Python练习题视频

首页导览|构建系统化Python学习路径

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。

📌 学习建议:建议每日完成1–2个练习题,配合视频讲解进行代码复现,每周进行一次知识图谱梳理。坚持21天,即可显著提升编程熟练度与问题拆解能力。

课程体系|七大模块,层层递进

① 基础语法模块(120+题)

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:

  • 字符串不可变性导致的赋值陷阱(如:s = "abc"; s[0] = "A"报错)
  • 列表浅拷贝与深拷贝的区别(list.copy() vs copy.deepcopy())
  • 函数参数传递中的可变对象与不可变对象差异(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。

② 数据结构与算法模块(90+题)

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。

③ 网络爬虫开发模块(45+题)

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)。

④ 自动化办公模块(30+题)

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)。

⑤ 数据分析模块(40+题)

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。

⑥ Web开发模块(25+题)

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)。

⑦ 机器学习入门模块(20+题)

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。

实战练习|分层训练,强化技能

【基础巩固】循环与条件控制

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?

【进阶提升】面向对象设计

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)。

【项目实战】电商评论情感分析

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。

高频题型|学生常错问题深度解析

① 作用域陷阱:全局变量 vs 局部变量

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

② 列表推导式误用

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]

③ 闭包中的变量绑定

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]
💡 高频误区总结:①缩进错误(混合空格与Tab);②列表原地修改导致遍历越界;③字典键不可变性(如用列表作键);④异步IO中未await协程;⑤装饰器参数顺序错误。所有案例均在视频中通过动画演示内存变化过程。

面试精讲|大厂真题逐题解析

① LeetCode第2题:两数相加(链表)

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。

② 字节跳动真题:最长无重复子串

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)。

③ 高频手撕题:LRU缓存

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。

常见问题|精准解答

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