Python入门笔记-介绍篇

〇、学习顺序

认识（面熟）
了解（分辨）
掌握（使用）
底层（进阶）

建议的学习习惯：

  • 认识了就应当学会使用，带着目的（任务）学才能高效率学习【干中学】
  • 编程是一片巨大的英文土壤，必须学会或者至少看懂英文及其简写，并且是以专业术语构建的知识领域

一、Python 介绍

前言：仅供了解，但是要对后面的学习有启发。

1.0 一切皆为对象【记住这句话】

Python是一个面向对象的语言【编程术语】，内心记住一切皆为对象能不断理解Python

1.1 Python的应用领域

  • 语法简洁，低学习成本，近人类语感性，萌新可快速上手（纯IT萌新也能一个月内完全入门）

  • Python极其强大的生态系统

    • Numpy：高性能数据计算库，几乎所有数据科学工具的底层基石
    • Pandas：极强的数据清洗分析库，数据分析的必备法宝
    • matplotlib、seaborn、pyecharts：数据绘图可视化分析，兼具多功能性和美观性
    • scikit-learn、scipy、PyTorch、tensorflow：机器学习与AI的钦定语言
    • opencv-python：极强的视觉处理库（photoshop的底层）
    • openai、langchain：openai官方提供了 Python SDK，并让你使用如千问、kimi、gemini、deepseek等提供的API

  • 实现项目【仅介绍，不局限于这一小部分】：

    • 数据分析【根据历史数据通过多维度可视化分析，发现数字背后的秘密】
    • 机器学习
    • Agents智能体开发
    • Web 开发：快速构建网站与后端服务
    • 网络爬虫： requests、BeautifulSoup、Scrapy 等，高效采集与解析网页数据【爬虫学得好，牢饭吃到饱】
    • 小游戏开发
    • 自动化脚本

1.2 版本更新变化（主要更新）【新手仅了解】

Python 2

  • Python 3 不向下兼容 Python 2，强烈建议不再使用 Python 2（已于 2020 年停止官方支持）。

Python 3 ：2008年12月3日发布

Python 3.3

  • PEP 405：虚拟环境支持（ pyvenv ，后被 venv 替代）
  • Unicode 标识符支持（如变量名可用中文）

Python 3.4

  • 安装 Python 时自动安装 **pip **

Python 3.5

  • async / await 语法（PEP 492）：原生协程支持
  • 矩阵乘法运算符 @（PEP 465）：用于 NumPy 等库
  • typing 模块加入标准库（类型提示支持，如 List[int]）
  • % 字符串格式化支持 {} 占位符转义

Python 3.6

  • f-string格式化输出（PEP 498）：将变量名嵌入字符串中转义，x=42.0;f"x={x}" → "x=42.0"

  • 变量注解语法（PEP 526）

  • 更快的 dict 实现（内存减少 20–25%）

Python 3.8

  • 海象运算符（Walrus Operator）（PEP 572）：:= ，允许在表达式内部进行赋值操作。

    if (n := len(data)) > 10:...

  • typing 增强：Literal, TypedDict, Final, Protocol

  • f-string 支持 = 调试：x=42;print(f"{x=}")" → "x=42"

Python 3.9

  • 合并运算符 |：
    • 整数相加：3|4 → 7
    • 字典合并：{2:3}|{4:5} → {2: 3, 4: 5}
    • 集合合并：{5,6}|{6,7} → {5, 6, 7}
  • 字符串前缀/后缀移除方法（PEP 616）：
    • "Test<>Test".removeprefix("Test") → "<>Test"
    • "Test<>Test".removesuffix("Test") → "Test<>"
  • 类型提示泛型内置类型（PEP 585）：
    • list[int] 代替 List[int]
    • dict[str, int] 代替 Dict[str, int]

Python 3.10

  • 结构模式匹配（match-case）（PEP 634/635/636）：

  • 联合类型运算符 |（PEP 604）：

    def f(x: int | str): ...

Python 3.11

  • 显著性能提升（平均快 10–25%）：通过“自适应解释器”和“零开销异常”

1.3 Python的维护【仅了解】

Python的维护由Python 软件基金会（PSF） 和 核心开发团队 管理，管理规则：

  • 主版本更新：每年 10月 发布新版本
  • 每个版本提供 5 年总支持 ：
    • 前 ~18–24 个月：接收功能更新 + Bug 修复 + 安全补丁
    • 后 ~30–36 个月：仅接收关键安全修复（Security fixes only）
  • EOL（End-of-Life） 后官方不再提供任何更新，包括安全补丁。
    • 因此EOL之后的版本不建议再 学习 使用。【学习就应当优先学习新东西】
    • Python 3.9 于 2025-10-06 停止更新【本入门笔记更新时间为2025年12月】
    • 新库开发者也会逐步放弃对旧Python的支持

PEP：Python Enhancement Proposal，Python增强提案，Python 社区用来提案、讨论和标准化语言演进的核心机制。

  • 根据 PEP 1 定义，PEP 分为三类：Standard Track PEPs、Informational PEPs、Process PEPs
  • 我们最常看到的是 Standard Track PEPs，主要提议新功能、语法、标准库模块等
  • PEP将经历以下阶段：
    • Draft（草稿）：作者提交初稿，开放讨论。
    • Accepted（接受）：核心团队同意实施。
    • Final（最终）：特性已合并到 CPython，文档完成。
    • Rejected（拒绝）：社区或核心团队否决（如 PEP 572 最初被 Guido 拒绝，后重新设计通过）。
    • Withdrawn（撤回）：作者主动放弃。
  • 只有 Final 状态的 PEP 才会在正式版 Python 中出现。

二、Python环境安装

Python推荐版本：3.12

  • 版本推荐理由【看不懂就无脑装】
    • 性能显著提升（CPython 3.11 起引入新解释器优化）
    • 学习现代语法（随着版本更新，新增了新的语法结构，有利于理解和使用）
    • 官方支持周期长（3.12 支持至 2028 年）
    • 兼容主流库
    • 生产环境友好、稳定
  • 安装就能用？
    • 确实可以直接用：可以在命令行窗口运行和使用python【裸运行】
    • 但非常不推荐，你需要的是方便你工作的编程平台——IDE
  • 解释器？cmd？命令行？IDE？它们是什么？
    • 解释器（Interpreter）：将类似Python的高级语言转换成机器代码
    • 命令行：即“黑窗口”，又叫命令行窗口，是你和操作系统直接对话的窗口。输入给操作系统的代码叫“命令”，操作系统输入给机器的叫“指令”。
    • IDE：编程语言的集成开发环境，就是专门用于写代码的”全能平台“。

print("hello word")

三、环境管理

安装IDE【新手推荐VScode、进阶推荐Trae】

  • 安装插件
    • 支持汉化：plugins（扩展）处搜索“chinese”安装汉化插件，重启即可显示中文页面
    • Pylance自动代码补全【新手不推荐启用，注重多手敲代码】
  • 环境管理
    • 项目文件夹
    • 虚拟环境
    • 依赖管理
  • 关于是否使用PyCharm的意见：【因为听说都用它就下载了？】
    • 付费：当然你可以使用神奇工具弄到免费版本，但是你可能用到的是如2022年的旧版本，不支持

关于是否安装Anaconda的意见

  • 情景1：不推荐

    - 萌新的疑问：环境是什么？那么复杂的东西我不会弄？自己动手困难重重！
- 网络上：“Anaconda是Python基础环境的全家桶。基本上就配置好了通用python环境，不用再对着环境犯难了”。
- 萌新：那我就安装Anaconda
    • 理由：
      • 环境臃肿：Anaconda是用于特定领域的整合包，Python新手99%用不上
      • 包管理混乱：Anaconda用conda命令隔离环境，但新手实际使用了pip命令；也会导致新手使用PyCharm新建项目解释器配置时管理混乱，在系统环境、隔离环境、新建项目的虚拟环境三个地方跳转
      • 难卸载：PATH、注册表、缓存残留严重（留痕严重）
      • “忘掉重学”：一旦涉及环境配置就是“不会”，真的碰到硬茬了直呼”好难“。

  • 情景2：可以

    - 数据分析相关学生或从业者：我不想在新环境里一个个配置依赖，我也不在乎环境是否最新，快速上手进行数据分析工作
- Anaconda：开源的 Python 发行版，专为科学计算、数据分析和机器学习设计，包含了大量的科学计算库和工具。它支持多种操作系统（Windows、MacOS、Linux），并通过 conda 包管理器简化了环境和依赖的管理。
- 学生/从业者：正合我意

使用 Jupyter

使用虚拟环境

包管理器

  • pip【新手使用，官方推荐】
    • Python ≥3.4 自带
    • 命令简单
  • conda
  • uv【进阶后使用】
    • 能够进行