为什么选择Python？

Python 的流行可归因于以下几个因素：

• 可读性：Python干净简洁的语法使得代码的读写变得容易，这对于编程新手来说尤其有利。
• 多功能性：Python 可用于各个领域，从 Web 开发到数据分析、科学计算、自动化和机器学习。
• 广泛的库：Python 附带丰富的标准库和庞大的第三方库生态系统，为几乎任何任务提供工具。
• 社区支持：Python 社区活跃且热情，提供大量用于学习和解决问题的资源、教程和论坛。
• 就业机会：鉴于Python在现代工业中的广泛应用，熟练掌握Python受到雇主的高度重视。

入门：安装 Python

要开始 Python 之旅，需要设置开发环境：

1. 下载Python：访问Python官方网站（https://www.python.org/）并下载适合您操作系统的最新Python版本。
2. 安装：运行安装程序并选择将 Python 添加到系统路径的选项。这确保可以从终端运行 Python 命令。
3. 验证：打开终端（或命令提示符）并输入python --version以确认安装成功。

Python 基础知识

你好世界！你的第一个 Python 程序

在 Python 中，一个简单的“Hello, World!” 计划作为完美的起点。创建一个名为的新文件hello.py并添加以下行：

print（“你好，世界！”）

打开终端，导航到包含该文件的目录，然后输入以下命令来执行它：

python  hellopy

变量和数据类型

变量允许您存储数据以供以后使用。与其他语言不同，Python 根据分配的值动态确定变量类型：

name= “John”age = 25 is_student = True

Python 支持各种数据类型，包括整数、浮点数、字符串、布尔值等。

运算符和表达

Python 支持多种运算符来对变量和值执行操作：

• 算术运算符：+, -, *,/
• 比较运算符：==, !=, <, >, <=,>=
• 逻辑运算符：and, or,not

x = 10y = 5sum = x + yis_equal = x == ylogical_result = x > y and is_student

控制流：if、else 和循环

控制流结构允许您做出决策并重复操作。

age = 18if age >= 18:    print("You're an adult.")else:    print("You're a minor.")

for和while循环：

for i in range(5):    print(i)while x > 0:    print(x)    x -= 1   

数据结构

Python 提供了多种数据结构来有效地存储和操作数据。

列表：列表保存有序的项目集合，这些项目可以是不同的类型：

fruits = ["apple", "banana", "cherry"]

可以通过索引访问元素、添加项目、删除项目以及执行各种操作。

元组：元组与列表类似，但不可变（创建后无法修改）：

coordinates = (10, 20)

字典：字典将数据存储为键值对：

person = {"name": "Alice", "age": 30, "is_student": False}

可以使用键访问值并对字典执行操作。

集合：集合包含独特的元素：

colors = {"red", "green", "blue"}

集合对于删除重复项和执行集合操作很有用。

函数与模块

定义和调用函数

函数允许您将代码分组为可重用的块。以下是定义和调用简单函数的方法：

def greet(name):    print(f"Hello, {name}!")greet("Alice")）

函数参数和返回值

函数可以接受参数和返回值：

def  add ( x, y ):     return x + y result = add( 5 , 3 ) print (result)   # 输出：8

模块化编程：创建和导入模块

模块化编程促进代码组织。可以创建自己的模块并将其导入其他程序：

创建一个名为my_module.pyy co 的文件

def multiply(a, b):    return a * b

在另一个文件中：

import my_module result = my_module.multiply( 4 , 6 ) print (result)   # 输出：24

面向对象编程（OOP）

OOP 概念简介

面向对象编程 (OOP) 专注于创建可重用、有组织且易于理解的代码。关键概念包括类、对象、继承和封装。

类和对象

类是创建具有共享属性和行为的对象的蓝图：

class Dog:    def __init__(self, name):        self.name = name    def bark(self):        print(f"{self.name} is barking!")my_dog = Dog("Buddy")my_dog.bark()  # Output: Buddy is barking!

继承与多态

继承允许一个类（子类）继承另一个类（超类）的属性和行为：

class  Cat ( Dog ):     def  purr ( self ):         print ( f" {self.name} is purring!" ) my_cat = Cat( "Whiskers" ) my_cat.bark()   # 输出：Whiskers 正在吠叫！my_cat.purr()   # 输出：胡须发出呼噜声！

文件处理和 I/O 操作

读取和写入文本文件

Python 允许您轻松读取和写入文本文件：

with open("myfile.txt", "w") as file:    file.write("Hello, Python!")with open("myfile.txt", "r") as file:    content = file.read()    print(content)  # Output: Hello, Python!

使用二进制文件

可以使用类似的技术读取和写入二进制文件（例如图像）。

Python 库和框架

标准库概述

Python 的标准库提供了用于各种任务的模块，例如字符串操作、文件处理等。

第三方库介绍

第三方库扩展了 Python 的功能。使用以下命令安装它们pip：

pip install pandas

常用框架

NumPy、pandas 和 Matplotlib 等框架广泛用于数据分析和可视化。

使用 Flask 进行 Web 开发

Web 框架简介

Flask 等 Web 框架简化了 Web 开发。

设置 Flask 应用程序

创建一个基本的 Flask 应用程序：

from Flask import Flask app = Flask(__name__) @app.route( "/" ) def  hello ():     return  "Hello, Flask!"

数据处理

使用 pandas 进行数据操作

pandas 是一个强大的数据操作和分析库：

import pandas as pd data = {     'Name' : [ 'Alice' , 'Bob' , 'Charlie' ],     'Age' : [ 25 , 30 , 28 ] } df = pd.DataFrame(data) print (df)

使用 Matplotlib 进行数据可视化

Matplotlib 允许创建各种类型的可视化：

import matplotlib.pyplot as plt x = [ 1 , 2 , 3 , 4 , 5 ] y = [ 10 , 24 , 36 , 40 , 52 ] plt.plot(x, y) plt.xlabel( 'X 轴' ) plt.ylabel( 'Y 轴' ) plt.title( '简单线图' ) plt.show()

基础数据分析

结合pandas和Matplotlib，可以进行基本的数据分析：

import pandas as pd import matplotlib.pyplot as plt data = {     '年份' : [ 2018 , 2019 , 2020 , 2021 ],     '收入' : [ 50000 , 62000 , 75000 , 90000 ] } df = pd.DataFrame(data) df .plot(x= '年份' , y= '收入' , kind= 'bar' ) plt.xlabel( '年份' ) plt.ylabel( '收入' ) plt.title( '多年来的收入增长' ) plt.show（）

基本自动化和脚本编写

创建并运行 Python 脚本

Python 非常适合自动化重复性任务。创建一个简单的脚本来重命名文件：

from flask import Flaskapp = Flask(__name__)@app.route("/")def hello():    return "Hello, Flask!"

使用 Python 自动化任务

使用类似的库schedule来自动执行任务：

import Schedule import time def  job ():     print ( "任务已执行！" ) Schedule.every( 5 ).seconds.do(job) while  True :     Schedule.run_pending()     time.sleep( 1 )

机器学习入门

机器学习概念概述

机器学习涉及训练模型来进行预测：

from sklearn.model_selection import train_test_split from sklearn.linear_model import LinearRegression # 加载数据集并拆分为特征和目标X_train, X_test, y_train, y_test = train_test_split(X, y, test_size= 0.2 ) # 创建并训练线性回归模型model = LinearRegression () model.fit(X_train, y_train) # 进行预测预测 = model.predict(X_test)