資料類型

此條目已列出參考文獻，但因為沒有文內引註而使來源仍然不明。 (2019年8月24日)请加上合适的文內引註来改善这篇条目。

在程式設計的型別系統中，数据类型（英語：Data type），又稱資料型態、資料型別，是用來約束数据的解釋。在程式語言中，常見的数据类型包括原始类型（如：整數、浮點數或字元）、多元組、記錄單元、代數資料類型、抽象数据类型、參考型別、类以及函式型別。資料類型描述了數值的表示法、解釋和結構，並以演算法操作，或是物件在記憶體中的儲存區，或者其它儲存裝置。

機器中的資料類型[编辑]

所有在電腦中，基於數位電子學的底層資料，都是以位元（0 或 1）表示。其中資料的最小的定址單位，稱為位元組（通常是八位元，以八個位元為一組）。機器碼指令處理的單位，稱作字長（至 2007 年止，一般為 32 或 64 位元）大部分對字長的指令解譯，主要以二進制為主，如一個 32 位元的字長，可以表示從 0 至

2

32

−

1

{\displaystyle 2^{32}-1}

的無符號整數值，或者表示從

−

2

31

{\displaystyle -2^{31}}

至

2

31

−

1

{\displaystyle 2^{31}-1}

的有符號整數值。由於有了二的補數，機器語言和機器大多不需要區分無符號和有符號資料類型。存在著特殊的算術指令，對字長中的位元使用不同的解釋，以此作為浮點數。

原始資料類型[编辑]

主条目：原始类型

程式語言提供若干原始数据型別，以作為程式以及專用化複合類型的建立基礎。典型的原始資料類型包含各種整數、浮點數以及字串型別。儘管這些建立基礎：陣列、記錄單元以及參考所聯繫的資料，可能未包括在基本型別，但仍可將其視為若干原始值的聚集。

複合型別[编辑]

主条目：複合類型

這部分可包括以下內容（最終仍取決於程式語言）：

RECORD

一組變數型別，例子：資料庫表格中的一行

TABLE

資料庫中的索引欄位

NESTED TABLE

任意的單一複合型別的一維陣列

VARRAY

同一型別變數、且固定大小的收集處

數值範圍[编辑]

每一個資料類型都有一個數值上的最大和最小值，稱作數值範圍。了解數值的範圍是很重要的，尤其是當使用較小的型別時，你就只能儲存範圍之內的數值。試圖儲存一個超出其範圍的數值，可能會導致編譯或執行錯誤，或者不正確的計算結果（因為被截斷）。

一個變數的範圍，是基於用以保存數值的位元組數目，而且整數資料類型通常[註 1]能夠儲存

2

n

{\displaystyle 2^{n}}

數值（此處的

n

{\displaystyle n}

是指位元）。對於其它的資料類型（例如，浮點數），其數值範圍更為複雜，且幾乎取決於所使用的儲存方法。還有一些不用完全部的位元，例如，布林只需一個位元，且表示一個二進制值（雖然在實踐中，通常會用完剩餘的 7 個位元）。某些程式語言[註 2]也允許反向決定，程式設計者定義解決問題所需的範圍和精度，然後由編譯器自動選擇合適的整數或浮點數。

下表列出常見的資料類型，及其數值範圍：[註 3]

資料類型

大小

範圍

整數型別

布尔型（Boolean）

1 bit

0 至 1

字节（Byte）

8 bit

0 至 255

字（Word）

2 字节

0 至 65535

双字（Double Word）

4 字节，32bit

0 至 4,294,967,295

整数（Integer）

4 字节，32bit

–2,147,483,648 至 2,147,483,647

长整数（Long Integer）

8 字节，64bit

–9,223,372,036,854,775,808 至 9,223,372,036,854,775,807

浮點數型別

浮点数（Float）

4 位元組

1E-37 至 1E+37 (6 個小數位數)

双精度浮点数（Double Float）

8 位元組

1E-307 至 1E+308 (15 個小數位數)

資料結構[编辑]

主条目：資料結構

抽象類型[编辑]

主条目：抽象類型

註釋[编辑]

^ 有一個情況將一個或多個位元保留作其它用途，例如：奇偶校驗。

^ 例如：Ada、Pascal

^ 注意，在平台和語言之間，資料類型的大小可能有所變化。表中列出的數值，是目前所使用且最常見的大小。

参考文献[编辑]

Luca Cardelli, Peter Wegner. On Understanding Types, Data Abstraction, and Polymorphism, [1] （页面存档备份，存于互联网档案馆） from Computing Surveys (December, 1985).

参见[编辑]

计算机科学主题

类型理論，關於类型的數學模型。

型別系統，關於在程式語言型別中的選擇差異。

查论编数据类型无解释的

位元

字节

三进制位

三进制字节

字

数值

整数

符号性

有符号数

无符号数

定点数

浮点数

双精度

扩展精度（英语：Extended precision）

半精度

迷你浮点数

八精度

四精度

单精度

有理数

复数

任意精度算术

区间（英语：interval arithmetic）

文本

字符

字符串

指针

記憶體位址

物理地址

虚拟地址

參照

组合

代数数据类型

广义（英语：generalized algebraic data type）

数组

关联数组

类

串列

对象

元对象

可选类型

积类型（英语：Product type）

记录

集合

元组

联合体

标签

其他

布尔型

底层类别（英语：Bottom type）

容器

枚举类型

异常

头等函数

不透明数据类型（英语：Opaque data type）

递归数据类型

信号标

字串流

顶类型（英语：Top type）

类型类

類型系統

单位类型（英语：Unit type）

Void

不定型別

相关议题

抽象資料型別

数据结构

介面

种类（英语：Kind (type theory)）

元类

对象类型（英语：Boxing (computer programming)）

原始型別与複合型別

协议

子类型

C++模板

型別構造器

参数多态

查论编数据

数据增强

数据分析

Data Archaeology（英语：Data archaeology）

大數據

数据清洗

資料收集（英语：Data collection）

数据集

数据压缩

数据转换

数据损坏

Curation（英语：Data curation）

Degradation（英语：Data degradation）

Editing（英语：Data editing）

ETL

数据抽取（英语：Data extraction）

数据变换（英语：Data transformation）

数据装载（英语：Data loading）

Farming（英语：Data farming）

Format management（英语：Data format management）

Fusion（英语：Data fusion）

数据集成

数据完整性

数据注释（英语：Data annotation）

Library（英语：Data library）

数据损失（英语：Data loss）

数据管理

数据脱敏

数据迁移

元数据

数据挖掘

数据模型

开放数据

Datapoint（英语：Data point）

数据预处理（英语：Data pre-processing）

Preservation（英语：Data preservation）

信息隐私（英语：information privacy）

数据出版（英语：Data publishing）

数据质量（英语：Data quality）

数据恢复

数据精简（英语：Data reduction）

数据保持（英语：Data retention）

数据科学

Scraping（英语：Data scraping）

Scrubbing（英语：Data scrubbing）

數據安全

数据泄露

数据共享（英语：Data sharing）

Stewardship（英语：Data steward）

数据储存（英语：Data storage）

儲存裝置

数据结构

數據同步

数据确认

数据验证（英语：Data verification）

数据仓库

Wrangling/munging（英语：Data wrangling）

模板

数据模型

开放数据

数据储存

数据类型

数据结构

数据仓库

规范控制数据库：各地

德国

以色列

美国

拉脱维亚

捷克