AI-NATIVE 系列 · 四龄数论 · 第4集/共4集 · 20岁

数与表示：程序员入门的第一个抽象（20岁篇）

作者Shifeng Chen (陈诗峰) & Paul JL Wu · agentic-portfolio-lovat.vercel.app · 2026-10-15 · 阅读约14分钟

每个程序员为什么都得分清数字和它的表示？

本集不讲位值制唯一性证明；那部分内容请看 第 3 集（15 岁）。连续量（测量而非计数）是下一季的主题。

本集讲什么：数字与表示

这是一篇写给二十岁左右、已经或即将写代码的读者的工程师随笔，聊聊数值和它的书写或存储方式有何不同。你只需要一台装有 Python 的电脑，和十五分钟时间来动手练习。

这是四集中的第 4 集，也为整个系列画上句号。

• 第 1 集 带 7 岁的孩子发现，五个苹果和五块石头其实有着同一个“东西”，“5”不过是它的名字。
• 第 2 集 让 11 岁的孩子自己发明计数系统，亲眼看到位值制为何最终胜出。
• 第 3 集 给 15 岁的孩子展示了：无论有没有零，每种进制下，每个数都只有唯一一种写法。

本集要说的，其实就是：孩子当年悟到的那个道理，正是每个程序员最早学会的抽象。思路来自一章，作者是本系列联合作者陈诗峰，主题是数与数的表示。再往前推一步，这些想法就变成了你可以直接在自己代码里跑的测试。

整个系列都用厨房里的一个画面串联，像爬楼梯一样层层递进：碗里的鸡蛋、餐馆、快餐库房。现在我们爬到最顶层——全国的食品供应链。一箱 42 盒鸡蛋要经过十几个系统：条形码用一种方式编码，仓库数据库存成二进制整数，CSV 导出写成字符串“0042”，表格里则放在 AP 列。数量始终没变，但每个系统的写法都不一样。供应链里的 bug，恰恰就出现在这些差异之间。

活动 1 · 单手数到 31（先自己想办法）

“相同的数”靠配对定义；表示法就是编码

第 1 集的苹果游戏，并不是小孩专属的简化版。它其实就是 Frege 构建算术时对“相同的数”的定义。在数学基础里，两个集合“有相同的数”，当且仅当它们之间存在一一对应。这就是休谟原则（Hume's Principle），Frege 1884 年算术体系的根基（Zalta, Stanford Encyclopedia of Philosophy, "Frege's Theorem and Foundations for Arithmetic"（中译：Zalta，斯坦福哲学百科全书，《Frege 定理与算术基础》））。这个定义里，完全没提到数字符号。

A 表示法，就是对这个值的编码：用某种字母表上的有限字符串，加上一套读法规则。十进制、二进制、罗马数字、正字计数法、寄存器里的比特，这些都是不同的表示法。软件工程里也有同样的区分：抽象数据类型，强调“值的行为”与“存储方式”分离，这一思想最早由1974 (Liskov & Zilles (1974), "Programming with abstract data types", ACM SIGPLAN Notices提出）。数字本身就是最原始的抽象数据类型，而各种记数系统则是它的不同实现。

在所有编码方式下都成立的性质，被称为不变量。分辨哪些是数值不变量，哪些只是编码层面的事实，是本文要训练的能力。你现在就可以去Number Playground试一试——这是一个免费工具，可以用九种方式展示同一个数字，还能玩陈老师设计的排序小游戏。

本系列的核心观点一句话说清：数字是值，表示是编码，写代码时只依赖值才是正道。

位值制为什么能胜出：用固定字母表实现对数长度的编码

陈老师那一章，其实就是一部“压缩史”，工程师可以用精确的语言总结。

• 计数棒法写 n 就得画 n 个记号：长度随数值线性增长。
• 加法制（如罗马、埃及）虽然更短，但数变大就得造新符号。埃及人有一百万的专用符号，但再往上就没法写了：走不通。
• 位值制在 b 进制下只需要1 + ⌊log_b n⌋个数字（见Weisstein, MathWorld, "Digit"）。长度随数值呈对数增长，而且字母表始终不用扩展。

陈老师有一句话：位值制把“无限多的符号”变成了“无限多的位置”。

这种优势是有代价的：每一位都得占着，包括空位，这就是占位零的意义。但其实零并非绝对不可或缺。bijective（无零）k 进制的数字从 1 到 k。每个正整数依然只有唯一一个字符串，空字符串表示零。其实你每天都在用：表格的列名从 A 到 Z，然后是 AA、AB……，这就是 bijective 26 进制。Excel 支持16,384列，最后一列是 XFD（Microsoft, "Excel specifications and limits"（中译：微软，《Excel 规格与限制》）): 24 × 26² + 6 × 26 + 4 = 16,384.

活动 2 · 写个转换器，再试试哪些东西不能变

下面这个版本，所有断言都能通过：

DIGITS = "0123456789abcdefghijklmnopqrstuvwxyz"
def to_base(n, b):
    if n == 0:
        return "0"
    out = ""
    while n:
        n, r = divmod(n, b)
        out = DIGITS[r] + out
    return out
def from_base(s, b):
    return int(s, b)
def to_zero_free_ten(n):            # digits 1-9 and κ (ten); no 0
    out = ""
    while n:
        r = n % 10 or 10
        out = "123456789κ"[r - 1] + out
        n = (n - r) // 10
    return out
def from_zero_free_ten(s):
    n = 0
    for ch in s:
        n = n * 10 + "123456789κ".index(ch) + 1
    return n
def column_label(n):                # spreadsheet columns: zero-free base 26
    out = ""
    while n:
        r = n % 26 or 26
        out = chr(64 + r) + out
        n = (n - r) // 26
    return out
def column_number(s):
    n = 0
    for ch in s:
        n = n * 26 + ord(ch) - 64
    return n
assert to_zero_free_ten(3020) == "2κ1κ" and to_zero_free_ten(10**6) == "99999κ"
assert column_label(27) == "AA" and column_label(16384) == "XFD"
for n in range(1, 10_000):          # every encoding round-trips: the value is untouched
    assert from_base(to_base(n, 3), 3) == n
    assert from_zero_free_ten(to_zero_free_ten(n)) == n
    assert column_number(column_label(n)) == n
    assert (n % 3 == 0) == to_base(n, 3).endswith("0")              # true in base 3 ...
assert any((n % 3 == 0) != str(n).endswith("0") for n in range(1, 100))  # ... false in base ten: a fact about notation

注意看最后两个断言。“能被 3 整除就末位是 0”在三进制下对所有数都成立，但最后一行展示了它在十进制下失效（3 能被 3 整除但末位是 3）。某个性质如果只在某种编码下成立，换个表示就失效，那它属于编码，不属于数本身。陈诗峰让孩子们判断一句话到底说的是“数”还是“写法”的排序实验，其实和“值不变、切换编码”的性质测试是同一个动作。在 b 进制下，数字和的捷径只对b − 1 (Weisstein, MathWorld, "Divisibility Tests"（中译：Weisstein，MathWorld，《整除检验》）的因数成立，所以我们熟悉的 3 和 9 的规则其实只是十进制的特性，不是三本身的特性。

同样的比特，不同的数：代码里最容易踩的坑

下面这三个例子，你可以直接在 Python 里复现。每一个都是“表示层的事实”渗进了“值层”。

• 一个字节，两种数。比特模式 11111011 走进酒吧，酒保问：“251 还是 −5？”它作为无符号字节读是 251，作为 8 位二进制补码读是 −5。比特完全一样，数值取决于约定的编码。只要两个系统对编码理解不一致，bug 就会跟着来。
• 0.1 + 0.2 得到 0.30000000000000004。二进制浮点数没法精确表示 0.1，就像十进制没法精确表示 1/3。在三进制里，1/3 就是 0.1。数值没问题，编码做了近似。0.1 + 0.2 == 0.3这是编码层面的问题，所以数值代码都要用容差比较。
• 五个字符，一个值。字符 5、٥、५、Ⅴ 和 五 在 Unicode 字符数据库里都代表数值 5（Unicode Character Database (UnicodeData.txt) 和 Unihan (U+4E94)）。Python 的int("٥")和int("५")会返回 5，因为它们在 Unicode 里是十进制数字，而int("五")和int("Ⅴ") 按设计 raise ValueError：int 只认数字，不认数字符号。unicodedata.numeric("五") 返回 5.0。每个解析器都要划定这条界限；问题在于你可能无意识地画错了。

供应链里的真实案例：产品编码“0042”被导入表格后，直接变成了数字 42，原本作为标识的前导零就这样丢了。于是某个仓库会误以为 0042（橡皮鸭）和 42（也是橡皮鸭，但供应商不同）是同一个产品，结果多下了一倍的订单。这个编码本来就是用数字字符串存储的标识符，从来不是数量。如果你能分清这个值到底属于哪一层，这种事故就不会发生。

一张带预测的“数字身体”地图

本系列借用了 Paul 的“play-engineering”笔记里的一个视角，先验证再假设：一个“身体”有灵魂、骨架、血肉和皮肤。对于数字系统来说：

• “灵魂”是数值本身；
• “骨架”是位值结构，也就是类型的骨架；
• “血肉”是数字操作的算法（进位、比较、解析）；
• “皮肤”是字形和字节。

这个预测的意义在于：凡是能在编码变化后依然成立的，属于值本身；凡是换了编码就失效的，属于实现层。 加法属于灵魂，进位规则属于血肉：只有一个涉及 N 的规则（“到 N 就进一位”），所以换底只会改 N，本质的加法永远不变。代码里的原则就是“只在值层测试性质，把编码相关的事实藏在编码接口后面”。

但这张地图也有失效的时候：

1. 你可以换骨架（变换进制）但保留灵魂，这可不是任何真正的身体能做到的。
2. “离散”和“连续”其实是一个维度，不是分层。亚里士多德早就说过：「量要么是离散的，要么是连续的。」" (亚里士多德，《范畴篇》第六部分，E. M. Edghill 译（MIT Internet Classics Archive））。本系列讨论的全是离散量；测量（以及真正意义上的浮点数）留到下一季。
3. 至于“精神”是否独立存在，这个问题还没有定论。柏拉图主义者认为，数是独立存在的抽象实体，不依赖于任何人的心智（Linnebo, Stanford Encyclopedia of Philosophy, "Platonism in the Philosophy of Mathematics"（中译：林内博，《斯坦福哲学百科全书》，《数学哲学中的柏拉图主义》））；而名义主义者则认为，根本不存在抽象的“数”对象（Bueno, Stanford Encyclopedia of Philosophy, "Nominalism in the Philosophy of Mathematics"（中译：布埃诺，《斯坦福哲学百科全书》，《数学哲学中的名义主义》））。工程师大可不必纠结：只要接口好用就行。这本身也是一种哲学立场——一种实用主义。

为什么一个观念能贯穿四个年龄段

本系列押注于一个观点，通常追溯到 Jerome Bruner 的《教育过程》（1960）：任何学科都能以某种智识上诚实的方式，在任何发展阶段被教给学生。我们是有意用自己的话转述的。原文我们没查到，所以不直接引用。

“诚实”的检验标准，就是同一个不变性测试。每一集都讲同一个内核，七岁学到的东西，二十岁时不用推翻重学。配对游戏就是休谟原则。「5 只是个名字」就是值/编码的区分。双手计数法就是进位规则。

本系列背后的“剧本”建立在你可以查证的研究之上：

• 工作记忆能同时容纳三到五个单元（Cowan (2001), "The magical number 4 in short-term memory", Behavioral and Brain Sciences 24（中译：Cowan（2001），《短时记忆的神奇数字4》，《行为与脑科学》24）).
• 对新手有帮助的支持，可能会妨碍专家（Kalyuga, Ayres, Chandler & Sweller (2003), “The Expertise Reversal Effect”, Educational Psychologist 38).
• 只有当你带着“要教别人”的心态去学，教学的效果才会真正显现（Kobayashi (2024), Educational Psychology Review (ERIC EJ1414484)).

再补充一个我自己的视角：我始终相信，真理、爱与美不是彼此独立的理想，而是同一个真实的三种面貌——在我的信仰里，甚至是同一个人的三重形象。在本系列中，这三者也可以当作一份纯工程师视角的核查清单：一堂课要真实（学生能亲自验证），要有爱（为具体的人而写，能在他们犯错时陪伴），还要有美感（有一个值得被展示的瞬间）。

• 只有真理没有爱，就是一份没人能读懂的正确证明。
• 只有爱没有真理，就是一场有趣但会误导人的游戏。
• 只有美却没有真理和爱，就是一张漂亮但讲错历史的信息图。

那些“只对了一半”的常见误区

• “0.1 存错了。” 实际上，它是严格按照规范，存成了最接近的二进制小数。让人意外的是编码方式本身，不是 bug。正确做法是用容差比较，或者直接用十进制类型。
• “前导零无所谓。” 对于数量来说没错，但对标识符就错了。比如“0042”作为产品编码，其实只是一个恰好全是数字的字符串。
• “26 进制的列标签就是字母。” 实际上，它是一个没有零的进位制数系，这也是为什么 Z 后面接的是 AA，而不是 BA。

现在，轮到你把这套思路教给别人

为什么这件事重要：五个“为什么”

问题：数据管道把产品编码的前导零丢了，结果 0042 和 42 被合并，两个产品变成了一个。

1. 为什么会合并？ 某个加载器把“0042”当作数字 42 解析了。这两个字符串都指向同一个数值，结果导致标识符冲突。
2. 为什么会被当成数字解析？ 系统是根据字符的外观（全是数字）来推断类型的，而不是根据字段本身的实际含义。
3. 为什么要靠外观来推断？ 因为系统把“表示”（一串数字字符）误当成了“值”本身，这正是陈诗峰那一章专门提醒孩子们要避免的混淆。
4. 为什么没有被及时发现？ 没有任何测试是在“值”保持不变的前提下切换编码。如果有这样的测试，立刻就能暴露问题——就像转换器里用十进制对比时，某个“只在 3 进制成立”的规则在十进制下直接失效一样。
5. 根本原因： 代码把依赖写在了表示层，而不是值层。修正方法就是本集的原则：先明确什么才是“值”（到底是数量还是标识符），所有和编码相关的细节都要封装在接口背后（Liskov & Zilles (1974), "Programming with abstract data types", ACM SIGPLAN Notices），并且要跨编码做不变性测试。

实操指南：本周就动手试试

1. 先读一遍“准备教别人”那句话。
2. 用一只手数到 31（2 分钟）。
3. 写出那三个转换器和属性测试，然后和上面的版本对比（15 分钟）。
4. 打开 Number Playground。输入 16384 和 1000000，把你的转换器和它的各行结果对一遍（包括表格列那一行：16384 就是 XFD），然后玩一把 N-or-R 游戏。
5. 在你自己的代码里找一个依赖于表示的地方（比如字符串和数字、浮点数相等判断、只认数字的解析器），加一个不变性测试。
6. 把第 3 集里的唯一性证明讲给一个 15 岁的孩子听。

怎么判断你做对了

• 你的转换器能通过上面所有断言。
• 你的代码里多了一个新属性测试，如果有表示层的事实泄漏到值层，这个测试就会挂。
• 你能用一句话分别解释：为什么 11111011 可以代表两个不同的数，为什么 0.1 + 0.2 在二进制浮点下不等于 0.3，以及为什么 Z 后面接着是 AA。

一周后请再自查一次。实验证明，测试的效果优于反复重读（Roediger & Karpicke, 2006, "Test-Enhanced Learning", Psychological Science 17，中译：测试强化学习优于重复阅读）。1 周 (Roediger & Karpicke (2006), "Test-Enhanced Learning", Psychological Science 17）。不过，测试无法检验：你在截止压力下还能否坚持这个习惯。CI 里的属性测试，才是真正能兜底的那道防线。

前瞻提醒：现在就设好“绊马索”

• 如果某个字段全是数字，先明确它是数量还是标识符。 在 schema 里写清楚你的判断，别等 loader 自作主张。
• 如果你用 == 直接比较浮点数，停！ 请用容差或 decimal 类型，并加一个 0.1 + 0.2 的测试。
• 如果你的解析器遇到 ٥ 或 五， 请有意识地做出选择：Python 的 int 能识别像 ٥ 这样的 Unicode 十进制数字，但会拒绝 五 和 Ⅴ 这样的字符（这是有意为之）。写明你的系统接受哪些，并加测试。

本集的真、善、美

• 真： 每个论断都能跑通。转换器断言全通过，字节和浮点的例子在任何 Python 终端都能复现。
• 善： 这篇文章直接把一个 15 岁的学生交到你手上，每个常见误区都用“对的地方”来回应。
• 美： 一个想法，从五个苹果到 Excel 最后一列，每个年龄段都能成立，无需推翻前面的认知。（第 1 集里和石头牵手的蛋，现在成了全国卡车上的 0042 号纸箱。它的数量还是 1，只是名字一直在变。）

5S 自评表

参考文献

1. 陈诗峰（Shifeng Chen），章节草稿《第一章 数和数的表示形式》（“Numbers and Their Representations”），2026年。原文章节阅读（PDF，中文）。本系列共同作者。
2. Zalta, E. N. “Frege's Theorem and Foundations for Arithmetic.”（中译：弗雷格定理与算术基础。）斯坦福哲学百科全书. plato.stanford.edu
3. Liskov, B. & Zilles, S. (1974). Programming with abstract data types.（中译：用抽象数据类型编程。）ACM SIGPLAN Notices. Crossref 10.1145/942572.807045
4. Weisstein, E. W. “Digit.” MathWorld.（中译：“数字”，MathWorld。）mathworld.wolfram.com
5. Weisstein, E. W. “Divisibility Tests.” MathWorld.（中译：“整除检验”，MathWorld。）mathworld.wolfram.com
6. Microsoft. “Excel specifications and limits.”（中译：Excel 规格与限制。）support.microsoft.com
7. Unicode 字符数据库，UnicodeData.txt。unicode.org
8. 亚里士多德。《范畴篇》，第6部分，E. M. Edghill 译。classics.mit.edu
9. Linnebo, Ø. “Platonism in the Philosophy of Mathematics.”（中译：数学哲学中的柏拉图主义。）斯坦福哲学百科全书. plato.stanford.edu
10. Bueno, O. “Nominalism in the Philosophy of Mathematics.”Stanford Encyclopedia of Philosophy. plato.stanford.edu
11. Cowan, N. (2001). The magical number 4 in short-term memory.Behavioral and Brain Sciences 24. doi:10.1017/S0140525X01003922
12. Kalyuga, S., Ayres, P., Chandler, P. & Sweller, J. (2003). The expertise reversal effect.Educational Psychologist 38. doi:10.1207/S15326985EP3801_4
13. Kobayashi, K. (2024). Interactive learning effects of preparing to teach and teaching.Educational Psychology Review. ERIC EJ1414484
14. Roediger, H. L. & Karpicke, J. D. (2006). Test-enhanced learning.Psychological Science 17. doi:10.1111/j.1467-9280.2006.01693.x
15. DeLamater, M. (1999), on Bruner's hypothesis.Education Week. edweek.org(secondary; the primary wording was not checked)

相关内容

• 第1集 · 7岁——什么是数？五个苹果、五块石头和一个“五”（7岁剧本）
• 第2集 · 11岁——数制：为什么人们总在发明新写法来表达同一个数（11岁）
• 第3集 · 15岁——位值制：十个符号如何唯一地写出每个数（15岁）