Python 官方教程总结

以 Python 3.12 为基础。

官方文档: https://docs.python.org/zh-cn/3.12/tutorial/index.html

以下是对官方文档的总结。

Python 3.12 解释器的启动、使用和环境配置方法：

• Unix/Linux系统：通常安装在 /usr/local/bin/python3.12，可通过 python3.12 命令启动
• Windows系统：可通过 Microsoft Store 安装的 python3.12 命令或 py 命令启动
• 退出方式：使用 Ctrl+D（Unix）或 Ctrl+Z（Windows），或输入 quit()

• 交互模式：在终端中直接输入 Python 代码，主提示符为 >>>，连续行提示符为 ...
• 脚本模式：执行文件中的 Python 代码
• 命令行执行：使用 python -c command 执行单行命令
• 模块执行：使用 python -m module 执行模块

• 参数存储在 sys.argv 列表中
• 该列表最少有一个元素
• 无参数：sys.argv[0] 是空字符串
• 有参数：sys.argv[0] 脚本名，后续元素是传入的参数
• 不同启动方式对 sys.argv[0] 的处理不同

• 默认使用 UTF-8 编码，支持多种语言字符
• 可通过特殊注释声明其他编码格式
• 编码声明需放在文件第一行（shebang行除外）

• 支持行编辑功能（基于 GNU Readline 库）
• 可通过环境变量配置 Python 运行环境

介绍 Python 作为计算器的基本用法和核心概念：

• 注释：以 # 开头，用于解释代码但不被执行
• 交互式使用：区分输入（ >>> 提示符）和输出（无提示符）

• 基本运算：支持 +、-、*、/ 等算术运算符
• 数据类型：整数（int）和浮点数（float）
  • 除法运算 (/) 总是返回浮点数
  • Python 全面支持浮点数；混合类型运算数的运算会把整数转换为浮点数
• 特殊运算：// 整除、% 取余、** 幂运算
• 变量赋值：使用 = 操作符
• 交互式变量：_ 变量保存上次计算结果
• 分组：圆括号 ()

• 定义方式：单引号或双引号包围
• 转义字符：使用 \ 处理特殊字符
• 原始字符串：r 前缀避免转义
• 多行字符串：三重引号支持
• 字符串操作：支持 + 连接、* 重复
• 索引和切片：[0] 访问单字符，[0:2] 获取子串
• 不可变性：字符串内容不可修改

• 定义：方括号 [] 包围，逗号分隔
• 可变性：与字符串不同，列表内容可修改
• 操作方法：支持索引、切片、追加（append）
• 嵌套：可创建包含其他列表的列表
• 赋值注意：简单赋值不复制数据，而是引用

• 循环结构：while 循环配合缩进组织代码
• 多重赋值：a, b = 0, 1 同时赋值多个变量
• 输出函数：print() 函数格式化输出
• 缩进规则：Python 使用缩进表示代码块

介绍 Python 的控制流语句和函数定义的高级特性

• if语句：支持 elif 和 else，可替代其他语言的 switch 语句
• for语句：在序列元素上迭代，而非算术递增
• range()函数：生成等差数列，支持起始值、步长参数
• break和continue：分别用于跳出循环和跳到下次迭代
• 循环的else子句：当循环正常结束（无break）时执行
• pass语句：空操作，用作占位符

• Python 3.10+ 的新特性
• 类似模式匹配，比传统 switch 语句更强大
• 支持字面值匹配、解包赋值、类模式匹配等
• 可使用通配符和约束条件

• 基本语法：使用 def 关键字定义
• 文档字符串：函数首行的字符串作为文档
• 返回值：使用 return 语句，无返回值时默认返回 None
• 局部/全局作用域：函数内部变量不影响外部

• 默认值参数：参数可设置默认值
• 关键字参数：按参数名传递
• 特殊参数类型：
  • 仅限位置参数（/前）
  • 位置或关键字参数（/和*之间）
  • 仅限关键字参数（*后）
• 可变参数：*args 接收任意数量位置参数，**kwargs 接收关键字参数

• 参数解包：使用 * 和 ** 操作符解包列表/字典参数
• Lambda表达式：创建匿名函数
• 函数注解：为参数和返回值添加类型信息
• 文档字符串格式：遵循 PEP 257 约定

• 遵循 PEP 8 风格指南
• 使用 4 个空格缩进
• 每行不超过 79 个字符
• 合理使用空行分隔
• 保持命名一致性

介绍 Python 的核心数据结构及其操作方法

• 列表方法：包含 append、extend、insert、remove、pop、clear、index、count、sort、reverse、copy 等
• 栈操作：使用 append() 和 pop() 实现后进先出
• 队列操作：推荐使用 collections.deque 实现先进先出
  • 导入：from collections import deque
  • 创建队列：queue = deque(["Eric", "John", "Michael"])
  • 进队列：queue.append("Terry")
  • 出队列：queue.popleft()，Eric 先出，列表剩余 ["John", "Michael", "Terry"]
• 列表推导式：简洁的列表创建方式，如 [x**2 for x in range(10)]
• 嵌套列表推导式：支持复杂的多层嵌套操作

• 按索引删除列表元素
• 支持删除切片或整个变量

• 元组：不可变序列，用逗号分隔值创建
• 元组打包和解包：支持值的批量赋值
• 与列表的区别：不可变、异质元素、通过索引或解包访问

• 创建：用 花括号 或 set() 函数
  • 注意：创建 空集合 只能用 set()，不能用 {}，{} 创建的是空字典
• 特点：不重复元素的无序容器
• 基本操作：成员检测、去重
• 集合运算：支持合集(|)、交集(&)、差集(-)、对称差分(^)
• 集合推导式：类似列表推导式

• 键值对存储：以键索引的映射类型
• 操作方法：添加、删除、查找键值对
• 创建方式：花括号、dict() 构造函数、字典推导式
• 键的限制：必须是不可变类型

• 字典循环：使用 items() 同时获取键值
• enumerate()：同时获取索引和值
• zip()：同时遍历多个序列
• reversed()：逆向循环
• sorted()：排序后循环

• 比较运算符：in、not in、is、is not
• 链式比较：如 a < b == c
• 短路运算：and、or 运算符的短路特性
• 海象运算符：:= 用于表达式内赋值

• 字典式顺序：逐元素比较
• 类型比较：相同类型序列可比较，不同类型需适当方法

介绍 Python 的模块系统和包管理机制

• 模块定义：包含 Python 定义和语句的文件，以 .py 为后缀
• 导入方式：
  • import module：导入整个模块
  • from module import function：导入特定函数
  • from module import *：导入所有公共名称
  • 使用as关键字进行别名导入
• 模块命名空间：每个模块有独立的私有命名空间

• 脚本模式：模块可作为脚本执行，__name__ 设为 "__main__"
• 条件执行：使用 if __name__ == "__main__": 实现模块的双重用途

• 搜索顺序：内置模块 -> sys.path 中的目录
• 路径组成：脚本目录、PYTHONPATH、标准库路径
• 路径修改：可动态修改 sys.path

• 缓存机制：Python 将编译版本缓存在 __pycache__ 目录
• 文件命名：module.version.pyc 格式
• 优化选项：使用 -O 或 -OO 开关减少文件大小

• 内置模块：如 sys，提供解释器接口
• 库模块：Python 自带的标准库
• 平台依赖：某些模块仅在特定平台上可用

• 功能：列出模块中定义的名称
• 使用方式：dir(module) 或无参数列出当前命名空间
• 内置名称：标准模块 builtins 包含所有内置函数和变量

• 包结构：使用点号模块名构建命名空间层次
• __init__.py：使目录成为包的必需文件
• 子包导入：支持多级包结构的导入

• 绝对导入：使用完整包路径
• 相对导入：使用点号表示相对位置（ . 当前包，.. 上级包）
• 包导入：支持 __all__ 列表控制 * 导入的内容

• 避免使用 from package import *（除非明确定义__all__）
• 推荐使用绝对导入
• 合理组织包结构以避免命名冲突

介绍 Python 中的输入输出操作，包括格式化输出和文件处理

• f-字符串：使用f前缀的格式化字符串，如 f'Results of the {year} {event}'
• str.format()方法：使用 {} 标记替换位置，支持位置和关键字参数
• 手动格式化：使用字符串方法如 rjust()、ljust()、center() 进行对齐
• 旧式格式化：使用 % 运算符进行字符串插值
• repr()和str()函数：用于将值转换为字符串表示

• 在字符串前加 f 或 F 前缀
• 支持格式说明符，如 {:.3f} 控制小数位数
• 支持字段宽度设置，如 {:10} 用于列对齐
• 支持转换修饰符：!a（ascii）、!s（str）、!r（repr）
• = 说明符用于自说明型表达式

• 位置参数：{0}、{1} 等
• 关键字参数：{name} 形式
• 支持字典参数：使用 ** 操作符
• 可组合使用位置和关键字参数

• open()函数：基本语法 open(filename, mode, encoding)
• 模式参数：'r' 读取、'w' 写入、'a' 追加、'r+' 读写
• 编码参数：推荐使用 encoding="utf-8"
• 文本/二进制模式：文本模式自动处理换行符转换

• 推荐使用 with 关键字管理文件
• 自动处理文件关闭，即使发生异常
• 简化代码结构

• read()：读取文件内容
• readline()：读取单行
• write()：写入内容
• tell()：获取当前位置
• seek()：改变文件位置
• 支持迭代遍历文件行

• json模块：用于序列化复杂数据结构
• dumps()/dump()：序列化对象为 JSON 字符串/文件
• loads()/load()：从 JSON 字符串/文件反序列化
• 支持列表、字典等复杂数据类型
• 与 pickle 模块对比：JSON 更安全但功能有限

介绍 Python 的错误处理机制，包括语法错误和异常处理：

• 语法错误：解析错误，最常见的错误类型
• 异常：语法正确但执行时出错，如 ZeroDivisionError、NameError、TypeError 等

• try-except语句：基本异常处理结构
• 多except子句：可为不同异常指定不同处理程序
• 异常匹配：支持基类和派生类的异常匹配
• 异常参数：异常可携带相关参数信息
• else子句：在没有异常时执行的代码块

• raise语句：强制触发指定异常
• 异常链：使用 from 子句显示异常的因果关系
• 禁用异常链：使用 from None 禁用自动异常链

• 从 Exception 类派生自定义异常类
• 通常以 “Error” 结尾命名
• 保持简单，主要用于错误信息提取

• finally子句：无论是否异常都执行的清理代码
• with语句：预定义清理操作，自动处理资源释放
• finally 子句中的 return 语句会覆盖 try 中的返回值

• ExceptionGroup：打包多个异常实例
• except*语句：选择性处理异常组中的特定类型异常
• 嵌套异常组：支持复杂的异常层次结构

• add_note()方法：为异常添加额外信息
• 注释按添加顺序显示在标准回溯中

• 尽可能具体地指定要处理的异常类型
• 使用 Exception 作为通配符时要谨慎
• 打印或记录异常后重新引发，允许调用者处理
• 使用 with 语句管理资源自动清理

介绍 Python 的类机制和面向对象编程特性：

• 类定义：使用 class 关键字创建新对象类型
• 实例化：类对象支持实例化操作，创建该类型的新实例
• 初始化方法：__init__() 方法用于实例的初始化和定制
• 属性访问：支持数据属性和方法属性

• 命名空间：从名称到对象的映射（如全局、局部命名空间）
• 作用域规则：LEGB规则（局部->嵌套->全局->内置）
• global和nonlocal：用于修改外层作用域变量
• 类命名空间：类定义创建新的命名空间

• 数据属性：实例的变量，无需声明，首次赋值时创建
• 方法对象：绑定到实例的函数
• self参数：方法的第一个参数代表实例本身
• 实例vs类变量：实例变量为每个实例独有，类变量被所有实例共享

• 单继承：class Derived(Base): 语法
• 多重继承：class Derived(Base1, Base2, Base3): 语法
• 方法重写：派生类可重写基类方法
• 方法解析顺序：MRO（Method Resolution Order）处理多重继承
• isinstance()和issubclass()：类型检查函数

• 命名约定：单下划线 _name 表示非公有API
• 名称改写：双下划线 __name 触发名称改写机制
• 实际私有性：Python中没有真正的私有变量，主要靠约定

• 数据类：使用 @dataclass 装饰器简化数据结构定义
• 迭代器协议：实现 __iter__() 和 __next__() 方法
• 生成器：使用 yield 语句的简单迭代器创建方式
• 生成器表达式：类似列表推导式的简洁语法

• 方法调用：支持通过实例调用其他方法
• 全局作用域：方法可访问包含模块的全局变量
• 动态特性：运行时创建和修改类
• 别名机制：多个名称可绑定到同一对象

• 使用实例变量而非类变量处理可变对象
• 遵循命名约定避免意外冲突
• 合理使用继承和组合
• 注意方法解析顺序的复杂性

介绍 Python 标准库中常用的重要模块和功能

• os模块：提供与操作系统交互的函数（获取/更改工作目录、执行系统命令）
• shutil模块：提供高级文件和目录管理功能（复制、移动文件）

• glob模块：使用通配符搜索文件
• sys.argv：访问命令行参数
• argparse模块：处理复杂的命令行参数

• sys.stdin/stdout/stderr：标准输入输出流，stderr 用于错误输出
• sys.exit()：终止程序

• re模块：正则表达式处理高级字符串操作
• 字符串方法：简单操作的首选

• math模块：访问数学函数（三角函数、对数等）
• random模块：随机数生成和随机选择
• statistics模块：基本统计计算（均值、中位数、方差）
• SciPy项目：更多数值计算模块

• urllib.request：从URL获取数据
• smtplib：发送邮件

• datetime模块：日期和时间操作，支持时区和日历运算

• zlib、gzip、bz2等：支持多种压缩格式

• timeit模块：测量代码执行时间
• profile/pstats模块：分析代码性能

• doctest模块：从文档字符串中提取和运行测试
• unittest模块：全面的单元测试框架

• xmlrpc模块：远程过程调用
• email包：邮件处理
• json/csv模块：数据格式处理
• xml包：XML处理
• sqlite3模块：数据库操作
• 国际化模块：gettext、locale 等

介绍 Python 标准库中更高级、专业化的模块：

• reprlib模块：提供定制化的 repr() 函数，用于缩略显示大型容器对象
• pprint模块：提供复杂的打印控制，美化输出复杂数据结构
• textwrap模块：格式化文本段落，适应指定宽度
• locale模块：处理地域文化相关的数据格式化

• string.Template类：提供简化的字符串替换语法
• 支持 $ 占位符和安全替换机制
• 可自定义分隔符，适用于用户自定义应用

• struct模块：提供 pack/unpack 函数处理二进制记录格式
• 支持不同字节序和数据类型

• threading模块：支持后台任务执行
• 提供多种同步原语（锁、事件、条件变量等）
• 推荐使用 queue 模块进行线程间通信

• logging模块：功能完整的日志系统
• 支持不同优先级（DEBUG 到 CRITICAL）
• 可输出到文件、网络等多种目标

• weakref模块：跟踪对象而不创建强引用
• 避免循环引用，支持缓存等应用场景

• array模块：高效的一致类型数组
• collections.deque：高效队列操作
• bisect模块：有序列表操作
• heapq模块：堆数据结构实现

• decimal模块：精确的十进制浮点运算
• 适用于财务计算等需要精确精度的场景
• 避免二进制浮点数的精度问题
• 支持精度控制和四舍五入规则

介绍 Python 虚拟环境的概念、创建方法和包管理

• 虚拟环境和 pip 包管理是 Python 开发的重要工具，确保项目依赖的隔离和可重现性。

• 问题背景：不同应用程序可能需要同一库的不同版本，导致版本冲突
• 解决方案：虚拟环境是一个独立的目录，包含特定 Python 版本和包
• 优势：不同应用可使用不同虚拟环境，避免版本冲突

• venv模块：用于创建和管理虚拟环境
• 创建命令：python -m venv 目录名
• 常用位置：.venv 目录（隐藏目录）
• 激活环境：
  • Windows: tutorial-env\Scripts\activate
  • Unix/MacOS: source tutorial-env/bin/activate
• 停用环境：deactivate命令

• pip功能：安装、升级、移除软件包
• 包来源：Python Package Index
• 安装命令：
  • 最新版本：python -m pip install 包名
  • 特定版本：python -m pip install 包名==版本号
• 升级包：python -m pip install --upgrade 包名
• 卸载包：python -m pip uninstall 包名

• pip show：显示包的详细信息
• pip list：列出所有已安装的包
• pip freeze：生成包列表，用于 requirements.txt 文件
• 从文件安装：python -m pip install -r requirements.txt

解释计算机中浮点数表示和运算的固有限制

• 二进制表示：计算机使用二进制（基数为2）小数表示浮点数
• 精度限制：大多数十进制小数无法精确表示为二进制小数（如0.1）
• 近似存储：浮点数只能近似存储，不是精确值

• 根本原因：二进制无法精确表示某些十进制分数
• IEEE 754标准：大多数系统使用此标准，提供53位精度
• 存储值：0.1 实际存储为 3602879701896397 / 2**55，而非精确的 1/10

• 显示问题：Python 显示近似值而非完整精度值
• 计算误差：0.1 + 0.1 + 0.1 != 0.3
• 舍入无效：round() 无法解决根本的精度问题

• 比较函数：使用 math.isclose() 进行近似比较
• 精确算术：
  • decimal 模块：十进制精确运算
  • fractions 模块：基于有理数的运算
• 求和精度：使用 sum() 和 math.fsum() 减少累积误差

• as_integer_ratio()：返回精确分数表示
• hex()：十六进制精确表示
• 科学计算：NumPy 和 SciPy 包提供更专业的数值计算

• 这是硬件层面的固有限制，不是 Python 的 bug
• 对大多数应用足够精确
• 需要精确十进制计算时应使用专门的模块
• 输出格式化只是显示层面的处理，不改变存储精度