本页面专为希望系统掌握Python编程的初学者与进阶者打造,提供从零基础入门到项目实战的全流程Python练习题视频讲解。课程设计严格遵循认知规律,以问题驱动为核心理念,每段视频均围绕一个具体知识点展开,辅以真实项目案例拆解、代码逐行解析与常见错误预警,帮助学习者建立扎实的编程思维与工程实践能力。
课程内容覆盖Python基础语法、数据结构与算法、网络爬虫开发、自动化办公、数据分析、Web开发及机器学习入门七大核心模块,总计超过280个实战练习题,每个题目均配有详细视频讲解(平均时长8–15分钟),并配套源码、测试数据与扩展思考题。所有视频均采用高清录播+屏幕共享形式录制,支持倍速播放与重点标记,便于反复学习与快速回顾。
课程特色在于:① 真题导向——紧扣主流招聘平台(BOSS直聘、拉勾、智联)对Python岗位的技能要求,精选高频考点;② 分层设计——按【入门→进阶→实战→拓展】四级难度梯度编排;③ 错题归因——针对学生高频错误(如缩进错误、作用域混淆、列表推导式误用)设置专项解析环节;④ 工具链整合——同步讲解PyCharm、Jupyter Notebook、Git、Postman等开发工具的最佳实践。
本模块聚焦Python核心语法结构,从变量定义、数据类型(整型、浮点型、字符串、布尔型、None)、运算符到流程控制(if/elif/else、for/while循环、break/continue),构建完整知识骨架。特别设置“易错点专项突破”单元,例如:
s = "abc"; s[0] = "A"报错)list.copy() vs copy.deepcopy())def func(lst): lst.append(1)的实际影响)配套练习题如:编写程序实现“学生成绩管理系统”——支持增删改查、平均分计算、最高分统计,并将结果写入CSV文件。该题综合考察文件操作、列表处理、函数封装等核心技能。
本模块系统讲解线性结构(列表、元组、字符串)、散列表(字典)、集合、栈与队列、树与图的基础操作及典型应用。重点覆盖:时间复杂度分析(O(1)、O(log n)、O(n)、O(n log n)、O(n²)的直观对比)、递归与分治思想、动态规划状态转移方程设计。
经典例题包括:用递归实现斐波那契数列(对比迭代法效率)、用栈实现括号匹配检测、用字典实现LRU缓存结构(仅支持get/set操作)、用双指针法解决“两数之和”问题(LeetCode第1题)。视频中将逐步演示如何将算法思路转化为可运行代码,并通过可视化流程图辅助理解。
本模块从HTTP协议原理讲起,逐步深入至 requests 库的GET/POST请求、Response对象解析、Session会话管理、Cookie处理,再到BeautifulSoup4与lxml解析库的XPath与CSS选择器用法,最后整合Selenium实现动态页面抓取。特别强调法律合规性——明确标注《网络安全法》第27条关于“不得从事危害网络安全活动”的边界。
实战案例包括:抓取豆瓣电影Top250(处理分页与反爬)、爬取知乎热榜(模拟登录+请求头伪装)、抓取京东商品评论(处理AJAX异步加载)。每段代码均标注注释逻辑,并提供反爬策略应对方案(如User-Agent轮换、请求间隔随机化、代理IP池构建)。
本模块聚焦办公效率提升,涵盖Excel(openpyxl)、Word(python-docx)、PDF(PyPDF2)、邮件(smtplib)、定时任务(schedule)等工具的自动化脚本开发。典型任务如:批量合并多个Excel工作表、自动发送带附件的日报邮件、将PDF文件转换为Word文档、从PPT中提取文本内容并生成摘要。
所有案例均基于真实办公场景设计,例如“财务报表自动化生成”——从数据库导出原始数据 → 用pandas清洗 → 生成可视化图表 → 套用Word模板填充 → 自动邮件发送。视频中将逐步演示每一步的代码实现与异常处理(如文件路径不存在、权限不足、格式错误)。
本模块结合pandas、NumPy、Matplotlib、Seaborn四大库,系统讲解数据读取(CSV/Excel/SQL)、清洗(缺失值处理、重复值删除、异常值识别)、转换(groupby聚合、merge合并、pivot_table透视表)、分析(描述统计、相关性分析、时间序列分解)及可视化(折线图、柱状图、热力图、箱线图)全流程。
实战案例包括:分析某电商平台用户行为日志(留存率计算、复购率分析、漏斗转化率)、爬取天气数据后绘制月度温度变化图、用聚类算法对客户进行分群(K-Means)、用线性回归预测房价。视频中将演示如何通过df.info()和df.describe()快速诊断数据质量,并给出针对性清洗策略。
本模块以Flask框架为核心,从路由设计、请求/响应对象处理、模板渲染(Jinja2)、数据库集成(SQLite/MySQL)、用户认证(Flask-Login)到RESTful API设计,构建完整Web应用开发能力。特别强调前后端分离思想,演示如何用Python编写JSON接口供前端调用。
案例包括:构建简易博客系统(支持文章发布、评论、分类)、开发RESTful API供手机APP调用(用户注册/登录/信息查询)、实现文件上传功能(限制类型与大小)。视频中将逐步展示数据库建模过程(ER图→SQL语句→ORM映射)及安全防护要点(SQL注入防御、XSS过滤、CSRF令牌)。
本模块以scikit-learn为核心,从数据预处理(标准化、归一化、独热编码)、特征工程(PCA降维、特征选择)、模型训练(线性回归、逻辑回归、决策树、随机森林、SVM、KNN)到模型评估(准确率、精确率、召回率、F1-score、ROC曲线),构建机器学习基础能力。
案例包括:鸢尾花分类(多模型对比)、手写数字识别(MNIST数据集)、泰坦尼克号生存预测(特征工程实战)、房价预测(正则化与交叉验证)。视频中将演示如何用Pipeline封装全流程,并通过GridSearchCV自动调参,避免过拟合。
题目:编写程序,输入一个正整数n,输出所有小于等于n的质数(素数)。
def get_primes(n):
primes = []
for num in range(2, n+1):
is_prime = True
for i in range(2, int(num**0.5)+1):
if num % i == 0:
is_prime = False
break
if is_prime:
primes.append(num)
return primes
n = int(input("请输入正整数n:"))
print(f"≤{n}的质数有:{get_primes(n)}")
关键点:利用数学性质(合数必有一个≤√n的因子)优化循环次数;用布尔标志位提前跳出内层循环;避免重复计算。
扩展思考:能否用列表推导式实现?如何处理n≤1的边界情况?如果要求输出前m个质数,算法应如何调整?
题目:设计一个“图书馆管理系统”,包含Book(图书)、Member(读者)、Library(图书馆)三个类,支持借阅、归还、查询功能。
class Book:
def __init__(self, isbn, title, author, copies=1):
self.isbn = isbn
self.title = title
self.author = author
self.copies = copies
self.available = copies
class Member:
def __init__(self, mid, name):
self.mid = mid
self.name = name
self.borrowed = []
class Library:
def __init__(self):
self.books = {} # isbn -> Book
self.members = {} # mid -> Member
def add_book(self, book):
if book.isbn in self.books:
self.books[book.isbn].copies += book.copies
self.books[book.isbn].available += book.copies
else:
self.books[book.isbn] = book
def borrow_book(self, isbn, mid):
if isbn not in self.books or mid not in self.members:
return "图书或读者不存在"
book = self.books[isbn]
if book.available <= 0:
return "无可用副本"
book.available -= 1
self.members[mid].borrowed.append(isbn)
return f"《{book.title}》借阅成功"
def return_book(self, isbn, mid):
if isbn not in self.books or mid not in self.members:
return "图书或读者不存在"
if isbn not in self.members[mid].borrowed:
return "该读者未借阅此书"
book = self.books[isbn]
book.available += 1
self.members[mid].borrowed.remove(isbn)
return f"《{book.title}》归还成功"
设计要点:封装数据与行为;用字典实现O(1)查询;避免全局变量;明确状态转移条件。
扩展方向:添加图书预约、超期罚款、多线程并发控制(防止超借)、持久化存储(JSON/SQLite)。
题目:抓取某商品100条用户评论 → 分词 → 去除停用词 → TF-IDF特征提取 → 训练朴素贝叶斯分类器 → 输出正面/负面情感标签。
import requests
from bs4 import BeautifulSoup
import jieba
import pandas as pd
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.pipeline import Pipeline
# 1. 爬取评论
def get_comments(url):
headers = {'User-Agent': 'Mozilla/5.0'}
resp = requests.get(url, headers=headers)
soup = BeautifulSoup(resp.text, 'lxml')
comments = [tag.text for tag in soup.select('.comment-content')]
return comments
# 2. 分词(需先下载停用词表)
def preprocess(text):
words = jieba.lcut(text)
stopwords = set(open('stopwords.txt', encoding='utf-8').read().splitlines())
return ' '.join([w for w in words if w not in stopwords and len(w) > 1])
# 3. 训练模型(示例数据)
data = [
("这个产品太棒了,完全超出预期", "pos"),
("物流太慢,包装破损", "neg"),
("性价比高,会回购", "pos"),
("客服态度差,不推荐", "neg")
]
df = pd.DataFrame(data, columns=['text', 'label'])
# 4. 构建Pipeline
pipeline = Pipeline([
('tfidf', TfidfVectorizer()),
('clf', MultinomialNB())
])
pipeline.fit(df['text'].apply(preprocess), df['label'])
# 5. 预测
test_comments = get_comments("https://example.com/reviews")
for c in test_comments[:3]:
pred = pipeline.predict([preprocess(c)])[0]
print(f"评论:{c[:20]}... → 情感:{pred}")
技术栈:requests + BeautifulSoup + jieba + sklearn;难点:停用词表构建、中文分词精度、样本不平衡处理。
优化方向:替换为BERT预训练模型(如Chinese-BERT-wwm)、加入情感词典(HowNet)、处理否定词(“不”、“没”)影响。
错误代码:
x = 10
def foo():
x += 5 # UnboundLocalError: local variable 'x' referenced before assignment
return x
问题分析:Python中,函数内对变量赋值即视为局部变量声明,导致无法读取全局x。正确做法:
x = 10
def foo():
global x # 显式声明使用全局变量
x += 5
return x
print(foo()) # 输出15
更优方案:避免全局变量,改用函数参数传递:
def foo(current_x):
return current_x + 5
x = 10
x = foo(x) # 显式更新x的值
错误代码:
nums = [1, 2, 3] squares = [x**2 for x in nums if x % 2 == 0] print(squares) # [4]
初学者常误以为if条件会跳过元素,但实际仅过滤满足条件的元素。若需保留原位置(用0填充),应使用三元表达式:
squares = [x**2 if x % 2 == 0 else 0 for x in nums] print(squares) # [0, 4, 0]
错误代码:
funcs = []
for i in range(3):
funcs.append(lambda: i)
print([f() for f in funcs]) # [2, 2, 2] 而非 [0, 1, 2]
原因:lambda捕获的是变量i的引用,循环结束时i=2。正确做法是通过默认参数绑定当前值:
funcs = []
for i in range(3):
funcs.append(lambda x=i: x) # 默认参数值在定义时绑定
print([f() for f in funcs]) # [0, 1, 2]
题目:给出两个非空链表,表示两个非负整数。每位数字按逆序存储,每个节点存储一位数字。将两数相加并返回一个新的链表。
示例:输入(2→4→3) + (5→6→4) → 输出7→0→8(342 + 465 = 807)
class ListNode:
def __init__(self, val=0, next=None):
self.val = val
self.next = next
def addTwoNumbers(l1, l2):
dummy = ListNode()
curr = dummy
carry = 0
while l1 or l2 or carry:
val1 = l1.val if l1 else 0
val2 = l2.val if l2 else 0
total = val1 + val2 + carry
carry = total // 10
curr.next = ListNode(total % 10)
curr = curr.next
if l1: l1 = l1.next
if l2: l2 = l2.next
return dummy.next
考点:链表遍历、进位处理、边界条件(两链表长度不等、最后进位)。视频中将演示如何用伪代码拆解步骤,并对比递归与迭代解法的优劣。
题目:给定字符串s,找出其中不含有重复字符的最长子串长度。
示例:s="abcabcbb" → 输出3("abc")
def lengthOfLongestSubstring(s):
char_index = {}
left = 0
max_len = 0
for right, char in enumerate(s):
if char in char_index and char_index[char] >= left:
left = char_index[char] + 1
char_index[char] = right
max_len = max(max_len, right - left + 1)
return max_len
关键点:滑动窗口(双指针)+哈希表记录最近索引;窗口收缩条件(重复字符索引≥左边界)。
题目:设计LRU(Least Recently Used)缓存,支持get/set操作,容量满时移除最久未使用数据。
解法:双向链表(维护访问顺序)+哈希表(O(1)查找)
class Node:
def __init__(self, key, val):
self.key = key
self.val = val
self.prev = None
self.next = None
class LRUCache:
def __init__(self, capacity):
self.capacity = capacity
self.cache = {}
self.head = Node(0, 0)
self.tail = Node(0, 0)
self.head.next = self.tail
self.tail.prev = self.head
def _add(self, node):
p = self.tail.prev
p.next = node
node.prev = p
node.next = self.tail
self.tail.prev = node
def _remove(self, node):
p = node.prev
n = node.next
p.next = n
n.prev = p
def get(self, key):
if key in self.cache:
node = self.cache[key]
self._remove(node)
self._add(node)
return node.val
return -1
def put(self, key, value):
if key in self.cache:
self._remove(self.cache[key])
node = Node(key, value)
self._add(node)
self.cache[key] = node
if len(self.cache) > self.capacity:
node = self.head.next
self._remove(node)
del self.cache[node.key]
面试陷阱:未处理capacity=0情况;未同步更新cache字典;双向链表操作漏掉指针重连。视频中将逐行演示调试技巧。
| 问题编号 | 问题描述 | 解决方案 |
|---|---|---|
| Q-001 | 安装Python时提示“无法找到指定模块” | 勾选“Add Python to PATH”并重新安装;检查系统环境变量PATH是否超长 |
| Q-002 | pip install失败:SSL: CERTIFICATE_VERIFY_FAILED | 临时方案:pip install --trusted-host pypi.org --trusted-host files.pythonhosted.org;长期方案:更新certifi包 |
| Q-003 | 如何调试“内存溢出”错误? | 用tracemalloc模块定位:tracemalloc.start() → 运行代码 → tracemalloc.stop() → print(tracemalloc.get_traced_memory()) |
| Q-004 | requests.get()返回空内容 | 检查:①User-Agent是否被屏蔽;②是否需登录;③AJAX请求的API地址;④用DevTools抓包对比请求头 |
| Q-005 | pandas读取Excel报错“Invalid file path” | 路径中含中文?→ 改用原始字符串r'C:\数据\report.xlsx';文件被占用?→ 关闭Excel后重试 |