Datentypen

Zu Beginn werden wir uns mit Datentypen beschäftigen – den Grundbausteinen der Programmierung.

Wie in einem gut organisierten Supermarkt kategorisiert Python Elemente, damit sie leicht auffindbar und nutzbar sind. Ebenso kategorisieren wir in Python Daten in Typen, um sie einfacher zu verarbeiten und zu verwenden. Werfen wir einen Blick auf einige häufige Datentypen.

Verständnis von Datentypen

In Python hat jedes Datum einen Typ. Wie Ihr Supermarkt verschiedene Abteilungen für Obst, Gemüse und Getränke hat, organisiert Python Daten in Integer, Float, String und weitere Typen.

Hier ein kurzer Überblick über einige grundlegende Datentypen, die Sie in Python häufig verwenden werden:

Integer

Ein Integer (int) steht für ganze Zahlen ohne Dezimalstellen, wie die Anzahl der Artikel im Einkaufswagen – zum Beispiel 3 Äpfel oder 10 Orangen.

Gleitkommazahlen

Eine Gleitkommazahl (float) wird für Zahlen mit Dezimalstellen verwendet, wie der Preis von Produkten – etwa 1.99 für Bananen oder 2.50 für einen Liter Milch.

Strings

Ein String (str) ist eine Zeichenkette, die Text darstellt, wie die Namen von Produkten im Supermarkt: "apple", "banana" oder "oat milk".

Booleans

Ein Boolean (bool) Datentyp hat zwei mögliche Werte, True oder False, und wird für Bedingungen verwendet, wie die Überprüfung, ob ein Artikel vorrätig ist oder nicht.

Beispiel für praktische Anwendung

Um ein Gefühl dafür zu bekommen, wie diese Datentypen funktionieren, verwenden wir die Funktion type() innerhalb einer print()-Anweisung, um anzuzeigen, wie Python verschiedene Datentypen interpretiert. Dies zeigt, wie Python mit unterschiedlichen Arten von Informationen umgeht.

So funktioniert es:

# Displaying integers

print(type(25))

# Displaying floating-point numbers

print(type(6.25))

# Displaying strings

print(type("Olive Oil"))

# Displaying booleans

print(type(120 > 95))


              1234567891011
            
# Displaying integers
print(type(25))

# Displaying floating-point numbers
print(type(6.25))

# Displaying strings
print(type("Olive Oil"))

# Displaying booleans 
print(type(120 > 95))

Das Verständnis von Datentypen ist entscheidend, da es bestimmt, welche Operationen mit einem bestimmten Datenelement durchgeführt werden können. So wie Sie Lebensmittel im Supermarkt nach ihrem Typ in die passenden Bereiche sortieren, muss auch Python Daten entsprechend ihrem Typ behandeln, damit die Ausführung korrekt erfolgt.

War alles klar?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 1

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen