Python个人知识库
Python 是一门语法简洁、生态丰富的编程语言,常用于脚本工具、Web 后端、数据分析、自动化测试、爬虫、机器学习和 AI 应用开发。
这组文档面向零基础读者,目标是让你按顺序掌握 Python 开发所需的基础语法和工程能力,而不是只背零散语法点。
为什么学习 Python
Python 的优势不是语法少,而是能快速把想法变成可运行程序。它有成熟的标准库和第三方生态,写脚本、处理文件、请求接口、分析数据、调用 AI 模型都很方便。
如果只学语法不做项目,很容易停留在会写 for 循环的阶段。正确学习方式是:基础语法配合小任务,逐步理解环境、模块、异常、文件、测试和工程结构。
学习路线
mermaid
flowchart TD
A["环境与包管理"] --> B["基础语法"]
B --> C["数据结构"]
C --> D["函数与模块"]
D --> E["面向对象"]
E --> F["异常与文件"]
F --> G["类型标注"]
G --> H["日志与调试"]
H --> I["测试"]
I --> J["项目实践"]
J --> K["Web、数据处理、爬虫、AI"]不要跳过环境、依赖、异常、日志、测试这些内容。它们看起来不如 AI 或 Web 酷,但是真正写项目时每天都会用。
目录说明
| 阶段 | 页面 | 学完应该会什么 |
|---|---|---|
| 总路线 | 从零到生产级掌握 | 建立从环境、语法到 Web、数据库、AI 的完整工程路线 |
| 总验收 | 从零到精通验收清单 | 按语法、工程、并发、Web、数据、AI、排查逐项验收 |
| 商业训练 | Python商业场景训练营 | 用 CSV 清洗、FastAPI、并发、日志、测试串起生产项目 |
| 环境准备 | 环境与包管理 | 安装 Python、创建虚拟环境、安装依赖 |
| 语言基础 | 基础语法 | 变量、条件、循环、字符串、入口函数 |
| 数据组织 | 数据结构 | list、tuple、dict、set 的使用场景 |
| 代码复用 | 函数与模块 | 定义函数、拆模块、组织包 |
| 对象建模 | 面向对象 | 类、对象、继承、dataclass |
| 稳定性 | 异常与文件 | try/except、文件读写、JSON |
| 可维护性 | 类型标注 | 给函数、数据结构和返回值加类型 |
| 并发能力 | 并发与异步 | 线程、进程、asyncio 的选择 |
| Web 开发 | Web API开发 | FastAPI 基础、接口分层 |
| 数据访问 | 数据库访问 | SQL、事务、Repository 分层 |
| 数据处理 | 数据处理 | Pandas、清洗、导入导出 |
| 工具开发 | 命令行工具 | argparse、参数、退出码 |
| 自动化 | 爬虫与自动化 | requests、HTML/JSON 解析、限速 |
| 调试排错 | 日志与调试 | logging、异常堆栈、断点 |
| 质量保障 | 测试 | pytest、fixture、mock |
| 项目落地 | 项目实践 | 目录结构、配置、依赖、README |
| AI 方向 | Python与AI开发 | 调用模型 API、RAG、AI 工程建议 |
Python 适合做什么
| 方向 | 常用技术 | 入门建议 |
|---|---|---|
| 脚本工具 | pathlib、argparse、subprocess | 先写批量文件处理工具 |
| Web 后端 | Flask、FastAPI、Django | 先学 FastAPI 和 HTTP 基础 |
| 数据分析 | NumPy、Pandas、Matplotlib | 先学 CSV/Excel 清洗 |
| 自动化测试 | pytest、requests、Playwright | 先写接口测试和简单 UI 自动化 |
| 爬虫 | requests、BeautifulSoup、Scrapy | 先学合规抓取和数据保存 |
| AI 开发 | PyTorch、Transformers、LangChain | 先学模型 API 调用和 RAG 流程 |
零基础学习建议
- 每学一个语法点,都写一个小例子。
- 不要只在交互式环境里试代码,要学会写
.py文件。 - 从第一天就使用虚拟环境,避免依赖混乱。
- 遇到报错先读错误类型、文件名和行号。
- 学到函数后就开始拆文件,不要所有代码写一个文件。
- 学到项目实践后,给自己的小工具补 README 和测试。
推荐练习路线
mermaid
flowchart TD
A["练习 1:计算器"] --> B["练习 2:通讯录"]
B --> C["练习 3:文件批量重命名"]
C --> D["练习 4:CSV 数据清洗"]
D --> E["练习 5:命令行工具"]
E --> F["练习 6:FastAPI 小接口"]
F --> G["练习 7:带测试的完整小项目"]每个练习都要尽量做到:
- 有清晰输入和输出。
- 有异常处理。
- 有日志。
- 有 README。
- 核心函数有测试。
入门 Demo:第一个 Python 脚本
先不要急着学复杂框架,先学会写一个 .py 文件、接收输入、处理数据并输出结果。
新建 hello.py:
python
def calculate_total(price: float, count: int) -> float:
"""计算商品总价。"""
return price * count
def main():
name = input("请输入商品名称:")
price = float(input("请输入单价:"))
count = int(input("请输入数量:"))
total = calculate_total(price, count)
print(f"{name} 共 {count} 件,总价:{total:.2f} 元")
if __name__ == "__main__":
main()运行:
bash
python hello.py这个小例子同时包含了变量、类型转换、函数、格式化输出和程序入口。后续学习数据结构、文件、Web、AI 时,都是在这些基础语法上继续扩展。
学习检查清单
学完基础阶段后,你应该能做到:
- 使用虚拟环境安装依赖。
- 写条件、循环、函数。
- 正确选择 list、dict、set。
- 把代码拆成模块。
- 读写文本、JSON、CSV 文件。
- 处理常见异常。
- 使用 logging 记录日志。
- 使用 pytest 写简单测试。
- 写一个带参数的命令行工具。
- 看懂一个小型 Python 项目结构。
本页小结
Python 学习不要只追求语法速度。真正能做项目,需要同时掌握环境、语法、数据结构、模块化、异常、日志、测试和项目结构。后续 Web、数据分析、爬虫和 AI 都是在这些基础上继续扩展。
