Python 基础入门课程介绍#

适合谁#
先看一段你可能见过的代码:
scores = [float(s) for s in raw_scores if s.strip()]
mean = sum(scores) / len(scores)上面这两行代码可能每个符号你都认识,但连起来或许就不知道在干嘛了,这就是 Python 基础不牢的典型表现。
如果你符合下面任意一条,这门课就是为你准备的:
以前都是看别人写的代码,自己几乎没写过代码,或者只写过一点点;
装好了 Python 和 Jupyter,但不知道从哪个格子开始敲;
跟着教程敲过
for循环、if判断,但换个场景就不会写了;会用 Excel 做一些简单统计,但一提到“用代码处理数据”就发怵。
课程特色#
本课程摒弃了传统以语法知识点为中心的教学方式,而是采用了案例驱动的教学方法。我们不会为了介绍某个语法而单独讲解语法,而是将每个知识点融入一个具体、完整且足够简单的实际案例中,将解决问题的过程与 Python 基础语法自然结合。
例如,学习 Python 的第一个案例就是输出 Hello World;学习变量时,我们通过记录和计算学习时间来理解变量的作用;学习循环时,我们通过统计学生成绩来掌握循环操作。
因此,你不需要一开始就记住大量语法规则,而是在不断完成一个个小任务的过程中,逐步理解语法、熟悉代码,并建立编程思维。 同时,课程始终围绕机器学习的学习需求展开,优先介绍后续数据处理、模型训练和算法实践中经常用到的知识,避免陷入复杂语法和不必要的技术细节,让 Python 真正成为你学习机器学习的工具。
学习前需要准备#
只需要三样东西:
一个 Python 环境: 建议 Python 3.10 及以上。本课程使用的 Python 版本是 3.13.2
一个编辑器: 初学者推荐 Jupyter Notebook,每写一格就能立刻看到结果,不用反复
print和运行;十分钟的耐心: 本课程不需要你懂矩阵,也不需要你有任何数学基础,只需要你有一点点学习的耐心。
课程结构#
| 章节 | 主题 | 你会学到 |
|---|---|---|
| 第 1 章 | 基础入门 | 环境安装过程、第一个程序、变量与基本数据类型、输入输出与类型转换 |
| 第 2 章 | 流程控制 | if 多分支判断、for 循环、break 与 continue |
| 第 3 章 | 数据结构 | 字符串处理、列表与元组、字典与集合 |
| 第 4 章 | 函数与模块 | 定义函数、参数与返回值、拆分成模块 |
| 第 5 章 | 文件与异常处理 | 读写文本与 CSV、try-except、数据清洗实战 |
| 第 6 章 | 面向对象编程 | 类与对象、封装、继承与多态 |
全课程由一条主线贯穿:一份学生成绩数据。第 1 章你把它存进变量,第 2 章你给它分等级,第 3 章你把它整理成列表和字典,第 4 章你把处理逻辑封装成函数,第 5 章你把它存成 CSV 文件并清洗,第 6 章你把它变成一个 Student 对象。数据在变,你的工具也在变,但始终是同一份数据。
一个贯穿全课程的例子#
这是你从第 1 章到第 6 章一直在处理的数据:
# 三个学生的信息:姓名、年龄、成绩
students = [
{"name": "小明", "age": 18, "score": 92.5},
{"name": "小红", "age": 17, "score": 78.0},
{"name": "小刚", "age": 18, "score": 55.5},
]看起来简单对吧?但接下来六章,你会用不同的 Python 工具反复加工它:给它分等级、算平均分、去掉重复标签、存进文件、读回来、清洗缺失值、封装成一个类,每一步都在为下一步打基础。
怎么学习这门课#
别一口气读完六章,更实在的做法是:
打开一个 Notebook,把案例代码自己一行一行敲进去,真的跑一遍;
如果发现输出和文章里写的不一样时,停下来查清楚为什么;
每节末尾有随堂练习,先自己写,卡住了再看答案;
第 4 章之后,建议把前面的代码重新读一遍,这时候你看同一段代码的眼光会不一样。
提示: 本课程只使用 Python 标准库,不安装任何第三方包。等你学完第 5 章能独立读写 CSV 文件,再去学 NumPy 基础入门课程 和 Pandas 基础入门课程 会顺理成章。