Python代码教程
Python作为当今最热门的编程语言之一,凭借其简洁优雅的语法、强大的标准库和活跃的社区生态,已成为人工智能、数据分析、Web开发、自动化运维等领域的首选语言。本教程面向零基础至进阶开发者,系统梳理Python核心知识体系,结合真实项目案例,帮助您构建扎实的编程基础与工程思维。
课程设计遵循“理论—示例—实战”三阶递进原则,从基础语法入门,逐步深入到面向对象编程、网络请求处理、数据库操作、Web框架应用、自动化脚本开发、科学计算与可视化等多个方向,确保学习者能够掌握Python在不同场景下的应用能力。
无论您是希望转行进入IT行业的职场新人,还是已有其他语言基础想拓展技能栈的开发者,或是希望提升工作效率的非程序员专业人士,本教程均提供清晰的学习路径与丰富的实践资源。
· 为什么选择Python?
- 语法简洁,学习曲线平缓:Python使用缩进来定义代码块,无需花括号和分号,代码可读性强,初学者可在短时间内写出可运行的程序。
- 生态丰富,库支持广泛:拥有超过30万个第三方库,涵盖Web开发(Django、Flask)、数据分析(Pandas、NumPy)、机器学习(Scikit-learn、TensorFlow)、自动化测试(Selenium、PyTest)等领域。
- 跨平台性强,部署灵活:支持Windows、macOS、Linux等主流操作系统,且可轻松打包为可执行文件(如PyInstaller),便于分发。
- 社区活跃,文档完善:Stack Overflow、GitHub、官方文档、教程博客等资源丰富,遇到问题可快速找到解决方案。
- 职业前景广阔:据TIOBE 2024年统计,Python已连续多年位居编程语言榜首,相关岗位需求年增长率超25%,平均薪资高于行业平均水平。
本教程内容均基于Python 3.10+版本编写,确保代码的现代性与兼容性。所有示例均已通过实际测试,可在本地环境直接运行,建议读者边学边练,逐步积累实战经验。
基础语法体系
Python基础语法是构建所有高级应用的根基。掌握变量、数据类型、控制流、输入输出等核心概念,是迈向专业开发的第一步。
· 变量与数据类型详解
Python是动态类型语言,变量无需声明类型,赋值即创建。常见内置类型包括:
| 类型 | 说明 | 示例 |
|---|---|---|
int |
整数 | x = 42 |
float |
浮点数 | y = 3.14159 |
str |
字符串 | name = "Python" |
bool |
布尔值 | flag = True |
list |
有序可变序列 | items = [1, 2, 3] |
tuple |
有序不可变序列 | coords = (10, 20) |
dict |
键值对映射 | person = {"name": "Alice", "age": 25} |
set |
无序不重复集合 | unique = {1, 2, 3} |
特别注意:字符串是不可变对象,每次拼接都会创建新对象;列表是可变对象,支持增删改操作。理解对象的可变性对调试和性能优化至关重要。
· 控制流语句实践
Python通过缩进(推荐4空格)定义代码块,支持以下控制结构:
条件判断
score = 85
if score >= 90:
grade = "A"
elif score >= 80:
grade = "B"
elif score >= 70:
grade = "C"
else:
grade = "D"
支持三元运算符:result = "通过" if score >= 60 else "未通过"
循环结构
# for 循环遍历列表
fruits = ["苹果", "香蕉", "橙子"]
for fruit in fruits:
print(f"水果:{fruit}")
# while 循环求阶乘
n = 5
factorial = 1
i = 1
while i <= n:
factorial *= i
i += 1
print(f"{n}! = {factorial}")
循环控制:break终止当前循环;continue跳过本次迭代;pass作为空语句占位。
异常处理
try:
num = int(input("请输入整数:"))
result = 100 / num
except ValueError:
print("输入不是有效整数!")
except ZeroDivisionError:
print("除数不能为零!")
else:
print(f"结果:{result}")
finally:
print("程序执行完毕")
· 输入与输出规范
标准输入输出是人机交互的基础:
# 输入处理(Python 3.x)
name = input("请输入您的姓名:")
age = int(input("请输入您的年龄:")) # 显式类型转换
# 格式化输出(推荐使用f-string)
print(f"您好,{name}!您今年{age}岁。")
# 多格式占位
pi = 3.1415926
print("圆周率π ≈ {:.4f}".format(pi)) # 保留4位小数
print(f"π = {pi:.2%}") # 百分比格式
注意:input()返回字符串,数值计算前需转换;print()默认换行,可通过end=""参数控制结尾字符。
数据结构与算法基础
高效的数据结构是程序性能的关键。Python内置多种数据结构,合理选择可显著提升程序效率。
· 列表(List)深度解析
列表是Python中最常用的数据结构,支持动态扩容、任意类型混合存储:
nums = [10, 20, 30, 40, 50]
# 常用操作
nums.append(60) # 尾部添加元素
nums.insert(2, 25) # 在索引2前插入25
nums.extend([70, 80]) # 扩展列表
# 切片操作(关键!)
sub = nums[1:4] # [20, 25, 30],左闭右开
rev = nums[::-1] # 倒序排列
step = nums[::2] # 步长为2取值
# 列表推导式(高效写法)
squares = [x**2 for x in range(1, 11) if x % 2 == 0]
# [4, 16, 36, 64, 100]
列表排序:原地排序nums.sort()或返回新列表sorted(nums);支持reverse=True参数倒序。
· 字典(Dict)实战技巧
字典是键值对集合,查找时间复杂度O(1),适合频繁查询场景:
student = {
"name": "张三",
"age": 20,
"major": "计算机科学"
}
# 访问(安全方式)
print(student.get("grade", "未设置")) # 无键返回默认值
print(student.setdefault("email", "zs@example.com")) # 无键则添加
# 遍历方式
for key, value in student.items():
print(f"{key} → {value}")
# 合并字典(Python 3.9+)
defaults = {"timeout": 30, "retries": 3}
config = {**defaults, "timeout": 60} # 更新timeout值
字典推导式示例:统计单词出现频率
text = "python is great and python is popular"
words = text.split()
freq = {word: words.count(word) for word in set(words)}
· 集合(Set)与集合运算
集合自动去重,支持数学集合运算:
set_a = {1, 2, 3, 4}
set_b = {3, 4, 5, 6}
# 交集
common = set_a & set_b # {3, 4}
# 并集
union = set_a | set_b # {1, 2, 3, 4, 5, 6}
# 差集
diff = set_a - set_b # {1, 2}
# 对称差集
sym_diff = set_a ^ set_b # {1, 2, 5, 6}
应用场景:去重列表unique_list = list(set(original_list)),但会丢失原顺序;需保留顺序时用list(dict.fromkeys(lst))。
· 元组(Tuple)与不可变性
元组是不可变序列,常用于固定数据结构或函数多返回值:
point = (10, 20)
x, y = point # 解包赋值
# 函数返回多个值
def calc(a, b):
return a + b, a - b, a * b, a / b
sum_val, diff, prod, quot = calc(10, 2)
注意:元组内嵌套可变对象(如列表)时,对象内容仍可修改,但元组本身结构不可变。
· 字符串处理技巧
字符串操作高频场景总结:
s = " Python代码教程 "
# 去除空白
clean = s.strip() # "Python代码教程"
# 大小写转换
upper = s.upper() # " PYTHON代码教程 "
title = s.title() # " Python代码教程 "
# 分割与连接
parts = "a,b,c".split(",") # ["a", "b", "c"]
joined = "-".join(parts) # "a-b-c"
# 替换
replaced = s.replace("代码", "编程") # " Python编程教程 "
# 格式验证
print("12345".isdigit()) # True
print("abc123".isalnum()) # True
print("Hello".startswith("He")) # True
函数式编程核心
函数是代码复用的基本单元,Python支持多种函数定义与调用方式,结合高阶函数实现高效编程。
· 函数定义与参数传递
def greet(name, greeting="你好"):
return f"{greeting},{name}!"
# 调用方式
print(greet("小明")) # 默认参数
print(greet("小红", "早上好")) # 位置参数
print(greet(name="小刚", greeting="晚上好")) # 关键字参数
参数类型:
- 位置参数:必须按顺序传递
- 关键字参数:指定参数名,顺序可变
- 默认参数:避免重复代码,但注意可变对象陷阱
- 可变参数:
*args(元组)、**kwargs(字典)
def process(*args, **kwargs):
print(f"位置参数:{args}")
print(f"关键字参数:{kwargs}")
process(1, 2, name="测试", value=100)
· 高阶函数与Lambda表达式
高阶函数可接收函数作为参数或返回函数:
# map():对每个元素应用函数
nums = [1, 2, 3, 4, 5]
squares = list(map(lambda x: x**2, nums)) # [1, 4, 9, 16, 25]
# filter():过滤满足条件的元素
evens = list(filter(lambda x: x % 2 == 0, nums)) # [2, 4]
# sorted():自定义排序键
students = [
{"name": "张三", "score": 88},
{"name": "李四", "score": 95},
{"name": "王五", "score": 72}
]
sorted_students = sorted(students, key=lambda s: s["score"], reverse=True)
Lambda是匿名函数,适用于简单逻辑,避免定义额外函数。
· 闭包与装饰器原理
闭包:函数内部定义函数并返回,保留外部作用域变量:
def outer(msg):
def inner(name):
return f"{msg},{name}!"
return inner
greet_cn = outer("您好")
print(greet_cn("小明")) # "您好,小明!"
装饰器:在不修改原函数代码前提下,动态增加功能:
import time
def timer(func):
def wrapper(*args, **kwargs):
start = time.time()
result = func(*args, **kwargs)
print(f"函数{func.__name__}耗时:{time.time() - start:.4f}秒")
return result
return wrapper
@timer
def slow_calc():
time.sleep(0.5)
return 42
print(slow_calc()) # 输出耗时信息
常用场景:日志记录、权限校验、性能监控、缓存等。
· 生成器与迭代器
生成器是惰性计算的迭代器,节省内存:
# 生成器函数
def fib(n):
a, b = 0, 1
for _ in range(n):
yield a
a, b = b, a + b
# 使用
for num in fib(10):
print(num)
生成器表达式(类似列表推导式但用圆括号):
squares_gen = (x**2 for x in range(10)) # 不立即计算
print(next(squares_gen)) # 0
适用场景:处理超大数据集、流式数据、无限序列等。
面向对象编程
面向对象(OOP)通过封装、继承、多态实现代码复用与模块化,是大型项目开发的核心范式。
· 类与对象基础
class Person:
def __init__(self, name, age):
self.name = name # 实例属性
self.age = age
def introduce(self):
return f"我是{self.name},{self.age}岁"
# 创建对象
p = Person("小明", 25)
print(p.introduce())
注意:__init__是构造方法,self代表实例本身,必须作为第一个参数。
· 封装与访问控制
Python通过命名约定实现封装:
public:公开属性/方法,直接访问_protected:受保护,约定“内部使用”,实际仍可访问__private:私有,名称改写为__className__className__attr,避免外部直接访问
class BankAccount:
def __init__(self, owner, balance=0):
self.owner = owner
self.__balance = balance # 私有属性
def deposit(self, amount):
if amount > 0:
self.__balance += amount
return self.__balance
def get_balance(self):
return self.__balance
acc = BankAccount("张三", 1000)
print(acc.deposit(500))
# print(acc.__balance) # AttributeError
· 继承与多态
class Animal:
def speak(self):
return "动物叫声"
class Dog(Animal):
def speak(self): # 重写父类方法
return "汪汪!"
class Cat(Animal):
def speak(self):
return "喵喵!"
# 多态应用
animals = [Dog(), Cat()]
for animal in animals:
print(animal.speak())
继承支持多继承:class Child(Parent1, Parent2),但需注意MRO(方法解析顺序)。
· 特殊方法与运算符重载
通过特殊方法自定义类行为:
class Vector:
def __init__(self, x, y):
self.x = x
self.y = y
def __str__(self):
return f"Vector({self.x}, {self.y})"
def __add__(self, other):
return Vector(self.x + other.x, self.y + other.y)
def __eq__(self, other):
return self.x == other.x and self.y == other.y
v1 = Vector(1, 2)
v2 = Vector(3, 4)
print(v1 + v2) # 调用__add__
print(v1 == Vector(1, 2)) # 调用__eq__
常用特殊方法:__len__、__getitem__、__setitem__、__call__等。
Web开发实战
Python在Web开发领域有两大主流框架:Django(全功能)与Flask(轻量级),适合快速构建Web应用。
· Flask快速入门
from flask import Flask, jsonify, request
app = Flask(__name__)
# 路由定义
@app.route('/')
def home():
return "欢迎来到Python代码教程!
"
# API接口
@app.route('/api/user', methods=['GET'])
def get_user():
return jsonify({"name": "测试用户", "age": 28})
# 表单处理
@app.route('/submit', methods=['POST'])
def submit():
data = request.form
return f"收到数据:{data}"
if __name__ == '__main__':
app.run(debug=True)
Flask特点:核心简洁,扩展丰富(如Flask-RESTful、Flask-SQLAlchemy),适合中小型项目。
· Django架构解析
Django遵循MTV模式(Model-Template-View),提供完整解决方案:
# models.py
from django.db import models
class Article(models.Model):
title = models.CharField(max_length=100)
content = models.TextField()
created_at = models.DateTimeField(auto_now_add=True)
# views.py
from django.shortcuts import render
from .models import Article
def article_list(request):
articles = Article.objects.all()
return render(request, 'articles.html', {'articles': articles})
# urls.py
from django.urls import path
from . import views
urlpatterns = [
path('articles/', views.article_list),
]
Django优势:内置Admin后台、ORM、认证系统、表单处理、安全性机制,适合大型项目。
· RESTful API设计规范
现代Web开发标准API设计原则:
| HTTP方法 | 操作 | 示例 |
|---|---|---|
| GET | 获取资源 | /api/users(列表)、/api/users/1(单个) |
| POST | 创建资源 | /api/users(提交新用户) |
| PUT | 更新资源 | /api/users/1(全量更新) |
| PATCH | 部分更新 | /api/users/1(仅修改指定字段) |
| DELETE | 删除资源 | /api/users/1 |
响应规范:状态码(200/201/400/404/500)、统一JSON格式、错误信息详细。
自动化办公与脚本开发
Python是自动化办公的首选语言,可轻松处理文件、网络请求、浏览器操作等重复性任务。
· 文件操作全指南
# 读取文本文件
with open('data.txt', 'r', encoding='utf-8') as f:
content = f.read()
# 写入CSV文件(pandas)
import pandas as pd
data = {'姓名': ['张三', '李四'], '年龄': [25, 30]}
df = pd.DataFrame(data)
df.to_csv('output.csv', index=False, encoding='utf-8-sig')
# 处理Excel文件
df = pd.read_excel('report.xlsx', sheet_name='Sheet1')
注意:使用with语句确保文件自动关闭;CSV中文需指定encoding='utf-8-sig'避免乱码。
· 网络请求处理
import requests
# 发送GET请求
response = requests.get('https://api.github.com/repos/python/cpython')
data = response.json()
print(f"Stars: {data['stargazers_count']}")
# POST请求(模拟表单)
payload = {'username': 'test', 'password': '123456'}
resp = requests.post('https://example.com/login', data=payload)
# 设置请求头与超时
headers = {'User-Agent': 'Mozilla/5.0'}
resp = requests.get(url, headers=headers, timeout=10)
异常处理:捕获requests.exceptions.RequestException及其子类。
· Selenium浏览器自动化
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.chrome.service import Service
# 初始化驱动(需下载chromedriver)
service = Service('chromedriver.exe')
driver = webdriver.Chrome(service=service)
# 打开网页
driver.get('https://www.python.org')
# 查找元素
search_box = driver.find_element(By.NAME, 'q')
search_box.send_keys('documentation')
search_box.submit()
# 获取结果
results = driver.find_elements(By.CSS_SELECTOR, '.list-recent-events li')
for result in results:
print(result.text)
driver.quit()
应用场景:网页爬虫、自动化测试、表单提交、数据抓取(注意遵守robots.txt)。
数据分析与可视化
Python是数据分析领域的标准语言,配合科学计算库可实现专业级数据处理。
· Pandas核心操作
import pandas as pd
# 读取数据
df = pd.read_csv('sales.csv')
# 基本查看
print(df.head()) # 前5行
print(df.info()) # 结构信息
print(df.describe()) # 统计摘要
# 筛选与排序
high_sales = df[df['amount'] > 1000]
sorted_df = df.sort_values('date', ascending=False)
# 分组聚合
monthly_sales = df.groupby('month')['amount'].sum()
# 缺失值处理
df.dropna() # 删除含空值行
df.fillna(0) # 填充为0
df['amount'].fillna(df['amount'].mean()) # 均值填充
· Matplotlib可视化
import matplotlib.pyplot as plt
# 折线图
plt.figure(figsize=(10, 6))
plt.plot(df['date'], df['amount'], marker='o', color='#037ef3')
plt.title('月度销售额趋势')
plt.xlabel('月份')
plt.ylabel('销售额(元)')
plt.grid(True)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
# 柱状图对比
categories = ['A', 'B', 'C', 'D']
values = [23, 45, 12, 67]
plt.bar(categories, values, color=['#037ef3', '#ff6b6b', '#4ecdc4', '#ffe66d'])
plt.title('分类销售额对比')
· NumPy数组操作
import numpy as np
# 创建数组
arr1 = np.array([1, 2, 3, 4])
arr2 = np.arange(0, 10, 2) # [0, 2, 4, 6, 8]
# 数学运算
result = arr1 + arr2[:4] # 广播机制
print(np.mean(result))
print(np.std(result))
# 二维数组(矩阵)
matrix = np.array([[1, 2], [3, 4]])
print(matrix.T) # 转置
print(np.dot(matrix, matrix)) # 矩阵乘法
# 随机数
np.random.seed(42)
random_arr = np.random.rand(3, 4) # 3x4随机矩阵
高频面试题解析
· 基础知识问答
Q1:Python中==与is的区别?
==比较值是否相等;is比较对象身份(内存地址)是否相同。整数-5~256间有缓存机制,小整数is可能为True,但大整数通常为False。
a = 256
b = 256
print(a is b) # True(缓存)
a = 257
b = 257
print(a is b) # False(新对象)
Q2:列表推导式与生成器表达式的区别?
列表推导式立即计算并存储结果;生成器表达式惰性计算,节省内存。生成器只能遍历一次,列表可多次访问。
Q3:深拷贝与浅拷贝?
copy.copy()为浅拷贝,仅复制顶层对象;copy.deepcopy()为深拷贝,递归复制所有层级。嵌套列表需用深拷贝避免联动修改。
· 进阶原理探究
Q1:GIL(全局解释器锁)的影响?
CPython中GIL确保同一时刻仅一个线程执行Python字节码,CPU密集型任务无法多核并行,但I/O密集型任务仍可受益于多线程(因I/O等待时释放GIL)。
Q2:鸭子类型(Duck Typing)?
“当看到一只鸟走起来像鸭子、游泳像鸭子、叫起来像鸭子,那它就是鸭子”。Python不检查对象类型,只关注行为(方法),实现多态更灵活。
Q3:装饰器原理与应用场景?
装饰器本质是闭包,通过@decorator语法糖实现函数增强。典型场景:日志记录、权限校验、缓存(@lru_cache)、性能分析。
· 编程实战示例
题目:反转单链表
class ListNode:
def __init__(self, val=0, next=None):
self.val = val
self.next = next
def reverse_list(head):
prev = None
current = head
while current:
next_node = current.next
current.next = prev
prev = current
current = next_node
return prev
题目:LRU缓存机制
from collections import OrderedDict
class LRUCache:
def __init__(self, capacity: int):
self.cache = OrderedDict()
self.capacity = capacity
def get(self, key: int) -> int:
if key not in self.cache:
return -1
self.cache.move_to_end(key)
return self.cache[key]
def put(self, key: int, value: int) -> None:
if key in self.cache:
self.cache.move_to_end(key)
self.cache[key] = value
if len(self.cache) > self.capacity:
self.cache.popitem(last=False)
网友还关心的问题
• 学习资源推荐
- 官方文档:https://docs.python.org/zh-cn/3/(权威且更新及时)
- 开源书籍:《Python核心编程》《流畅的Python》《Python Cookbook》
- 在线平台:LeetCode(刷题)、Real Python(教程)、Real Python YouTube频道
- 工具推荐:
PyCharm(IDE)、Jupyter Notebook(交互式编程)、VS Code + Python插件 - 社区:Stack Overflow、知乎Python话题、Python中文社区公众号