Python基础课程

📝 模块一：核心语法与流程控制 — 建立计算思维

学习目标：这是与AI沟通的底层逻辑，无需死记符号，但必须理解其运行机制。

1.1 变量与数据类型

整数（int）、浮点数（float）、字符串（str）、布尔值（bool）
数据类型转换：int(), float(), str(), bool()
类型检测：type() 函数的使用

💻 练习：变量与类型

创建一个变量存储你的名字，然后输出"Hello, [你的名字]!"

# 在这里编写代码
name = "你的名字"
print(f"Hello, {name}!")

1.2 运算符

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

💻 练习：运算符

计算 10 + 20 * 3 的结果并打印

# 在这里编写代码
result = 10 + 20 * 3
print(result)

1.3 流程控制

条件语句：if-elif-else 结构
循环语句：for 循环与遍历
循环语句：while 循环
break 与 continue 的控制

实战要点：

在AI时代，你需要清楚告诉AI"在什么条件下循环做什么事"，这部分逻辑必须清晰

💻 练习：条件语句

判断年龄是否成年（>=18），输出相应提示

# 在这里编写代码
age = 20
if age >= 18:
    print("成年人")
else:
    print("未成年人")

📦 模块二：核心数据结构 — 数据的容器

学习目标：数据分析与AI处理的起点都是数据容器，这部分必须熟练掌握其特性（增删改查）。

2.1 列表（List）⭐ 重点

创建与访问：索引、切片操作
修改操作：append(), extend(), insert(), remove(), pop()
列表推导式：简洁高效的数据处理方式
常用方法：sort(), reverse(), len(), in 操作

💻 练习：列表操作

创建一个列表，添加元素，然后排序

# 在这里编写代码
fruits = ["apple", "banana", "cherry"]
fruits.append("orange")
fruits.sort()
print(fruits)

2.2 字典（Dictionary）⭐ 重点

键值对存储：创建、访问、修改
核心方法：keys(), values(), items(), get(), update()
遍历技巧：按键遍历、按值遍历、按键值对遍历

实战要点：

字典是后续处理JSON数据、调用API返回结果的核心格式，必须熟练掌握

💻 练习：字典操作

创建一个学生字典，添加年龄字段，然后输出所有键值对

# 在这里编写代码
student = {"name": "张三", "grade": "大三"}
student["age"] = 20
for key, value in student.items():
    print(f"{key}: {value}")

2.3 元组（Tuple）

创建与访问
不可变性及其应用场景
元组解包

💻 练习：元组解包

创建一个元组并进行解包

# 在这里编写代码
person = ("李四", 22, "男")
name, age, gender = person
print(f"姓名: {name}, 年龄: {age}, 性别: {gender}")

2.4 集合（Set）

创建与基本操作
去重、交集、并集、差集运算
集合推导式

💻 练习：集合操作

创建两个集合，求交集和并集

# 在这里编写代码
set1 = {1, 2, 3, 4, 5}
set2 = {4, 5, 6, 7, 8}
union_set = set1 | set2
intersection_set = set1 & set2
print("并集:", union_set)
print("交集:", intersection_set)

🧩 模块三：函数与模块化思维 — 指挥AI的"指令单元"

学习目标：AI生成代码往往是以函数为单位的，你需要懂如何定义和调用。

3.1 函数定义与调用

def 关键字定义函数
函数命名规范
函数调用与执行流程

💻 练习：函数定义

定义一个计算两数之和的函数

# 在这里编写代码
def add(a, b):
    return a + b

result = add(5, 3)
print(f"5 + 3 = {result}")

3.2 参数类型

位置参数：按顺序传递
关键字参数：按名称传递
默认参数：预设默认值
可变参数：*args 和 **kwargs

💻 练习：参数类型

定义一个带默认参数的问候函数

# 在这里编写代码
def greet(name, greeting="Hello"):
    return f"{greeting}, {name}!"

print(greet("World"))
print(greet("Python", "Hi"))

3.3 返回值

return 语句
单返回值与多返回值

实战要点：

理解函数如何输出结果，以便在后续流程中承接数据

💻 练习：多返回值

定义一个函数同时返回两个数的和与积

# 在这里编写代码
def calculate(a, b):
    return a + b, a * b

sum_result, product_result = calculate(4, 5)
print(f"和: {sum_result}, 积: {product_result}")

3.4 模块与包

import 导入标准库
from ... import ... 选择性导入
第三方库安装：pip install

实战要点：

这是你扩展Python能力的入口——你不需要自己写算法，只需知道调用哪个库的哪个函数

3.5 Lambda函数（补充）

匿名函数的定义与使用
与 map(), filter(), sorted() 配合使用

💻 练习：Lambda函数

使用lambda函数对列表进行平方运算

# 在这里编写代码
numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x ** 2, numbers))
print(squared)

🔍 模块四：数据处理"三剑客" — 直接对接业务与AI ⭐⭐⭐

学习目标：这是传统编程向数据/AI领域跨越的关键，也是你专业的核心。不要用纯Python去造轮子，直接学习这三大库。

4.1 NumPy — 科学计算基础

多维数组（ndarray）：创建、属性、形状操作
向量化运算：告别循环，高效计算
数组索引与切片
常用函数：sum(), mean(), std(), max(), min()
广播机制简介

💻 练习：NumPy数组操作

创建NumPy数组并进行基本运算

# 在这里编写代码
import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print("数组:", arr)
print("数组类型:", arr.dtype)
print("数组形状:", arr.shape)
print("数组求和:", arr.sum())
print("数组均值:", arr.mean())

4.2 Pandas — 数据分析核心 ⭐⭐⭐ 重中之重

DataFrame结构：理解表格数据的核心对象
数据读取：
CSV文件：pd.read_csv()
Excel文件：pd.read_excel()
数据清洗：
处理缺失值：dropna(), fillna()
处理重复值：duplicated(), drop_duplicates()
数据类型转换：astype()
数据筛选：
条件筛选：布尔索引
loc[] 与 iloc[] 的使用
分组聚合：
groupby() 分组操作
聚合函数：agg(), sum(), mean(), count()
数据合并：
merge() 连接操作
concat() 拼接操作

💻 练习：Pandas DataFrame

创建DataFrame并进行基本操作

# 在这里编写代码
import pandas as pd

data = {
    '姓名': ['张三', '李四', '王五'],
    '年龄': [20, 21, 19],
    '成绩': [85, 92, 78]
}
df = pd.DataFrame(data)
print(df)
print("\n平均年龄:", df['年龄'].mean())
print("最高成绩:", df['成绩'].max())

4.3 Matplotlib — 数据可视化

基础绑定：plt.plot(), plt.show()
核心图表：
折线图：plt.plot()
柱状图：plt.bar()
散点图：plt.scatter()
饼图：plt.pie()
直方图：plt.hist()
图表美化：标题、标签、图例、样式
中文显示问题解决

实战要点：

能够将分析结果可视化呈现

💾 模块五：文件操作与异常处理 — 让程序健壮落地

学习目标：真实业务需要与外部数据交互，且运行中难免出错。

5.1 文件操作

基本读写：with open() 上下文管理器
文件模式：r, w, a, rb, wb
文本文件操作：read(), readline(), readlines(), write()
CSV文件处理：结合Pandas进行读写
文件路径操作：os 模块与 pathlib 模块

💻 练习：文件操作

使用with语句写入并读取文件

# 在这里编写代码
# 写入文件
with open("test.txt", "w") as f:
    f.write("Hello, Python!")

# 读取文件
with open("test.txt", "r") as f:
    content = f.read()
    print(content)

5.2 异常处理

基本结构：try-except 语句
完整结构：try-except-else-finally
常见异常类型：
ValueError, TypeError
FileNotFoundError
KeyError, IndexError
自定义异常：创建与应用

实战要点：

让程序在遇到错误时不至于直接崩溃，而是优雅地处理或记录

💻 练习：异常处理

使用try-except处理除零错误

# 在这里编写代码
try:
    result = 10 / 0
except ZeroDivisionError:
    print("错误：不能除以零！")
else:
    print(f"结果: {result}")
finally:
    print("程序执行完毕")

📚 附录：学习资源与编程规范

A. 推荐学习资源

官方文档：Python官方文档
在线平台：Coursera、edX、Udemy、B站教程
推荐书籍：《Python编程：从入门到实践》、《利用Python进行数据分析》
社区资源：Stack Overflow、GitHub、CSDN

B. 编程规范（PEP 8）

代码缩进：4个空格
命名规范：
变量/函数：snake_case
类名：PascalCase
常量：UPPER_CASE
注释与文档字符串
代码可读性原则

C. 常用第三方库速查

库名用途安装命令
NumPy 科学计算 pip install numpy
Pandas 数据分析 pip install pandas
Matplotlib 数据可视化 pip install matplotlib
Requests HTTP请求 pip install requests
OpenPyXL Excel处理 pip install openpyxl

🗺️ 课程学习路线图

1

模块一：核心语法与流程控制

↓

2

模块二：核心数据结构

↓

3

模块三：函数与模块化思维

↓

4

模块四：数据处理"三剑客" ← 核心重点

↓

5

模块五：文件操作与异常处理

↓

6

实战项目

✨ 课程特色

✅ 面向AI时代的学习视角

✅ 强调数据处理实战能力

✅ 精简理论，注重应用

✅ 与数据分析专业紧密结合

Python基础课程

课程内容

📝 模块一：核心语法与流程控制 — 建立计算思维

1.1 变量与数据类型

💻 练习：变量与类型

1.2 运算符

💻 练习：运算符

1.3 流程控制

💻 练习：条件语句

📦 模块二：核心数据结构 — 数据的容器

2.1 列表（List）⭐ 重点

💻 练习：列表操作

2.2 字典（Dictionary）⭐ 重点

💻 练习：字典操作

2.3 元组（Tuple）

💻 练习：元组解包

2.4 集合（Set）

💻 练习：集合操作

🧩 模块三：函数与模块化思维 — 指挥AI的"指令单元"

3.1 函数定义与调用

💻 练习：函数定义

3.2 参数类型

💻 练习：参数类型

3.3 返回值

💻 练习：多返回值

3.4 模块与包

3.5 Lambda函数（补充）

💻 练习：Lambda函数

🔍 模块四：数据处理"三剑客" — 直接对接业务与AI ⭐⭐⭐

4.1 NumPy — 科学计算基础

💻 练习：NumPy数组操作

4.2 Pandas — 数据分析核心 ⭐⭐⭐ 重中之重

💻 练习：Pandas DataFrame

4.3 Matplotlib — 数据可视化

💾 模块五：文件操作与异常处理 — 让程序健壮落地

5.1 文件操作

💻 练习：文件操作

5.2 异常处理

💻 练习：异常处理

📚 附录：学习资源与编程规范

A. 推荐学习资源

B. 编程规范（PEP 8）

C. 常用第三方库速查

🗺️ 课程学习路线图

✨ 课程特色