3 第3章 程序世界的原子：变量与数据类型

数据类型选择决策树

flowchart TD
    A[需要存储什么？] 
    A -->|文本/ID| B[str]
    A -->|整数数量| C[int]
    A -->|带小数的数值| D[float]
    A -->|是/否状态| E[bool]
    A -->|多个同类项| F[list]
    A -->|键值对应关系| G[dict]
    B --> H["'A1001'"]
    C --> I["150"]
    D --> J["299.9"]
    E --> K["True"]
    F --> L["['S','M','L']"]
    G --> M["{'black':50}"]

现实场景：库存预警系统

业务规则：

• 当库存低于20件时触发黄色预警
• 当库存低于5件时触发红色预警
• 当商品停售时显示"已下架"

# [AI提示词]：“创建库存检查函数，输入当前库存和状态，返回预警信息”
def check_stock_alert(stock, is_active):
    if not is_active:
        return "已下架"
    elif stock < 5:
        return "红色预警：库存不足5件！"
    elif stock < 20:
        return "黄色预警：库存低于20件"
    else:
        return "库存充足"

# 测试用例
print(check_stock_alert(15, True))  # 输出：黄色预警：库存低于20件
print(check_stock_alert(3, True))   # 输出：红色预警：库存不足5件！
print(check_stock_alert(0, False))  # 输出：已下架

变量生命周期管理

sequenceDiagram
    participant 用户
    participant 系统
    participant 数据库

    用户->>系统: 添加新商品
    activate 系统
    系统->>系统: 创建变量 product_id, stock, price
    系统->>数据库: INSERT 操作
    activate 数据库
    数据库-->>系统: 存储成功
    deactivate 数据库
    系统->>用户: 显示创建成功
    deactivate 系统

    用户->>系统: 更新库存
    activate 系统
    系统->>数据库: SELECT 查询
    activate 数据库
    数据库-->>系统: 返回商品数据
    deactivate 数据库
    系统->>系统: 修改 stock 值
    系统->>数据库: UPDATE 操作
    activate 数据库
    数据库-->>系统: 更新确认
    deactivate 数据库
    系统->>用户: 显示更新成功
    deactivate 系统

类型错误实战案例

问题场景： 从Excel导入的库存数据，数字被识别为文本导致计算错误

# 错误数据示例
excel_stock = "100"  # 文本格式的数字

# 尝试运算
try:
    # ❌ 错误：字符串不能直接参与数学运算
    new_stock = excel_stock - 20  
except TypeError as e:
    print(f"错误：{str(e)}")
    # 输出：错误：unsupported operand type(s) for -: 'str' and 'int'

AI解决方案提示词： “修复库存计算错误：变量excel_stock是从Excel读取的字符串数字，需要转换为整数再运算”

# AI生成的修复方案
# 方法1：显式类型转换
new_stock = int(excel_stock) - 20

# 方法2：安全转换函数
def safe_int_convert(value, default=0):
    try:
        return int(value)
    except ValueError:
        return default

new_stock = safe_int_convert(excel_stock) - 20

变量操作四象限

防坑指南：变量使用三大陷阱

1. 未初始化陷阱

# 错误：使用未赋值的变量
print(f"剩余库存：{rest_stock}")  # NameError: name 'rest_stock' is not defined

# 正确：先初始化
rest_stock = 0
print(f"剩余库存：{rest_stock}")

stock = 100      # 整数类型
stock = "充足"    # 突变为字符串，破坏后续计算

# 防护：类型注解
stock: int = 100  # 声明为整数类型

total = 0

def update_stock(qty):
    total = qty  # ❌ 创建局部变量，非修改全局变量
    print(f"更新后：{total}")

update_stock(150)
print(f"全局库存：{total}")  # 仍输出0

# 正确方案：
def update_stock(qty):
    global total  # 声明使用全局变量
    total = qty

优秀的变量设计 = 准确命名 + 正确类型 + 合理生命周期

graph TD
    A[外部数据源] --> B{数据类型识别}
    B -->|Excel数字变文本| C[类型转换]
    C --> D[正确计算]
    B -->|类型错误| E[程序崩溃]
    C --> F["int()/float()/str()"]
    F --> G[可操作数值]
    style C fill:#4CAF50,stroke:#388E3C
    style E fill:#F44336,stroke:#D32F2F

# 灾难性代码
available_stock = 2500  # 实际库存
excel_stock = "2,000"   # Excel导入的文本

# 尝试计算可售库存
sellable = available_stock - int(excel_stock)  # ValueError: invalid literal for int()

excel_data = [
    "商品A", "1500",   # 正常数字文本
    "商品B", "2,500",  # 含千分位逗号
    "商品C", "库存充足", # 非数字文本
    "商品D", "¥599.00"  # 含货币符号
]

# [AI提示词]："将Excel数据转换为整数，处理常见格式问题"

# 危险代码：无法处理复杂格式
def unsafe_convert(value):
    return int(value.replace(',', ''))

print(unsafe_convert("2,500"))  # 2500 → 成功
print(unsafe_convert("¥599.00")) # ValueError → 崩溃

# [AI提示词]："创建安全的数值转换函数，处理千分位、货币符号和文本"

# AI生成的稳健方案
def safe_convert(value, default=0):
    """安全转换各种格式的数字文本"""
    # 移除常见干扰符号
    cleaned = str(value).strip().replace(',', '').replace('¥', '').replace('$', '')

    try:
        # 尝试浮点转换（更宽容）
        return float(cleaned) if '.' in cleaned else int(cleaned)
    except ValueError:
        # 记录错误并提供默认值
        print(f"警告：无法转换值 '{value}'，使用默认值 {default}")
        return default

# 测试用例
test_cases = ["1500", "2,500", "¥599.00", "库存充足", None]
results = [safe_convert(tc) for tc in test_cases]
print(results)  # [1500, 2500, 599.0, 0, 0]

flowchart TD
    A[输入值] --> B{是否为None？}
    B -->|是| C[返回默认值]
    B -->|否| D[转换为字符串]
    D --> E{是否包含字母？}
    E -->|是| F[返回默认值]
    E -->|否| G[移除特殊字符]
    G --> H{是否包含小数点？}
    H -->|是| I[转换为float]
    H -->|否| J[转换为int]

# [AI提示词]："使用pandas处理Excel文件，将价格列从文本转为数字"

import pandas as pd

# 读取Excel文件（自动识别类型可能失败）
df = pd.read_excel('products.xlsx')

# 查看列类型
print(df.dtypes)
# 输出：price → object (应为float)

# 安全转换方法
df['price'] = pd.to_numeric(
    df['price'].astype(str).str.replace('[^\d.]', '', regex=True), 
    errors='coerce'  # 转换失败设为NaN
)

# 填充空值
df['price'].fillna(0, inplace=True)

# 验证结果
print(df['price'].head())

# [AI提示词]："创建价格计算函数，处理不同来源的输入数据"
def calculate_total_price(unit_price, quantity, discount_rate=0):
    """计算商品总价（防御式类型转换）"""
    # 安全转换输入
    unit_price = safe_convert(unit_price, 0)
    quantity = safe_convert(quantity, 1)
    discount_rate = safe_convert(discount_rate, 0)

    # 计算逻辑
    subtotal = unit_price * quantity
    discount = subtotal * min(max(discount_rate, 0), 1)  # 限制折扣率0-1
    total = subtotal - discount

    # 返回格式化的结果
    return f"¥{total:.2f}"

# 测试混合输入
print(calculate_total_price("299.9", "2", "0.1"))  # ¥539.82
print(calculate_total_price("¥599", "1件", "无折扣"))  # 警告后返回 ¥599.00

# 低效写法（逐行转换）
converted_data = [safe_convert(x) for x in large_list]

# 高效方案（向量化操作）
import numpy as np

# 使用pandas或numpy批量转换
converted_array = pd.to_numeric(pd.Series(large_list), errors='coerce').fillna(0)
# 或
converted_array = np.vectorize(safe_convert)(large_list)

def process_order(item):
    # 类型检查
    if not isinstance(item, dict):
        raise TypeError("订单项必须为字典类型")

    # 关键字段存在性检查
    assert 'price' in item, "缺少价格字段"
    assert 'quantity' in item, "缺少数量字段"

    # 类型转换 + 业务逻辑
    item['price'] = safe_convert(item['price'])
    item['quantity'] = safe_convert(item['quantity'])

    # ...计算逻辑...

sequenceDiagram
    participant 用户
    participant AI系统
    participant 程序

    用户->>AI系统: 如何把"¥1,299.00"转为数字？
    activate AI系统
    AI系统->>AI系统: 分析字符串特征
    AI系统-->>用户: 建议使用：safe_convert("¥1,299.00")
    deactivate AI系统

    用户->>程序: 调用safe_convert("¥1,299.00")
    activate 程序
    程序->>程序: 移除非数字字符
    程序->>程序: 字符串转浮点数
    程序-->>用户: 返回1299.0
    deactivate 程序

干净数据 = 严格输入检查 + 稳健类型转换 + 合理默认处理