             # 新增 / 覆寫
person.update({"age": 31, "role": "analyst"})
person | {"age": 32}                  # 3.9+:合併成新 dict,右邊優先

for key, value in person.items():
    ...

{"AG32": 10, "AG32": 20}["AG32"]      # 20:literal 裡重複的 key,後者覆蓋前者且不警告

profile = {"user": {"contact": {"email": "a@example.com"}}}
profile["user"]["contact"]["email"]   # 巢狀結構常見於 JSON / API 回應
  • dict[key] 遇到不存在的 key 會丟 KeyError;讀可能缺值的欄位用 get()。
  • key 必須可 hash:str、int、tuple 可以,list、dict 不行。

Set ​

python
s = set(["chr1", "chr2", "chr1"])     # {'chr1', 'chr2'}:去重
s.add("chrX")
s.update(["chr3", "chr4"])
s.discard("chr9")                     # 不存在也不報錯;remove() 會報 KeyError

a = {"TP53", "BRCA1", "EGFR"}
b = {"TP53", "MYC"}
a | b                                 # 聯集 union
a & b                                 # 交集 intersection:{'TP53'}
a - b                                 # 差集 difference:{'BRCA1', 'EGFR'}
a ^ b                                 # 對稱差:只出現在其中一邊

# s[0]                                # TypeError:set 不能用 index
sorted(s)                             # 要看排序結果先轉,回傳的是 list

set 的迭代順序不保證,不要依賴它產生輸出順序;寫檔或比對前先 sorted(),結果才可重現。

數值型別 (Numeric Types) ​

型別特性用途
int任意精度,不會溢位計數、索引、基因座位置
floatIEEE 754 雙精度,近似值一般科學計算
Decimal十進位精確小數金額、需要精確小數的計算
python
0.1 + 0.2 == 0.3                      # False:浮點誤差
import math
math.isclose(0.1 + 0.2, 0.3)          # True:比較浮點數用容差(numpy 用 np.isclose / np.allclose)

from decimal import Decimal
Decimal("19.99") * Decimal("1.05")    # Decimal('20.9895');要從字串建,Decimal(19.99) 會帶入誤差

collections:內建容器不夠用時 ​

工具用途例子
Counter頻率統計k-mer、類別計數
defaultdict自動補預設值,免判斷 key 是否存在分組收集、累加
namedtuple有欄位名的不可變記錄輕量資料列(可變或需型別註記改用 dataclass,見 類別)
deque兩端 O(1) 增刪佇列、滑動視窗
python
from collections import Counter, defaultdict, namedtuple, deque

seq = "ATGCGATACGCTTGA"
kmers = Counter(seq[i:i + 3] for i in range(len(seq) - 2))
kmers.most_common(2)                  # 出現最多的兩個 3-mer

by_chrom = defaultdict(list)
for chrom, pos in [("chr1", 100), ("chr2", 50), ("chr1", 300)]:
    by_chrom[chrom].append(pos)       # {'chr1': [100, 300], 'chr2': [50]}

Variant = namedtuple("Variant", ["chrom", "pos", "ref", "alt"])
v = Variant("chr17", 7675088, "C", "T")
v.pos, v[0]                           # 7675088, 'chr17'

window = deque(maxlen=3)              # 只保留最近 3 個元素

選擇速查 ​

需求用
一串會增刪改、需要順序 / indexlist
一筆固定結構記錄、多重回傳值tuple / namedtuple
欄位名對應值、查表dict
去重、membership、集合比對set
計數Counter
分組收集defaultdict(list)
大量同型別數值運算NumPy array(見 NumPy)