课程大纲#

  • 介绍
    • 概述
    • Python2与Python3
    • 如何学习本课程
  • Python设置
    • 安装
    • 环境选择
    • 笔记系统
    • git/github
  • 对象和数据结构基础
    • Numbers
    • Strings
    • Lists
    • Dictionaries
    • Tuples（元组）
    • Files
    • Sets（集合）
    • Booleans
  • 比较运算符
    • 基本运算符
    • 链式比较运算符
  • 语句
    • if，elif，else
    • for
    • while
    • range
    • List Comprehensions（列表推导式）
  • 方法和函数
    • Methods
    • Functions
    • LambdaExpressions（lambda表达式）
    • NestedStatements（嵌套语句）
    • Scope（作用域）
  • 第一个里程碑项目
    • Pyhon创建一个游戏
  • 面向对象编程
    • 对象，类，方法，继承，特殊方法
  • ErrosAndExceptionHandling（错误和异常处理）
    • Erros
    • Exceptions
    • try
    • except
    • finally
  • 第二个里程碑项目
    • 创建更复杂的游戏
  • Modules and Package（模块和包）
    • 创建模块
    • 安装模块
    • 总体上探索Pythone生态
  • 内置函数
    • map
    • reduce
    • filter
    • zip
    • enumerate
    • all and any
    • complex（处理复数）
  • Decorators in Python（装饰器，这个系列三部分）
  • Python Generators（生成器）
    • Iteration vs Generation （迭代器、生成器）
    • Creating Generators （生成器）
  • 所有知识整合到一个项目
  • 高级额外内容（定期添加）—-110集
    • 高级Python Modules
    • 高级Python Object ，高级数据结构

Python 介绍#

  • 可读性、易用性
  • 大量现有库、框架
  • 解决开发时间（不是运行时间）
  • 大量直接可用的基础Python和基础模块、外部库
    • 自动化简单任务（搜索文件、读写文件、自动发送电子文件）
    • 数据科学，机器学习
    • 创建网站（Django，Flask）

使用命令行#

本节学习：

  • 查找当前目录
  • 列出目录文件
  • 修改目录
  • 清空命令行

pwd,ls,cd xxxx,clear,cd ..

Python安装#

  • 用免费的Anaconda发行版，将安装Python语言以及一个易于使用的开发环境和导航器启动工具、其他库、其他工具 包括Jupyter Notebook环境 ，简要运行JupyterNotebook 整个分析过程、代码和结果都会保存在同一个 .ipynb 文件中。Jupyter Notebook 就像一个“可以边写代码、边写文档、边看结果”的交互式实验本
  • 介绍一些在线免安装运行Python的网站

下载anaconda#

  • 文档 https://www.anaconda.com/docs/main
  • 下载链接 https://www.anaconda.com/download

一些设置 默认即可

安装后启动 可以发现这就是一个集成并管理各种第三方软件的一个工具，所以我猜Jupyter Notebook这个应该也是可以独立下载安装的并不一定要在anaconda才能安装

比如这里还可以安装指定版本

Enviroment 那里，也可以指定版本号 但是base和anacona3这两个环境不允许修改，自己建的可以

Jupyter Notebook#

/ˈdʒuːpɪtər/

直接在菜单“Home”里面就能启动

启动后，默认显示文件夹为C:\Users\ly

启动anaconda时自动启动vscode并卡住#

在Anaconda里，点开“File”–“References”，拉到最下面有VS Code path栏，把其中的路径改成完整的VS Code路径，保存 一定要记得保存 ，然后重启Anaconda就好了。

修改启动 jupyter时的默认目录#

修改文件 C:\Users\ly\.jupyter\jupyter_notebook_config.json 新增notebook_dir那行

{
  "NotebookApp": {
    "nbserver_extensions": {
      "jupyter_nbextensions_configurator": true
    },
    "notebook_dir": "D:\\Users\\ly\\Jupyter"
  }
}

我这里到 https://github.com/pierian-data/complete-python-3-bootcamp 下载了zip整份代码并压缩到了该目录

其实整个视频课程应该是（可以）边做笔记边写代码的形式

jupyter简单使用#

  • File-New-Notebook 简单新建笔记
  • 以单元格形式存在，每个单元格可以是 markdown或者raw或者code（代码）
  • 添加后点击运行 不论是markdown单元格或者raw或者code都行

一些在线的网站#

运行Python代码#

  • 编辑器
    • TextEditors（通用文本编辑器、记事本）
      • SublimeText
      • Atom
    • 完整的IDE（集成开发环境）
      • PyCharm
      • Spyder
    • NotebookEnviroments
      • 笔记格式：ipynb，启动器JupyterNotebook

第一个Python脚本#

print('hello world')

这里可以保存为 myexample 或者 myexample.py (带不带后缀，都行)

然后 python3 myexample 运行脚本即可 Linux下

配合 shebang（解释器声明）#

Linux下

使用shebang，意思是告诉系统 “这个文件请用 Python3 执行”

#!/usr/bin/python3
print('hello world')

然后赋予权限 chmod +x hello

之后直接 ./myexample 即可

使用解释器#

Linux中#

ly@dba13:~$ python3
Python 3.13.5 (main, Jul 15 2026, 20:25:40) [GCC 14.2.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> print('hello')
hello
>>> quit()

Jupyter#

之后shift+enter运行

Python 和 JavaScript 一样是解释型脚本语言吗？#

简单说：

是的，Python 和 JavaScript 都属于解释型语言。

但是更准确一点：

Python 和 JavaScript 都不是传统意义上的纯解释执行，而是先转换成中间形式，再由虚拟机执行。

Python 执行过程#

你写：

hello.py

↓

Python解释器读取

↓

编译成字节码：

hello.pyc

类似：

LOAD_CONST
CALL_FUNCTION

↓

Python虚拟机(PVM)执行

大概：

Python代码
    |
    ↓
Python解释器
    |
    ↓
字节码
    |
    ↓
Python虚拟机执行

JavaScript 执行过程#

例如：

console.log("hello")

浏览器：

JS代码
 |
 ↓
V8引擎
 |
 ↓
字节码
 |
 ↓
机器码优化执行

Node.js：

JavaScript
 |
 ↓
V8
 |
 ↓
执行

Python的动态类型#

Python 的动态类型（Dynamic Typing），简单说就是：

变量本身没有固定类型，类型是在程序运行时，根据赋给它的值决定的。

而 Java 是：

变量在编译时就必须声明类型，并且这个类型基本固定。

1. 看最直观的区别#

Java#

int a = 10;

这里：

  • a 是 int 类型
  • 编译器知道 a 只能存整数

例如：

a = "hello";

编译直接报错：

Type mismatch: cannot convert from String to int

因为：

a 一开始声明为 int，就不能放字符串。

Python#

a = 10

此时：

a → int对象

然后：

a = "hello"

完全可以。

现在：

a → str对象

再：

a = [1,2,3]

又变成：

a → list对象

Python 允许：

a = 10
a = "hello"
a = [1,2,3]
a = {"name":"Tom"}

同一个变量，可以指向不同类型的对象。

2. 本质区别：变量 vs 对象#

这是理解动态类型的关键。

Java#

更像：

变量
 |
 |----固定类型
 |
int a

变量本身带类型。

例如：

String name = "Tom";

内存：

name
 |
 ↓
String对象

name 永远只能指向 String。

Python#

更像：

变量名
 |
 ↓
对象

变量只是一个标签。

例如：

x = 100

内存：

x
 |
 ↓
[100]
(int对象)

然后：

x = "hello"

变成：

x
 |
 ↓
["hello"]
(str对象)

原来的整数对象如果没人引用，就被垃圾回收。

3. 函数参数的区别#

这个区别非常明显。

Java#

public int add(int a,int b){
    return a+b;
}

调用：

add(1,2);

可以。

但是：

add("hello","world");

编译失败。

因为参数必须是 int。

Python#

def add(a,b):
    return a+b

调用：

add(1,2)

结果： 3

但是：

add("hello","world")

结果： helloworld

因为字符串支持 +。

甚至：

add([1,2],[3,4])

结果：[1,2,3,4]

Python 到运行时才判断：

“这两个东西能不能相加？”

4. 那 Python 有没有类型？#

有。

例如：

a = 10

print(type(a))

输出： <class 'int'>

Python 对象都有类型。

区别是：

  • 类型属于对象，不属于变量。 在 Python 中，变量不是一个固定类型的“盒子”，它只是一个引用名称；真正携带类型信息的是内存中的对象。
  • java
┌──────────┐
│ a        │
│ int类型  │
│ 10       │
└──────────┘
  • python
        ┌─────────┐
a  ───> │ 10      │
        │ int类型 │
        └─────────┘
  • Java 中，变量名和变量类型绑定；Python 中，变量名本身没有类型，它只是一个引用（reference/name），指向一个有类型的对象。这个名字之后可以重新指向另一个类型的对象。
  • 例子
a = 10
b = a
a = 20
#此时a为20，b还是10（指向原来10那块内存）

5. Python 后来也支持类型提示#

现在 Python 可以写：

def add(a:int,b:int)->int:
    return a+b

看起来像 Java：

int add(int a,int b)

但是注意：

Python：

add("hello","world")

仍然可能运行。

因为：

a:int

只是提示。

不是强制。

Python 和 Java 的关系#

Java：

.java
 |
javac编译
 |
.class字节码
 |
JVM运行

Python：

.py
 |
Python解释器
 |
.pyc字节码
 |
Python VM运行

两者其实思想很接近：

都是：

源代码
 ↓
中间代码
 ↓
虚拟机执行

区别：

Java：

  • 编译步骤显式
  • 类型严格
  • 性能高

Python：

  • 编译隐藏
  • 动态类型 比如 a =1 ; a= “hello”; 变量 a 没有类型，对象有类型。a 只是一个引用名字。
    • 而且是强类型 “10”+20 是会报错的
  • 开发速度快
JavaPython
类型属于谁变量对象
什么时候确定编译时运行时
变量能否换类型不能可以
是否强类型是是
是否动态类型否是
灵活性较低较高
错误发现时间早晚
Backward 015-019 HelloWorld Forward