Datentyp Python: Was ich wirklich wissen muss

Wenn ich in Python schnellen, sauberen Code schreiben will, fange ich immer mit den Datentypen an. Denn der Datentyp Python entscheidet darüber, wie Werte gespeichert, verändert und verarbeitet werden. Wer das ignoriert, baut Fehler ein, die später teuer werden.

Die gute Nachricht: Python macht den Einstieg leicht. Ich muss nicht alles kompliziert typisieren wie in anderen Sprachen. Aber ich sollte trotzdem wissen, was ich da eigentlich benutze.

Datentyp Python: Die wichtigsten Grundtypen

Diese Typen begegnen mir in fast jedem Projekt:

• int – ganze Zahlen, zum Beispiel 10, -3, 0
• float – Kommazahlen, zum Beispiel 3.14 oder 99.9
• str – Text, zum Beispiel "Hallo"
• bool – Wahrheitswerte: True oder False
• list – veränderbare Liste von Werten
• tuple – unveränderbare Gruppe von Werten
• dict – Schlüssel-Wert-Paare
• set – ungeordnete Menge ohne Duplikate

Das sind die Bausteine. Wenn ich sie sauber beherrsche, kann ich fast jede typische Python-Aufgabe lösen.

Datentyp Python: Wie ich den Typ erkenne

Ich nutze die Funktion type(), wenn ich prüfen will, was in einer Variable steckt:

x = 5
print(type(x))  # <class 'int'>

Das ist simpel, aber wichtig. Denn Python ist dynamisch typisiert. Das heißt: Der Typ wird zur Laufzeit bestimmt, nicht vorher hart festgelegt.

name = "Alex"
name = 42  # geht in Python problemlos, weil der Variablenname keinen festen Typ hat

Ich finde das praktisch. Aber es kann auch chaotisch werden, wenn man nicht aufpasst.

Datentyp Python: Zahlen, Text und Wahrheitswerte

int und float

Mit int arbeite ich bei ganzen Zahlen. Mit float bei Dezimalzahlen. Das klingt banal, macht aber im Alltag einen großen Unterschied.

alter = 30
preis = 19.99

Wichtig: Rechenoperationen mit int und float können zu überraschenden Ergebnissen führen, wenn ich nicht sauber prüfe, welcher Typ zurückkommt.

print(5 / 2)   # 2.5
print(5 // 2)  # 2

Der erste Ausdruck liefert eine normale Division, der zweite eine Ganzzahldivision.

str

Strings nutze ich für alles, was Text ist. Also Namen, E-Mails, Nachrichten, Labels, JSON-Inhalte.

message = "Ich lerne Python"

Strings sind nicht dasselbe wie Zahlen. Das ist einer der häufigsten Anfängerfehler:

print("2" + "3")  # 23
print(2 + 3)      # 5

Wenn ich rechnen will, muss ich echte Zahlen haben. Wenn ich Text zusammenbauen will, brauche ich Strings.

bool

Boolesche Werte nutze ich für Entscheidungen:

ist_vip = True
hat_bezahlt = False

Ohne bool keine sauberen if-Abfragen. Genau hier wird Code entweder klar oder unnötig kompliziert.

Datentyp Python: Sammlungen, die ich ständig benutze

list

Listen sind mein Standard, wenn ich mehrere Werte speichern will und die Reihenfolge wichtig ist.

produkte = ["Buch", "Laptop", "Stift"]

Listen sind veränderbar. Ich kann Elemente hinzufügen, löschen oder ändern.

produkte.append("Notizbuch")
produkte[0] = "E-Book"

Das ist stark, weil ich flexibel bleibe. Genau deshalb nutze ich Listen oft als Ausgangspunkt.

tuple

Tuples sehen ähnlich aus wie Listen, sind aber unveränderbar. Ich nutze sie, wenn Werte fest sein sollen.

koordinaten = (10, 20)

Wenn ich etwas nicht ändern will, nehme ich ein Tuple. Das reduziert Fehler und macht Absichten klar.

dict

Dictionaries sind für mich Gold wert. Ich speichere Werte über Schlüssel statt über Position.

kunde = {
    "name": "Mila",
    "alter": 28,
    "premium": True
}

Wenn ich Daten strukturiert abrufen will, ist dict oft die beste Wahl. Ich greife dann direkt über den Schlüssel zu:

print(kunde["name"])

set

Sets nutze ich, wenn ich nur eindeutige Werte will. Duplikate fliegen automatisch raus.

tag = {"python", "seo", "automation"}

Das ist perfekt für Tags, Filter und Mengenoperationen.

Datentyp Python: Wann ich welchen Typ nutze

Ich halte es simpel:

• int, wenn ich ganze Zahlen brauche
• float, wenn Dezimalstellen wichtig sind
• str, wenn ich Text speichere
• bool, wenn etwas wahr oder falsch ist
• list, wenn ich eine geordnete, veränderbare Sammlung brauche
• tuple, wenn die Werte fest bleiben sollen
• dict, wenn ich Daten über Schlüssel abrufen will
• set, wenn ich eindeutige Werte will

Meine Regel: Wähle den einfachsten Typ, der das Problem sauber löst.

Datentyp Python: Typumwandlung in der Praxis

Oft passen Daten nicht direkt zusammen. Dann konvertiere ich sie.

alter = "30"
alter_als_zahl = int(alter)
preis = float("19.99")

Das ist entscheidend, wenn ich Eingaben aus Formularen, APIs oder Dateien verarbeite. Fast alles kommt irgendwann als String rein.

Wichtige Konvertierungen:

• int("42") → String zu Integer
• float("3.5") → String zu Float
• str(100) → Zahl zu String
• list("abc") → Zeichen einzeln in Liste

Aber: Nicht jede Umwandlung funktioniert. int("abc") wirft einen Fehler. Genau deshalb prüfe ich Eingaben früh.

Datentyp Python: Typische Fehler, die ich vermeide

Die meisten Probleme sind nicht kompliziert. Sie sind nur nervig. Ich vermeide vor allem diese Fehler:

• Strings mit Zahlen verwechseln
• Listen verändern, obwohl ein Tuple besser wäre
• Dict-Schlüssel falsch schreiben
• Mit float zu genau rechnen wollen – bei Geld kann das kritisch sein
• Blind Typen annehmen statt type() zu prüfen

Wenn Geld im Spiel ist, schaue ich genau hin. Für finanzielle Berechnungen kann das Modul decimal besser sein als float. Für Datumswerte nutze ich oft datetime. Für reguläre Ausdrücke gibt es re. Das sind echte, offizielle Python-Ressourcen, die ich selbst sinnvoll finde.

Datentyp Python: Mein schneller Denkrahmen

Wenn ich ein Problem in Python löse, stelle ich mir immer diese Fragen:

• Ist es Text, Zahl oder Wahr/Falsch?
• Brauche ich Reihenfolge?
• Muss sich die Sammlung ändern dürfen?
• Brauche ich eindeutige Werte?
• Will ich per Schlüssel statt per Index zugreifen?

Diese fünf Fragen sparen mir Zeit. Sie verhindern 80 % der typischen Fehler.

Datentyp Python: Fazit

Der Datentyp Python ist kein Nebenthema. Er ist die Grundlage für sauberen, lesbaren und robusten Code. Wenn ich die Grundtypen verstehe und bewusst auswähle, schreibe ich besseren Code, schneller und mit weniger Fehlern. Genau so sollte es sein.