🔥 انواع داده در پایتون؛

یکی از مهم‌ترین پایه‌های برنامه‌نویسی، شناخت Data Types است!

در پایتون، نوع داده با مفاهیمی مثل Object، رفتار، قابلیت تغییر، هویت و نحوهٔ استفاده در عملیات‌ها ارتباط مستقیم دارد. 🐍

━━━━━━━━━━━━━━━━━━

۱. نوع داده (Data Type) چیست؟

نوع داده مشخص می‌کند یک شیء:

🔹 چه نوع اطلاعاتی را نمایش می‌دهد.
🔹 چه عملیاتی روی آن مجاز است.
🔹 چگونه رفتار می‌کند.
🔹 آیا قابل تغییر است یا نه.
🔹 چه متدهایی در اختیار دارد.

مثلاً:

x = 10

شیء "10" از نوع "int" است.

اما:

x = "10"

این بار شیء از نوع "str" است.

با اینکه ظاهر داده مشابه است، رفتار آن‌ها کاملاً متفاوت خواهد بود.

print(10 + 5)      # 15
print("10" + "5")  # 105

━━━━━━━━━━━━━━━━━━

۲. انواع دادهٔ اصلی در پایتون

پایتون چند گروه مهم از داده‌ها دارد:

📌 Numeric Types

- "int"
- "float"
- "complex"

📌 Boolean Type

- "bool"

📌 Text Type

- "str"

📌 Sequence Types

- "list"
- "tuple"
- "range"

📌 Mapping Type

- "dict"

📌 Set Types

- "set"
- "frozenset"

📌 Binary Types

- "bytes"
- "bytearray"
- "memoryview"

📌 None Type

- "NoneType"

━━━━━━━━━━━━━━━━━━

۳. نوع "int"؛ اعداد صحیح

برای نمایش اعداد بدون بخش اعشاری استفاده می‌شود.

age = 22
temperature = -5
population = 1000000

━━━━━━━━━━━━━━━━━━

۴. نوع "float"؛ اعداد اعشاری

price = 19.99
pi = 3.14159

اما یک نکتهٔ بسیار مهم:

⚠️ همهٔ اعداد اعشاری در کامپیوتر دقیقاً قابل نمایش نیستند.

print(0.1 + 0.2)

خروجی ممکن است:
0.30000000000000004
باشد.
دلیل آن، نحوهٔ نمایش اعداد اعشاری در سیستم دودویی است.
پس برای محاسبات مالی حساس، استفاده از "Decimal" می‌تواند مناسب‌تر باشد.

━━━━━━━━━━━━━━━━━━

۵. نوع "complex"؛ اعداد مختلط
پایتون از اعداد مختلط پشتیبانی می‌کند.

z = 3 + 4j
print(z.real)  # 3.0
print(z.imag)  # 4.0

━━━━━━━━━━━━━━━━━━

۶. نوع "bool"؛ فقط True و False؟

is_active = True
is_admin = False

از نظر مفهومی، بهتر است Boolean را برای نمایش وضعیت‌های منطقی استفاده کنیم، نه به‌عنوان جایگزین عدد.

━━━━━━━━━━━━━━━━━━

۷. نوع "str"؛ رشته‌ها در پایتون
رشته برای ذخیرهٔ متن استفاده می‌شود:

name = "Python"
message = "سلام دنیا"

text = "Python"
print(text[0])   # P
print(text[-1])  # n

اما:

text[0] = "J"

خطا می‌دهد؛ چون رشته قابل تغییر نیست.

━━━━━━━━━━━━━━━━━━

۸. نوع "list"؛

numbers = [10, 20, 30]

ویژگی‌ها:
✔️ Ordered
✔️ Mutable

data = [10, "Python", True, 3.14]

تغییرپذیری:

numbers[0] = 100
print(numbers)

━━━━━━━━━━━━━━━━━━

۹. نوع "tuple"؛

point = (10, 20)

Tuple:
🔹 مرتب است.
🔹 قابل پیمایش است.
🔹 می‌تواند دادهٔ تکراری داشته باشد.
🔹 پس از ایجاد، عناصرش قابل تغییر نیستند.

━━━━━━━━━━━━━━━━━━

۱۰. نوع "set"؛

numbers = {1, 2, 3, 3, 4}
print(numbers)


خروجی:

{1, 2, 3, 4}

ویژگی‌ها:

✔️ عناصر تکراری را حذف می‌کند.
✔️ برای عملیات مجموعه‌ای بسیار مناسب است.
✔️ Indexing مستقیم ندارد.
✔️ Mutable است.

عملیات مهم:


a = {1, 2, 3}
b = {3, 4, 5}
print(a | b)  # اجتماع
print(a & b)  # اشتراک
print(a - b)  # تفاضل

━━━━━━━━━━━━━━━━━━

۱۲. نوع "dict"؛

user = {
    "name": "Ali",
    "age": 22,
    "is_active": True
}

دیکشنری داده‌ها را به شکل:

Key → Value

نگهداری می‌کند.

print(user["name"])

━━━━━━━━━━━━━━━━━━

۱۳. نوع "range"

برای نمایش یک دنبالهٔ عددی استفاده می‌شود.

numbers = range(5)
print(list(numbers))

به همین دلیل:

range(10_000_000)

از نظر حافظه بسیار بهینه‌تر از ساختن یک لیست بزرگ است.

━━━━━━━━━━━━━━━━━━

۱۴. نوع "NoneType" و مقدار "None"

"None" به معنای:

❌ صفر نیست.
❌ رشتهٔ خالی نیست.
❌ "False" نیست.

بلکه نشان‌دهندهٔ نبود مقدار یا عدم وجود نتیجه است.

result = None

بررسی صحیح:

if result is None:
    print("No result")

نوع آن:

print(type(None))

خروجی:
<class 'NoneType'>


#Python #آموزش_پایتون #DataTypes #برنامه_نویسی