Python中常用数据形式包括：1. 内置基本类型如int、float、str、bool和None；2. 复合类型如list、tuple、dict和set；3. 扩展类型如NumPy数组、pandas Series和DataFrame；4. 其他形式如bytes、JSON对象和datetime对象，适用于不同场景的数据处理需求。
Python 中常用的数据形式主要分为内置数据类型和通过库扩展的数据结构。下面从基础到常用场景进行说明。
1. 内置基本数据类型
这些是 Python 自带的最基础数据形式，适合处理简单变量。
- int：整数，如 42、-7
- float：浮点数（小数），如 3.14、-0.001
- str：字符串，用引号包裹，如 "hello"、'Python'
- bool：布尔值，只有 True 或 False
- NoneType：表示空值，只有一个值 None
2. 内置复合数据类型
用于组织多个数据，是编程中最常用的结构。
- list（列表）：有序、可变，允许重复元素。例如：[1, 2, 3]、['a', 'b', 'c']
- tuple（元组）：有序、不可变，常用于固定数据。例如：(1, 2, 3)
- dict（字典）：键值对结构，无序但可通过键快速查找。例如：{'name': 'Alice', 'age': 25}
- set（集合）：无序、不重复元素，适合去重和集合运算。例如：{1, 2, 3}
3. 数值计算与数据分析中的扩展数据形式
借助第三方库（如 NumPy、pandas），Python 支持更高效或结构化的数据处理。
立即学习“Python免费学习笔记（深入）”；
- NumPy array（数组）：支持多维数值数组，适合科学计算。例如：np.array([1, 2, 3])
- pandas Series：带索引的一维数组，类似增强版列表。例如：pd.Series([10, 20, 30], index=['a', 'b', 'c'])
- pandas DataFrame：二维表格结构，类似 Excel 表格，广泛用于数据分析。例如：pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
4. 其他常见数据形式
在特定场景下也会遇到以下格式。
- bytes / bytearray：处理二进制数据，如文件读写、网络传输
- JSON 对象：通过 json 模块解析，常用于 API 数据交换，映射为 dict 或 list
- datetime 对象：表示时间和日期，来自 datetime 模块
