Python基础语法

官网:www.xservx.com|备案号:蜀ICP备2026035467号-3

1. Python基础语法入门导引

Python是一种高级、解释型、通用编程语言,由Guido van Rossum于1989年底发明,1991年首次发布。其设计哲学强调代码的可读性和简洁的语法,尤其适合编程初学者快速入门,同时具备强大的专业开发能力,广泛应用于Web开发、数据分析、人工智能、自动化运维、科学计算、网络爬虫等领域。

Python的核心优势体现在以下几个方面:

Python版本迭代中,2.x与3.x存在显著不兼容差异,如print语句变为函数、整数除法行为改变等。自2020年1月1日Python 2停止维护起,所有新项目必须使用Python 3(当前主流为3.11/3.12)。安装时请选择官网最新稳定版,并确保环境变量配置正确。

入门学习建议遵循“实践驱动”路径:先掌握变量与基本数据类型 → 控制结构 → 函数定义 → 文件与异常处理 → 面向对象基础 → 模块与包管理。每阶段配合小项目巩固,例如用列表推导式处理学生成绩、用字典构建简易通讯录、用异常处理增强程序健壮性等。

💡 新手常见误区提醒:缩进混用空格与Tab会导致IndentationError;变量名区分大小写(name与Name不同);字符串不可变,修改需新建对象;列表是可变序列,直接赋值是引用而非拷贝。

2. 核心语法结构详解

2.1 标识符与关键字

标识符用于命名变量、函数、类等,规则如下:

Python 3.12共包含35个关键字:False、None、True、and、as、assert、break、class、continue、def、del、elif、else、except、finally、for、from、global、if、import、in、is、lambda、nonlocal、not、or、pass、raise、return、try、while、with、yield、async、await。

⚡ 命名规范建议:变量/函数名用小写+下划线(如user_name);类名用大驼峰(如StudentInfo);常量全大写(如MAX_SIZE)。

2.2 注释与文档字符串

单行注释以#开头,多行注释可用三引号'''或"""包裹(虽非语法要求,但约定俗成)。文档字符串(docstring)是函数/类/模块的第一行字符串,用于自动生成文档,推荐使用三重双引号。

⚡ 规范注释示例:
def add(a, b):
"""返回两个数的和"""
return a + b

2.3 行与缩进

Python使用缩进定义代码块,推荐每级缩进4个空格,禁止混用Tab与空格。长语句可用反斜杠\换行,或利用括号自动续行(推荐后者)。

⚡ 换行写法对比:
result = a + b + \
c + d ← 易出错
result = (a + b +
c + d) ← 更安全

2.4 运算符优先级

从高到低:括号() → 幂运算** → 一元正负号+ - → 乘* / // % → 加减+ - → 位移<< >> → 按位与& → 按位异或^ → 按位或| → 比较== != > < >= <= → 成员测试in not in → 身份测试is is not → 布尔非not → 布尔与and → 布尔或or。

💡 实践技巧:复杂表达式建议加括号明确优先级,避免歧义;例如2 + 3 * 4为14,但(2 + 3) * 4为20,后者更清晰。

3. 数据类型与结构

3.1 基本数据类型

类型示例说明
整型(int)42, -100, 0b1010, 0xFF支持二进制、八进制、十六进制表示
浮点型(float)3.14, -0.001, 1.2e-3遵循IEEE 754双精度标准
复数(complex)1+2j, 3-4j实部+虚部,虚部以j或J结尾
布尔型(bool)True, False继承自int,True==1, False==0
字符串(str)'hello', "world", """多行"""不可变序列,支持Unicode

3.2 序列类型详解

字符串操作

字符串是字符序列,支持索引与切片:s[0]取首字符,s[1:4]取索引1-3的子串。常用方法:strip()去空格、split()分隔、join()拼接、replace()替换、find()查找子串。

⚡ 格式化字符串:
name = "Alice"; age = 25
msg = f"我叫{name},今年{age}岁" ← f-string(Python 3.6+)
msg = "我叫{},今年{}岁".format(name, age) ← format()
msg = "我叫%s,今年%d岁" % (name, age) ← 旧式%格式化

列表(list)

有序可变序列,支持增删改查。创建:lst = [1, 2, 3];常用操作:append()尾部添加、insert()指定位置插入、pop()弹出元素、sort()排序、reverse()反转。列表推导式是高效生成列表的语法糖。

⚡ 列表推导式:
squares = [x**2 for x in range(1, 6)] → [1, 4, 9, 16, 25]
evens = [x for x in range(20) if x % 2 == 0] → [0, 2, 4, ..., 18]

元组(tuple)

有序不可变序列,常用于函数返回多值或作为字典键。创建:t = (1, 2, 3);单元素元组需加逗号:t = (1,)。

字典(dict)

键值对集合,键必须可哈希(如字符串、数字、元组),值任意类型。创建:info = {"name":"Bob", "age":30};常用操作:keys()取键、values()取值、items()取键值对、get()安全取值(不存在则返回默认值)。

⚡ 字典推导式:
squares = {x: x**2 for x in range(5)} → {0:0, 1:1, 2:4, 3:9, 4:16}
reversed_dict = {v:k for k,v in info.items()}

集合(set)

无序不重复元素集,支持交并差运算。创建:st = {1, 2, 3};常用方法:add()添加、remove()删除、union()并集、intersection()交集。

4. 控制流程结构

4.1 条件分支

使用if、elif、else实现多分支逻辑,注意冒号与缩进。支持三元表达式:max_val = a if a > b else b。

⚡ 嵌套条件优化:
score = 85
if score >= 90:
grade = "A"
elif score >= 80:
grade = "B"
elif score >= 70:
grade = "C"
else:
grade = "D"

4.2 循环结构

for循环

遍历可迭代对象(字符串、列表、字典、range等)。enumerate()可同时获取索引与值,zip()并行遍历多个序列。

⚡ 遍历技巧:
for i, val in enumerate(['a','b','c']):
print(i, val) → 输出0 a, 1 b, 2 c
names = ["Alice","Bob"]; ages = [25,30]
for n, a in zip(names, ages):
print(f"{n}今年{a}岁")

while循环

条件为真时重复执行,需手动更新循环变量避免死循环。

⚡ 斐波那契数列(while版):
a, b = 0, 1
while a < 100:
print(a, end=" ")
a, b = b, a+b → 输出0 1 1 2 3 5 8 13...

4.3 跳转控制

break提前终止当前循环,continue跳过本次迭代剩余代码,pass作为空语句占位符。循环可搭配else块,仅当循环正常结束(未触发break)时执行。

⚡ 质数判断示例:
num = 29
for i in range(2, int(num**0.5)+1):
if num % i == 0:
print(f"{num}不是质数")
break
else:
print(f"{num}是质数")

5. 函数定义与调用

5.1 基础函数定义

使用def关键字定义函数,参数列表后跟冒号与文档字符串,函数体缩进。支持位置参数、关键字参数、默认参数、可变参数(*args、**kwargs)。

⚡ 参数类型演示:
def greet(name, msg="你好", *args, **kwargs):
"""打招呼函数"""
print(f"{msg}, {name}!")
if args: print("额外信息:", args)
if kwargs: print("键值对:", kwargs)
greet("Alice", "早上好", "今天天气好", age=25, city="北京")

5.2 返回值与作用域

函数可返回单值、多值(自动打包为元组)或不返回(隐式返回None)。变量作用域:局部变量在函数内定义,全局变量在模块顶层定义;使用global声明可修改全局变量,但应谨慎避免副作用。

⚡ 多返回值:
def min_max(lst):
return min(lst), max(lst)
mn, mx = min_max([3,1,4,1,5]) → mn=1, mx=5

5.3 匿名函数与高阶函数

lambda创建匿名函数,适用于简单逻辑。高阶函数接受函数作为参数或返回函数,如map()、filter()、sorted()。

⚡ map与filter:
list(map(lambda x: x*2, [1,2,3])) → [2,4,6]
list(filter(lambda x: x>2, [1,2,3,4])) → [3,4]

5.4 闭包与装饰器

闭包是嵌套函数引用外层变量的组合;装饰器是接收函数并返回新函数的高阶函数,用于增强功能(如日志、权限校验),用@decorator_name语法糖实现。

⚡ 简单装饰器:
def log_decorator(func):
def wrapper(*args, **kwargs):
print(f"调用{func.__name__}")
return func(*args, **kwargs)
return wrapper
@log_decorator
def add(a, b): return a+b
add(2,3) → 输出"调用add"后返回5

6. 模块与包管理

6.1 模块导入

模块是Python代码文件(.py),使用import导入。常用方式:

  • import math → 使用math.sqrt(16)
  • from math import sqrt, pi → 直接调用sqrt(16)
  • import math as m → 使用别名m.sqrt(16)
  • from math import *(不推荐,易冲突)

模块首次导入时执行顶层代码并缓存,后续导入直接使用缓存。使用importlib.reload()可重新加载模块。

6.2 标准库模块精选

模块用途示例
os系统交互os.getcwd()当前目录;os.listdir()列出文件
datetime日期时间处理now = datetime.now()当前时间
random生成随机数random.randint(1,10)随机整数
re正则表达式re.findall(r'\d+', "abc123def45") → ['123','45']
jsonJSON数据序列化json.loads('{"a":1}')转字典
collections高级数据结构Counter(['a','b','a']) → Counter({'a':2,'b':1})

6.3 包与__init__.py

包是包含__init__.py文件的目录,用于组织模块。例如myapp/utils/file_ops.py可通过from myapp.utils import file_ops导入。Python 3.3+支持隐式命名空间包(无__init__.py),但显式包更规范。

💡 包结构建议:
project/
├── main.py
├── myapp/
│ ├── __init__.py
│ ├── utils.py
│ └── models/
│ ├── __init__.py
│ └── user.py
→ 在main.py中使用from myapp.models.user import User

7. 进阶特性与技巧

7.1 异常处理机制

使用try-except-else-finally捕获并处理运行时错误。常见异常类型:ValueError(值错误)、TypeError(类型错误)、FileNotFoundError(文件不存在)、ZeroDivisionError(除零)。

⚡ 健壮文件读取:
try:
with open("data.txt", "r") as f:
content = f.read()
except FileNotFoundError:
print("文件不存在")
except PermissionError:
print("无权限读取")
else:
print("读取成功:", content)
finally:
print("操作完成")

7.2 上下文管理器

通过with语句自动管理资源(如文件、锁),确保退出时执行清理操作。自定义类实现__enter__和__exit__方法即可支持with。

⚡ 自定义上下文:
class Timer:
def __enter__(self):
self.start = time.time()
return self
def __exit__(self, *args):
print(f"耗时{time.time()-self.start:.2f}秒")
with Timer():
time.sleep(1)

7.3 生成器与迭代器

生成器是延迟计算的迭代器,使用yield返回值,节省内存。生成器表达式类似列表推导式,但用圆括号包裹。

⚡ 斐波那契生成器:
def fib_gen(n):
a, b = 0, 1
for _ in range(n):
yield a
a, b = b, a+b
for num in fib_gen(10):
print(num, end=" ")

7.4 面向对象编程(OOP)

核心概念:类(class)、对象(object)、封装、继承、多态。使用class定义类,__init__构造方法初始化属性,self指代实例本身。

⚡ 简单类定义:
class Student:
def __init__(self, name, age):
self.name = name
self.age = age
def introduce(self):
return f"我叫{self.name},{self.age}岁"
s = Student("Bob", 20)
print(s.introduce())

8. Python应用领域与实战案例

8.1 数据分析与可视化

Python在数据分析领域占据主导地位,核心库:Pandas(数据处理)、NumPy(数值计算)、Matplotlib/Seaborn(可视化)。

⚡ 销售数据分析示例:
import pandas as pd
df = pd.read_csv("sales.csv")
print(df.head())
print(df.groupby("产品")["销售额"].sum())
df.plot(x="月份", y="销售额", kind="line")
plt.show()

8.2 自动化运维

利用os、subprocess、shutil等模块批量处理文件、执行命令、监控系统。

⚡ 自动备份脚本:
import shutil, datetime, os
backup_dir = f"backup_{datetime.now().strftime('%Y%m%d')}"
os.makedirs(backup_dir)
shutil.copytree("data", f"{backup_dir}/data")
print(f"备份完成至{backup_dir}")

8.3 网络爬虫开发

常用库:Requests(发送HTTP请求)、BeautifulSoup(解析HTML)、Selenium(处理动态页面)。

⚡ 简易新闻爬虫:
import requests
from bs4 import BeautifulSoup
url = "https://news.example.com"
res = requests.get(url)
soup = BeautifulSoup(res.text, 'html.parser')
titles = [h2.text for h2 in soup.select('h2.news-title')]
print("新闻标题:", titles)

8.4 Web后端开发

主流框架:Django(全栈,内置ORM、认证)、Flask(轻量,灵活扩展)。

⚡ Flask hello world:
from flask import Flask
app = Flask(__name__)
@app.route('/')
def hello():
return "Hello, Python!"
if __name__ == '__main__':
app.run(debug=True)

8.5 人工智能与机器学习

核心库:Scikit-learn(传统ML)、TensorFlow、PyTorch(深度学习)。

⚡ 鸢尾花分类(Scikit-learn):
from sklearn import datasets, neighbors
iris = datasets.load_iris()
X, y = iris.data, iris.target
knn = neighbors.KNeighborsClassifier(n_neighbors=3)
knn.fit(X, y)
print("预测[5.1, 3.5, 1.4, 0.2]类别:", knn.predict([[5.1, 3.5, 1.4, 0.2]]))

网友们的常见问题解答

Q1: Python和JavaScript哪个更适合初学者?

A:Python语法更接近自然语言,缩进强制代码规范,错误提示更友好;JavaScript需处理浏览器兼容性、异步回调等复杂概念。若目标是快速入门编程思维,Python是更优选择;若专注Web前端开发,JavaScript必不可少。

Q2: 如何解决“列表推导式嵌套太深难以阅读”?

A:建议分步实现:先用传统循环生成中间结果,再优化为推导式。例如[(x,y) for x in range(3) for y in range(3)]可改写为两层循环,或使用itertools.product简化。

Q3: Python的GIL限制多线程性能,如何应对?

A:GIL(全局解释器锁)影响CPU密集型多线程,但I/O密集型任务(如爬虫、Web请求)仍可受益于多线程。解决方案包括:multiprocessing(多进程)、使用C扩展绕过GIL、或选择Jython/IronPython等无GIL的Python实现。

Q4: 如何高效学习Python设计模式?

A:建议按“创建型(工厂、单例)→ 结构型(装饰器、适配器)→ 行为型(观察者、策略)”顺序学习,每个模式结合实际场景实现。推荐书籍《Python设计模式(第2版)》及GitHub开源项目。