这些数字包括整型、浮点型、布尔型和复数。Python的整型数可以具有无限的精确度，浮点数默认为double类型保留16位小数，如果您需要更高的精度，可以使用decimal模块。python中，布尔型是一个数字，True和1等价，False和0等效，(你将发现True==1为真，True+True的值为2)，其实部和虚部都是浮点数。

  在Python中经常使用的数据结构有列表、tuple、dictionary、collection、String、dictionary、string、dictionary、string、dictionary、subscript、dictionary、string、dictionary、string，以及Python在Python中经常使用的数据结构，而这些数据结构所采用的方法都是Python中最常用的数据结构：列表、tuple、dictions、dictions、diction

  tuple、tuple、string非常类似，它们都是一种顺序存储结构，元素之间有固定的次序，它们都可以由+和同一种数据类型组合。不同之处在于：列表中的元素可以修改，tuple和string是不可变的数据类型，也就是tuple和string的元素无法修改(如果将每个字符都当作字符串元素的话)。

  tuple和string中的不可更改也是不同的，如果要修改字符串，则新建一个新的字符串(string是完全无法修改的)。

  同时，tuple不能修改元组中元素的引用。在tuple中嵌套了一个列表时，你会发现list中的元素是可以修改的，但是你不能将list这个元素替换为其它。由于元祖位置保留了对该列表的引用，因此无法修改该引用。更改列表中的元素不会改变tuple对列表的引用。

  除了这个想法，list、tuple、string都可以通过索引来访问元素，使用slist操作和通过forin循环对元素进行顺序遍历。它们中的先祖们的性能要比列表稍高一点，这在大量数据的情况下更加明显，但是在机器学习中，通常使用numpy的阵列。

  string的使用自不必说，列表经常被用来处理数据(直接append到列表中)，而元祖则较少使用。对字符串、列表等必须熟练掌握。

  dictionary记录键值的映射关系，可以迭代，可以修改，但字典不能保证安装您添加顺序进行迭代。另外，使用dictionary要比list占用内存，但是dictionary访问更快。

  当你想要判断某一个键是否在字典中时，用in操作是非常慢的，而如果你直接访问用键来访问，并且将该语句放入try/except中，速度会大大提高(in操作相当于遍历查找，如果字典没有这个键，则需要遍历整个字典；但如果直接访问，则可以利用哈希表的优势，快速查找，未找到也会抛出异常而进入except语句块)。

  collection也是一种无序无重复元素的数据结构，我们可以将列表转换成集合来达到去重效果，这是词袋制作中常用的技巧。还要注意，收藏在集合中的所有对象都是不可变的。

  有时我们也需要复制数据，这时我们就需要注意是否需要深复制的情况。在有嵌套的列表、字典时，如果使用浅拷贝或dictionary。这将导致嵌套中的列表或字典仍然是相同的对象，一次修改就会导致同一时间发生修改。应该使用copy模块的dipcopy方法来执行复制。

  机器的操作对象是数据，因此以上的数据类型必须能够熟练地使用。