最近不少初学者在找一套能一口气学完的 Python 教程。B 站这类平台上有一批非常热门的视频合集标题往往带着“全 500 集”“零基础全套”“从小白到大神”这些关键词内容把 Python 基础语法、爬虫和数据分析打包在了一起。这类教程的优势很直接学习路径是提前排好的不需要自己东拼西凑找资料。但也正因为集数多、跨度大很多同学学着学着就掉队了。本文不打算替任何 UP 主背书而是从“如何系统学完 Python 零基础内容”的角度把这类教程背后的知识主线拆解出来并配上一套可以动手运行的环境配置、语法示例、爬虫案例和数据分析案例。你可以把重点放在“知识主线”和“完整代码”上把视频当辅助讲解而不是被“500 集”这个宣传数字吓退。1. 为什么 Python 零基础自学容易半途而废1.1 资料多但不成体系Python 可以说是目前中文互联网上免费学习资料最多的编程语言之一。搜“Python 入门”你能找到视频、博客、思维导图、PDF、开源项目甚至还有各种训练营的试听课。资料多本来是好事但对零基础的人来说反而容易陷入选择困难。今天看一个视频学列表明天看另一篇博客学字典后天又跟着某个实战项目敲了几十行代码结果发现这几个知识点之间没有串联起来。学了一段时间后最明显的感受是“好像都见过但又什么都不会写”。这就是不成体系的学习带来的问题。所以真正有用的零基础教程不只是把知识点罗列出来而是要有一条清晰的主线先学什么、后学什么、每个阶段能做什么。这也是“全 500 集”这类合集能吸引大量收藏的原因——不管它实际有多少集至少它给了一个看起来完整的学习路径。1.2 一套合格零基础教程的核心特征结合我自己接触过的初学者问题一套能真正带人入门的 Python 教程通常具备几个特征概念讲得通俗不堆术语。比如讲变量时会先从“给数据起名字”这个角度切入而不是直接讲内存地址。知识点之间有练习衔接。学完列表和字典后会有一个小练习要求你组合使用它们。越到后面越接近真实项目。爬虫和数据分析本来就是 Python 最常用的两个方向能直接产出“看得见的结果”。对常见报错有解释。零基础最怕的不是不会写而是报错了不知道怎么改。如果你找到的教程能满足这几点那它的集数多反而说明覆盖得细。怕的是那种把简单问题复杂化、一直停留在语法层面的教程。1.3 一条完整的学习主线把“基础语法 爬虫 数据分析”三者串起来是 Python 零基础学习里性价比很高的一条路线。基础语法解决“能不能写代码”的问题爬虫解决“怎么获取数据”的问题数据分析解决“拿到数据后怎么处理、怎么得出结论”的问题。一条典型的主线是环境搭建安装 Python、配置编辑器、掌握虚拟环境。基础语法变量、数据类型、条件、循环、函数、文件读写。常用库入门requests、pandas 等第三方库的安装与使用思路。爬虫实战请求网页、解析 HTML、保存结果。数据分析实战数据读取、清洗、分组统计、可视化。接下来我从环境准备开始逐步把这套主线跑通。每个部分都会给出可复制的代码建议你边看边敲。2. 环境准备与版本说明2.1 Python 解释器安装与版本选择无论你看的是哪套视频教程第一步都是装 Python 解释器。版本建议选择 Python 3目前 3.8 到 3.12 都属于比较稳定的范围。如果你是新学习直接装 3.10 或 3.11 都可以遇到具体问题再根据项目要求调整。Windows 下安装时有一个非常关键的选项一定要勾选 “Add Python to PATH”。否则后面在命令行里执行python命令系统会提示“不是内部或外部命令”。安装完成后打开命令行工具Windows 推荐 PowerShellmacOS / Linux 推荐 Terminal运行下面命令验证python --version pip --version正常情况下会输出类似Python 3.11.9 pip 24.0如果你电脑上同时装了多个 Python 版本可能需要用python3代替python。这一步属于环境差异不影响后面代码逻辑。2.2 用 VSCode 搭建轻量开发环境编辑器推荐 Visual Studio Code免费、跨平台、插件生态丰富。安装完成后在扩展商店搜索“Python”安装微软官方提供的 Python 扩展。这个扩展包含了代码补全、语法检查、调试、Jupyter 支持等功能能覆盖初学者 90% 的日常需求。安装好扩展后打开任意文件夹新建一个test.py文件输入print(Hello, Python)点击右上角的运行按钮就能在终端看到输出。这一步的目的是确认编辑器能正确识别你安装的 Python 解释器。如果右下角提示选择解释器就选刚才安装的那个版本。2.3 虚拟环境与依赖管理随着项目变多不同项目可能会依赖不同版本的第三方库。为了不让它们互相干扰初学者可以尽早养成使用虚拟环境的习惯。Python 3 自带venv模块不需要额外安装。在项目根目录执行python -m venv venvWindows 激活虚拟环境venv\Scripts\activatemacOS / Linux 激活虚拟环境source venv/bin/activate激活后命令行前面会出现(venv)标识说明你已经在虚拟环境中。后续pip install安装的包都只会装到这个环境里不会污染全局环境。后续如果需要导出依赖清单可以执行pip freeze requirements.txt在另一台机器上恢复环境时执行pip install -r requirements.txt这是一个很实用的工程习惯后面爬虫和数据分析项目都会用到。3. Python 核心语法精讲3.1 变量、数据类型与常用容器Python 是一门动态类型语言声明变量不需要写类型。这一点让初学者上手很快但也需要理解背后“变量是对象的引用”这个基本概念。name 张三 age 18 score 92.5 is_pass True print(name, age, score, is_pass) print(type(age)) print(type(score))输出张三 18 92.5 True class int class float除了基础类型最常用的就是列表和字典。列表是有序序列字典是键值对映射。它们在爬虫和数据分析中会频繁出现fruits [apple, banana, orange] student {name: 李四, age: 20, city: 上海} print(fruits[0]) print(student[name]) fruits.append(grape) student[score] 88 print(fruits) print(student)这段代码演示了两个关键操作通过索引访问列表、通过键访问字典以及往容器中新增元素。后面操作爬虫解析结果时你会经常把数据存成“列表套字典”的结构。3.2 条件判断与循环条件判断和循环是所有编程语言的核心控制结构。Python 用缩进表示代码块这一点初学者一定要适应。缩进不仅是为了好看更是语法的一部分。score 85 if score 90: print(优秀) elif score 60: print(及格) else: print(不及格)再看循环。for循环配合range可以实现固定次数的遍历配合列表可以逐个处理元素for i in range(3): print(第, i, 次循环) fruits [apple, banana, orange] for fruit in fruits: if len(fruit) 5: print(fruit)这里len(fruit) 5会过滤出长度超过 5 的字符串。初学者经常忽略缩进导致条件判断没生效这类问题在学循环的时候最容易暴露。3.3 函数与内置模块函数的作用是封装一段可复用的逻辑。初学者不用一开始就追求写得多么优雅但要明白“输入参数、返回结果”这个模型def calc_avg(scores): if len(scores) 0: return 0 return sum(scores) / len(scores) class_scores [80, 90, 100] print(calc_avg(class_scores))这里定义了一个计算平均分的函数包含了空列表保护、sum和len两个内置函数的使用。学会拆分成函数后你会发现自己写代码的逻辑会越来越清楚。Python 还有一个非常强大的地方标准库模块。比如读取本地文件with open(data.txt, r, encodingutf-8) as f: content f.read() print(content)with语句能在代码块结束后自动关闭文件避免资源泄漏。这是写文件操作时推荐的标准写法。3.4 异常处理程序运行时难免出现错误。零基础阶段最容易忽视的就是异常处理但爬虫和数据分析中网络请求失败、数据格式不对、文件找不到都是高频问题。try: num int(input(请输入一个数字)) result 10 / num print(结果是, result) except ValueError: print(你输入的不是数字) except ZeroDivisionError: print(不能除以 0) finally: print(程序执行结束)try块中一旦出现异常程序会跳转到对应的except分支finally块则无论是否出错都会执行。这个机制在爬虫场景中非常重要比如某个页面请求超时不能因为一个异常就让整个爬虫程序崩溃。4. 爬虫入门实战从请求网页到解析数据4.1 爬虫能做什么边界在哪里爬虫是 Python 最受欢迎的应用方向之一。它的本质是用程序模拟浏览器向服务器发起网络请求拿到响应内容后从中提取结构化数据。但爬虫也有非常严格的边界。入门练习时只允许采集你拥有合法授权、或目标网站明确允许采集的公开数据。比如自己搭建的测试站点、开源项目提供的公开接口、一些网站明确声明可用的测试 URL。不要对未授权网站进行高并发抓取不要采集个人隐私信息不要绕过登录和技术限制。这一条应该成为练习爬虫时的基本原则。4.2 安装 requests 与 BeautifulSoup4请求库使用requests解析库使用beautifulsoup4。在激活的虚拟环境中安装pip install requests beautifulsoup4requests负责发送 HTTP 请求并接收响应BeautifulSoup负责解析返回的 HTML 内容。它们组合起来能完成大多数静态页面爬虫。4.3 第一个请求状态码、响应头与编码先写一个最简单的请求示例。目标 URL 使用https://example.com这是专门用于文档演示的保留域名内容稳定且适合学习。import requests url https://example.com resp requests.get(url, timeout10) print(状态码:, resp.status_code) print(响应头 Content-Type:, resp.headers.get(Content-Type)) print(页面内容长度:, len(resp.text)) print(resp.text[:300])关键点status_code是 HTTP 状态码200 表示成功404 表示页面不存在403 表示禁止访问。resp.text是经过解码后的文本内容。resp.encoding可以查看当前编码。如果出现中文乱码可以尝试resp.encoding resp.apparent_encoding。4.4 解析 HTMLBeautifulSoup 基础拿到 HTML 文本后需要使用解析器提取目标数据。先看一个不依赖网络的本地 HTML 示例html_doc html headtitle测试页面/title/head body div classnews-item h2Python 3.12 发布/h2 span classdate2024-01-01/span /div div classnews-item h2数据分析入门指南/h2 span classdate2024-02-01/span /div /body /html from bs4 import BeautifulSoup soup BeautifulSoup(html_doc, html.parser) title soup.title.string print(页面标题:, title) items soup.select(.news-item) for item in items: h2 item.find(h2).get_text() date item.find(span, class_date).get_text() print(f标题: {h2} | 日期: {date})select方法支持 CSS 选择器soup.select(.news-item)会选取所有class为news-item的标签。find(h2)是在某个标签内部查找第一个h2标签。get_text()用于提取标签内的纯文本。4.5 完整示例采集页面列表数据把 requests 和 BeautifulSoup 组合起来就能实现一个完整的“请求 → 解析 → 输出”流程。下面以某个公开示例页面为演示目标你需要把 URL 替换成你有权采集的目标地址import requests from bs4 import BeautifulSoup url https://example.com # 替换为你有权采集的目标 URL headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36 } try: resp requests.get(url, headersheaders, timeout10) resp.encoding resp.apparent_encoding resp.raise_for_status() # 状态码不是 2xx 时抛出异常 soup BeautifulSoup(resp.text, html.parser) # 根据目标页面的实际结构修改选择器 items soup.select(.some-list li) for item in items[:10]: title item.get_text(stripTrue) print(title) except requests.RequestException as e: print(请求失败:, e)这个示例体现了几个工程细节添加User-Agent头模拟浏览器访问降低被服务端拒绝的概率。用raise_for_status()主动检查请求是否成功。用try / except捕获网络异常避免程序崩溃。解析选择器需要根据实际页面结构调整。爬虫入门阶段的核心能力就是能看懂 HTML 结构并写出正确的选择器。建议在浏览器开发者工具中用“检查”功能查看目标元素的标签和 class再映射到 BeautifulSoup 的解析逻辑中。5. 数据分析入门实战5.1 pandas表格数据处理的瑞士军刀Python 数据分析离不开 pandas。它提供了一种叫DataFrame的数据结构可以把它理解成一张内存中的 Excel 表格支持筛选、排序、分组、合并、数据清洗等操作。安装依赖pip install pandas matplotlib openpyxl先创建一个最简单的 DataFrameimport pandas as pd data { 姓名: [张三, 李四, 王五, 张三, 李四], 城市: [北京, 上海, 广州, 北京, 上海], 销售额: [100, 200, 150, 120, 210], 日期: [2024-01-01, 2024-01-01, 2024-01-02, 2024-01-03, 2024-01-03] } df pd.DataFrame(data) print(df.head())head()默认显示前 5 行。还可以用df.info()查看每列的类型和缺失值情况用df.describe()查看数值列的统计信息。5.2 数据读取与初步观察实际项目中数据通常来自 CSV、Excel 或数据库。pandas 可以一行代码读取# 读取 CSV df pd.read_csv(sales.csv) # 读取 Excel 需要 openpyxl 引擎 df_excel pd.read_excel(sales.xlsx, sheet_nameSheet1)如果没有现成文件也可以把前面字典构造的 DataFrame 保存成 CSV 再读回来df.to_csv(sales.csv, indexFalse, encodingutf-8-sig) df_read pd.read_csv(sales.csv) print(df_read.head())这里indexFalse表示不保存行索引encodingutf-8-sig能避免 Excel 打开 CSV 时中文乱码。5.3 数据清洗缺失值、重复值、类型转换真实数据经常不干净。常见问题包括空值、重复行、类型错误、文本前后有空格等。下面是一些标准处理方法# 检查每列缺失值数量 print(df.isnull().sum()) # 删除包含缺失值的行 df_clean df.dropna() # 删除重复行 df_clean df_clean.drop_duplicates() # 类型转换 df_clean[销售额] df_clean[销售额].astype(float) df_clean[日期] pd.to_datetime(df_clean[日期])需要注意的是dropna()默认会删除只要有一列缺失就整行删除。如果某些列缺失比例很高也可以先考虑填充比如用均值填充df[销售额].fillna(df[销售额].mean(), inplaceTrue)对于学习阶段更推荐先理解“检查缺失值 → 决定删除还是填充 → 验证结果”这个思路。5.4 分组统计与合并汇总数据分析中最常见的需求是“按某个维度汇总”。比如想知道每个城市的总销售额可以用groupbycity_sales df.groupby(城市)[销售额].sum().reset_index() print(city_sales)输出城市 销售额 0 上海 410 1 北京 220 2 广州 150groupby(城市)表示按城市分组[销售额].sum()表示对销售额列求和reset_index()把结果重新转成普通的 DataFrame方便后续继续处理或导出。多列汇总也很常用比如按“城市 日期”两个维度同时统计daily_city_sales df.groupby([城市, 日期])[销售额].sum() print(daily_city_sales)从这个结果里你可以直观感受 pandas 在数据聚合上的表达能力。5.5 可视化让数据说话数据分析最后一步通常是可视化。matplotlib 是 Python 最基础的绘图库pandas 也内置了基于它实现的绘图接口。import matplotlib.pyplot as plt # 解决中文乱码 plt.rcParams[font.sans-serif] [SimHei] # Windows 黑体 plt.rcParams[axes.unicode_minus] False # 解决负号显示问题 city_sales.plot(kindbar, x城市, y销售额, legendFalse) plt.title(各城市销售额汇总) plt.ylabel(销售额) plt.show()如果用的是 macOS字体名可能需要改成[Arial Unicode MS]或[PingFang SC]。中文乱码是初学者经常遇到的小问题本质上就是字体缺失或默认字体不支持中文。把爬虫和数据分析连起来看整个流程就是通过爬虫拿到原始数据通过 pandas 清洗整理通过 matplotlib 输出图表。这也是 Python 在数据领域最典型的工作方式。6. 常见问题与排查思路学习过程中你一定会在环境、爬虫、数据分析三个环节遇到各种报错。下面整理了一些高频问题及解决思路。问题现象常见原因解决思路pip install速度慢或超时默认源在国外配置国内镜像源例如清华 PyPI 镜像ModuleNotFoundError: No module named requests包未安装或虚拟环境未激活确认激活虚拟环境后执行pip install requestsWindows 提示python 不是内部或外部命令安装时未勾选 Add Python to PATH重新安装并勾选或手动配置环境变量爬虫请求返回 403服务器识别出非浏览器请求添加 User-Agent、Referer 等请求头爬虫输出乱码响应编码与默认解码不一致设置resp.encoding resp.apparent_encodingpandas 读取 Excel 报错缺少 Excel 引擎执行pip install openpyxlmatplotlib 中文显示为方块中文字体缺失设置plt.rcParams[font.sans-serif]为中文字体DataFrame 没有plot属性未安装 matplotlib执行pip install matplotlib除了表里这些问题之外还有一个特别容易被忽略的排查方向当前代码到底运行在哪个 Python 环境里。尤其是你明明已经pip install了某个包但执行脚本时依然报 ModuleNotFoundError那么多半是虚拟环境没有激活或者 VSCode 选择的解释器和你命令行里的解释器不是同一个。排查时先运行which pythonWindows 用where python确认环境没有问题再去检查包是否真的安装成功了。7. 爬虫与数据分析的工程化建议7.1 代码规范与可读性初学阶段写代码最大的评判标准不是“跑通就行”而是“过几天再看还能不能看懂”。建议从一开始就养成几个习惯变量名用英文单词不使用拼音或 a、b、c 这类无意义名称。函数名使用小写字母加下划线例如fetch_page、calc_avg。关键步骤加注释但注释不要写废话而是解释“为什么这么做”。每个脚本只做一件事尽量拆分成短小的函数。比如爬虫脚本不要把所有逻辑堆在main()里而是拆成fetch_page、parse_html、save_data三个函数。这样后续改动某个环节时不需要重新阅读全部代码。7.2 爬虫的合规与礼貌爬虫入门后很多人会想立刻抓各种网站。这里再次强调几条底线采集前先看目标网站的robots.txt在https://example.com/robots.txt这类路径下可以查看允许抓取的目录。控制请求频率在循环中加入time.sleep(1)或更长间隔避免对对方服务器造成压力。不采集个人隐私信息不绕过登录认证不使用代理池大量抓取。仅将爬虫用于学习、测试和合法授权的目标。实际项目中如果目标网站提供了官方 API应该优先使用 API而不是爬虫。爬虫只应作为没有 API 时的补充方案。7.3 数据项目的可复现性数据分析项目要保证别人拿到你的脚本和数据后能复现出相同结果。具体做法包括使用虚拟环境并导出requirements.txt。原始数据不随意修改清洗操作生成新文件而不是覆盖原文件。固定随机种子避免结果随运行变化。清洗脚本和绘图脚本分离方便单独运行。如果你的数据来自爬虫建议把采集到的原始数据保存为 CSV 或 JSON再进入清洗阶段。不要每次分析都重新跑一遍爬虫既能节省时间也能避免目标网站变动带来的不确定性。7.4 安全与敏感信息保护爬虫和数据分析项目经常需要访问第三方服务可能会涉及 Cookie、Token、数据库密码等敏感信息。这些信息一旦写死在代码里再不小心推到公开仓库就会造成泄露风险。更安全的做法是把敏感信息放到环境变量或配置文件中并在代码中注入import os token os.getenv(API_TOKEN) if not token: raise RuntimeError(缺少 API_TOKEN 环境变量)另外还需要注意Python 脚本中写入文件、连接数据库、执行删除或更新操作时都要遵循最小权限原则。学习阶段尽量使用独立测试数据和本地环境不要对生产环境数据进行未经验证的改动。8. 给初学者的几条学习建议最后说一点更“实在”的建议。很多初学者收藏了一套视频后很容易陷入“只看不练”的状态。视频里讲师敲代码很流畅但如果你只是坐着看代码并不会真正长在脑子里。我自己见过太多人收藏夹里几百个视频真正打开练习的不超过十个。如果你想把这套“基础语法 爬虫 数据分析”的路线走完可以尝试给自己定几条规则每看一个视频小节就暂停一次自己把示例手动敲一遍。学完一个阶段后做一个不依赖教程的小练习。比如学完列表和字典就写一个“统计一段文本中每个单词出现次数”的小程序。学完爬虫后找一个你每天都会访问的公开网站在不违法、不侵权、不绕过认证的前提下尝试抓取页面上的公开信息。学完数据分析后把自己生活中的数据拿来做练习比如记账记录、手机里的运动数据都可以整理成表格并跑一遍清洗和分析流程。本文的核心代码都是为了让你能直接跑起来而写的。你可以在本地建一个项目目录按照“环境准备 → 基础语法 → 爬虫 → 数据分析”的顺序把每个示例依次运行一遍。遇到报错不要慌把错误信息复制到搜索引擎里查或者对照第 6 节的排查思路检查环境、依赖和数据格式。Python 入门不是一个“看完 500 集视频”就能完成的任务而是一个“持续动手解决实际问题”的过程。把教程当作地图把代码练习当作脚步你才能真正从小白走向能独立写爬虫、做数据分析的开发者。 
长河君 · 2026/8/30 21:49:01 · 阅读 1.2k Python零基础全套学习路线：从环境搭建到爬虫与数据分析实战
最近不少初学者在找一套能一口气学完的 Python 教程。B 站这类平台上有一批非常热门的视频合集标题往往带着“全 500 集”“零基础全套”“从小白到大神”这些关键词内容把 Python 基础语法、爬虫和数据分析打包在了一起。这类教程的优势很直接学习路径是提前排好的不需要自己东拼西凑找资料。但也正因为集数多、跨度大很多同学学着学着就掉队了。本文不打算替任何 UP 主背书而是从“如何系统学完 Python 零基础内容”的角度把这类教程背后的知识主线拆解出来并配上一套可以动手运行的环境配置、语法示例、爬虫案例和数据分析案例。你可以把重点放在“知识主线”和“完整代码”上把视频当辅助讲解而不是被“500 集”这个宣传数字吓退。1. 为什么 Python 零基础自学容易半途而废1.1 资料多但不成体系Python 可以说是目前中文互联网上免费学习资料最多的编程语言之一。搜“Python 入门”你能找到视频、博客、思维导图、PDF、开源项目甚至还有各种训练营的试听课。资料多本来是好事但对零基础的人来说反而容易陷入选择困难。今天看一个视频学列表明天看另一篇博客学字典后天又跟着某个实战项目敲了几十行代码结果发现这几个知识点之间没有串联起来。学了一段时间后最明显的感受是“好像都见过但又什么都不会写”。这就是不成体系的学习带来的问题。所以真正有用的零基础教程不只是把知识点罗列出来而是要有一条清晰的主线先学什么、后学什么、每个阶段能做什么。这也是“全 500 集”这类合集能吸引大量收藏的原因——不管它实际有多少集至少它给了一个看起来完整的学习路径。1.2 一套合格零基础教程的核心特征结合我自己接触过的初学者问题一套能真正带人入门的 Python 教程通常具备几个特征概念讲得通俗不堆术语。比如讲变量时会先从“给数据起名字”这个角度切入而不是直接讲内存地址。知识点之间有练习衔接。学完列表和字典后会有一个小练习要求你组合使用它们。越到后面越接近真实项目。爬虫和数据分析本来就是 Python 最常用的两个方向能直接产出“看得见的结果”。对常见报错有解释。零基础最怕的不是不会写而是报错了不知道怎么改。如果你找到的教程能满足这几点那它的集数多反而说明覆盖得细。怕的是那种把简单问题复杂化、一直停留在语法层面的教程。1.3 一条完整的学习主线把“基础语法 爬虫 数据分析”三者串起来是 Python 零基础学习里性价比很高的一条路线。基础语法解决“能不能写代码”的问题爬虫解决“怎么获取数据”的问题数据分析解决“拿到数据后怎么处理、怎么得出结论”的问题。一条典型的主线是环境搭建安装 Python、配置编辑器、掌握虚拟环境。基础语法变量、数据类型、条件、循环、函数、文件读写。常用库入门requests、pandas 等第三方库的安装与使用思路。爬虫实战请求网页、解析 HTML、保存结果。数据分析实战数据读取、清洗、分组统计、可视化。接下来我从环境准备开始逐步把这套主线跑通。每个部分都会给出可复制的代码建议你边看边敲。2. 环境准备与版本说明2.1 Python 解释器安装与版本选择无论你看的是哪套视频教程第一步都是装 Python 解释器。版本建议选择 Python 3目前 3.8 到 3.12 都属于比较稳定的范围。如果你是新学习直接装 3.10 或 3.11 都可以遇到具体问题再根据项目要求调整。Windows 下安装时有一个非常关键的选项一定要勾选 “Add Python to PATH”。否则后面在命令行里执行python命令系统会提示“不是内部或外部命令”。安装完成后打开命令行工具Windows 推荐 PowerShellmacOS / Linux 推荐 Terminal运行下面命令验证python --version pip --version正常情况下会输出类似Python 3.11.9 pip 24.0如果你电脑上同时装了多个 Python 版本可能需要用python3代替python。这一步属于环境差异不影响后面代码逻辑。2.2 用 VSCode 搭建轻量开发环境编辑器推荐 Visual Studio Code免费、跨平台、插件生态丰富。安装完成后在扩展商店搜索“Python”安装微软官方提供的 Python 扩展。这个扩展包含了代码补全、语法检查、调试、Jupyter 支持等功能能覆盖初学者 90% 的日常需求。安装好扩展后打开任意文件夹新建一个test.py文件输入print(Hello, Python)点击右上角的运行按钮就能在终端看到输出。这一步的目的是确认编辑器能正确识别你安装的 Python 解释器。如果右下角提示选择解释器就选刚才安装的那个版本。2.3 虚拟环境与依赖管理随着项目变多不同项目可能会依赖不同版本的第三方库。为了不让它们互相干扰初学者可以尽早养成使用虚拟环境的习惯。Python 3 自带venv模块不需要额外安装。在项目根目录执行python -m venv venvWindows 激活虚拟环境venv\Scripts\activatemacOS / Linux 激活虚拟环境source venv/bin/activate激活后命令行前面会出现(venv)标识说明你已经在虚拟环境中。后续pip install安装的包都只会装到这个环境里不会污染全局环境。后续如果需要导出依赖清单可以执行pip freeze requirements.txt在另一台机器上恢复环境时执行pip install -r requirements.txt这是一个很实用的工程习惯后面爬虫和数据分析项目都会用到。3. Python 核心语法精讲3.1 变量、数据类型与常用容器Python 是一门动态类型语言声明变量不需要写类型。这一点让初学者上手很快但也需要理解背后“变量是对象的引用”这个基本概念。name 张三 age 18 score 92.5 is_pass True print(name, age, score, is_pass) print(type(age)) print(type(score))输出张三 18 92.5 True class int class float除了基础类型最常用的就是列表和字典。列表是有序序列字典是键值对映射。它们在爬虫和数据分析中会频繁出现fruits [apple, banana, orange] student {name: 李四, age: 20, city: 上海} print(fruits[0]) print(student[name]) fruits.append(grape) student[score] 88 print(fruits) print(student)这段代码演示了两个关键操作通过索引访问列表、通过键访问字典以及往容器中新增元素。后面操作爬虫解析结果时你会经常把数据存成“列表套字典”的结构。3.2 条件判断与循环条件判断和循环是所有编程语言的核心控制结构。Python 用缩进表示代码块这一点初学者一定要适应。缩进不仅是为了好看更是语法的一部分。score 85 if score 90: print(优秀) elif score 60: print(及格) else: print(不及格)再看循环。for循环配合range可以实现固定次数的遍历配合列表可以逐个处理元素for i in range(3): print(第, i, 次循环) fruits [apple, banana, orange] for fruit in fruits: if len(fruit) 5: print(fruit)这里len(fruit) 5会过滤出长度超过 5 的字符串。初学者经常忽略缩进导致条件判断没生效这类问题在学循环的时候最容易暴露。3.3 函数与内置模块函数的作用是封装一段可复用的逻辑。初学者不用一开始就追求写得多么优雅但要明白“输入参数、返回结果”这个模型def calc_avg(scores): if len(scores) 0: return 0 return sum(scores) / len(scores) class_scores [80, 90, 100] print(calc_avg(class_scores))这里定义了一个计算平均分的函数包含了空列表保护、sum和len两个内置函数的使用。学会拆分成函数后你会发现自己写代码的逻辑会越来越清楚。Python 还有一个非常强大的地方标准库模块。比如读取本地文件with open(data.txt, r, encodingutf-8) as f: content f.read() print(content)with语句能在代码块结束后自动关闭文件避免资源泄漏。这是写文件操作时推荐的标准写法。3.4 异常处理程序运行时难免出现错误。零基础阶段最容易忽视的就是异常处理但爬虫和数据分析中网络请求失败、数据格式不对、文件找不到都是高频问题。try: num int(input(请输入一个数字)) result 10 / num print(结果是, result) except ValueError: print(你输入的不是数字) except ZeroDivisionError: print(不能除以 0) finally: print(程序执行结束)try块中一旦出现异常程序会跳转到对应的except分支finally块则无论是否出错都会执行。这个机制在爬虫场景中非常重要比如某个页面请求超时不能因为一个异常就让整个爬虫程序崩溃。4. 爬虫入门实战从请求网页到解析数据4.1 爬虫能做什么边界在哪里爬虫是 Python 最受欢迎的应用方向之一。它的本质是用程序模拟浏览器向服务器发起网络请求拿到响应内容后从中提取结构化数据。但爬虫也有非常严格的边界。入门练习时只允许采集你拥有合法授权、或目标网站明确允许采集的公开数据。比如自己搭建的测试站点、开源项目提供的公开接口、一些网站明确声明可用的测试 URL。不要对未授权网站进行高并发抓取不要采集个人隐私信息不要绕过登录和技术限制。这一条应该成为练习爬虫时的基本原则。4.2 安装 requests 与 BeautifulSoup4请求库使用requests解析库使用beautifulsoup4。在激活的虚拟环境中安装pip install requests beautifulsoup4requests负责发送 HTTP 请求并接收响应BeautifulSoup负责解析返回的 HTML 内容。它们组合起来能完成大多数静态页面爬虫。4.3 第一个请求状态码、响应头与编码先写一个最简单的请求示例。目标 URL 使用https://example.com这是专门用于文档演示的保留域名内容稳定且适合学习。import requests url https://example.com resp requests.get(url, timeout10) print(状态码:, resp.status_code) print(响应头 Content-Type:, resp.headers.get(Content-Type)) print(页面内容长度:, len(resp.text)) print(resp.text[:300])关键点status_code是 HTTP 状态码200 表示成功404 表示页面不存在403 表示禁止访问。resp.text是经过解码后的文本内容。resp.encoding可以查看当前编码。如果出现中文乱码可以尝试resp.encoding resp.apparent_encoding。4.4 解析 HTMLBeautifulSoup 基础拿到 HTML 文本后需要使用解析器提取目标数据。先看一个不依赖网络的本地 HTML 示例html_doc html headtitle测试页面/title/head body div classnews-item h2Python 3.12 发布/h2 span classdate2024-01-01/span /div div classnews-item h2数据分析入门指南/h2 span classdate2024-02-01/span /div /body /html from bs4 import BeautifulSoup soup BeautifulSoup(html_doc, html.parser) title soup.title.string print(页面标题:, title) items soup.select(.news-item) for item in items: h2 item.find(h2).get_text() date item.find(span, class_date).get_text() print(f标题: {h2} | 日期: {date})select方法支持 CSS 选择器soup.select(.news-item)会选取所有class为news-item的标签。find(h2)是在某个标签内部查找第一个h2标签。get_text()用于提取标签内的纯文本。4.5 完整示例采集页面列表数据把 requests 和 BeautifulSoup 组合起来就能实现一个完整的“请求 → 解析 → 输出”流程。下面以某个公开示例页面为演示目标你需要把 URL 替换成你有权采集的目标地址import requests from bs4 import BeautifulSoup url https://example.com # 替换为你有权采集的目标 URL headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36 } try: resp requests.get(url, headersheaders, timeout10) resp.encoding resp.apparent_encoding resp.raise_for_status() # 状态码不是 2xx 时抛出异常 soup BeautifulSoup(resp.text, html.parser) # 根据目标页面的实际结构修改选择器 items soup.select(.some-list li) for item in items[:10]: title item.get_text(stripTrue) print(title) except requests.RequestException as e: print(请求失败:, e)这个示例体现了几个工程细节添加User-Agent头模拟浏览器访问降低被服务端拒绝的概率。用raise_for_status()主动检查请求是否成功。用try / except捕获网络异常避免程序崩溃。解析选择器需要根据实际页面结构调整。爬虫入门阶段的核心能力就是能看懂 HTML 结构并写出正确的选择器。建议在浏览器开发者工具中用“检查”功能查看目标元素的标签和 class再映射到 BeautifulSoup 的解析逻辑中。5. 数据分析入门实战5.1 pandas表格数据处理的瑞士军刀Python 数据分析离不开 pandas。它提供了一种叫DataFrame的数据结构可以把它理解成一张内存中的 Excel 表格支持筛选、排序、分组、合并、数据清洗等操作。安装依赖pip install pandas matplotlib openpyxl先创建一个最简单的 DataFrameimport pandas as pd data { 姓名: [张三, 李四, 王五, 张三, 李四], 城市: [北京, 上海, 广州, 北京, 上海], 销售额: [100, 200, 150, 120, 210], 日期: [2024-01-01, 2024-01-01, 2024-01-02, 2024-01-03, 2024-01-03] } df pd.DataFrame(data) print(df.head())head()默认显示前 5 行。还可以用df.info()查看每列的类型和缺失值情况用df.describe()查看数值列的统计信息。5.2 数据读取与初步观察实际项目中数据通常来自 CSV、Excel 或数据库。pandas 可以一行代码读取# 读取 CSV df pd.read_csv(sales.csv) # 读取 Excel 需要 openpyxl 引擎 df_excel pd.read_excel(sales.xlsx, sheet_nameSheet1)如果没有现成文件也可以把前面字典构造的 DataFrame 保存成 CSV 再读回来df.to_csv(sales.csv, indexFalse, encodingutf-8-sig) df_read pd.read_csv(sales.csv) print(df_read.head())这里indexFalse表示不保存行索引encodingutf-8-sig能避免 Excel 打开 CSV 时中文乱码。5.3 数据清洗缺失值、重复值、类型转换真实数据经常不干净。常见问题包括空值、重复行、类型错误、文本前后有空格等。下面是一些标准处理方法# 检查每列缺失值数量 print(df.isnull().sum()) # 删除包含缺失值的行 df_clean df.dropna() # 删除重复行 df_clean df_clean.drop_duplicates() # 类型转换 df_clean[销售额] df_clean[销售额].astype(float) df_clean[日期] pd.to_datetime(df_clean[日期])需要注意的是dropna()默认会删除只要有一列缺失就整行删除。如果某些列缺失比例很高也可以先考虑填充比如用均值填充df[销售额].fillna(df[销售额].mean(), inplaceTrue)对于学习阶段更推荐先理解“检查缺失值 → 决定删除还是填充 → 验证结果”这个思路。5.4 分组统计与合并汇总数据分析中最常见的需求是“按某个维度汇总”。比如想知道每个城市的总销售额可以用groupbycity_sales df.groupby(城市)[销售额].sum().reset_index() print(city_sales)输出城市 销售额 0 上海 410 1 北京 220 2 广州 150groupby(城市)表示按城市分组[销售额].sum()表示对销售额列求和reset_index()把结果重新转成普通的 DataFrame方便后续继续处理或导出。多列汇总也很常用比如按“城市 日期”两个维度同时统计daily_city_sales df.groupby([城市, 日期])[销售额].sum() print(daily_city_sales)从这个结果里你可以直观感受 pandas 在数据聚合上的表达能力。5.5 可视化让数据说话数据分析最后一步通常是可视化。matplotlib 是 Python 最基础的绘图库pandas 也内置了基于它实现的绘图接口。import matplotlib.pyplot as plt # 解决中文乱码 plt.rcParams[font.sans-serif] [SimHei] # Windows 黑体 plt.rcParams[axes.unicode_minus] False # 解决负号显示问题 city_sales.plot(kindbar, x城市, y销售额, legendFalse) plt.title(各城市销售额汇总) plt.ylabel(销售额) plt.show()如果用的是 macOS字体名可能需要改成[Arial Unicode MS]或[PingFang SC]。中文乱码是初学者经常遇到的小问题本质上就是字体缺失或默认字体不支持中文。把爬虫和数据分析连起来看整个流程就是通过爬虫拿到原始数据通过 pandas 清洗整理通过 matplotlib 输出图表。这也是 Python 在数据领域最典型的工作方式。6. 常见问题与排查思路学习过程中你一定会在环境、爬虫、数据分析三个环节遇到各种报错。下面整理了一些高频问题及解决思路。问题现象常见原因解决思路pip install速度慢或超时默认源在国外配置国内镜像源例如清华 PyPI 镜像ModuleNotFoundError: No module named requests包未安装或虚拟环境未激活确认激活虚拟环境后执行pip install requestsWindows 提示python 不是内部或外部命令安装时未勾选 Add Python to PATH重新安装并勾选或手动配置环境变量爬虫请求返回 403服务器识别出非浏览器请求添加 User-Agent、Referer 等请求头爬虫输出乱码响应编码与默认解码不一致设置resp.encoding resp.apparent_encodingpandas 读取 Excel 报错缺少 Excel 引擎执行pip install openpyxlmatplotlib 中文显示为方块中文字体缺失设置plt.rcParams[font.sans-serif]为中文字体DataFrame 没有plot属性未安装 matplotlib执行pip install matplotlib除了表里这些问题之外还有一个特别容易被忽略的排查方向当前代码到底运行在哪个 Python 环境里。尤其是你明明已经pip install了某个包但执行脚本时依然报 ModuleNotFoundError那么多半是虚拟环境没有激活或者 VSCode 选择的解释器和你命令行里的解释器不是同一个。排查时先运行which pythonWindows 用where python确认环境没有问题再去检查包是否真的安装成功了。7. 爬虫与数据分析的工程化建议7.1 代码规范与可读性初学阶段写代码最大的评判标准不是“跑通就行”而是“过几天再看还能不能看懂”。建议从一开始就养成几个习惯变量名用英文单词不使用拼音或 a、b、c 这类无意义名称。函数名使用小写字母加下划线例如fetch_page、calc_avg。关键步骤加注释但注释不要写废话而是解释“为什么这么做”。每个脚本只做一件事尽量拆分成短小的函数。比如爬虫脚本不要把所有逻辑堆在main()里而是拆成fetch_page、parse_html、save_data三个函数。这样后续改动某个环节时不需要重新阅读全部代码。7.2 爬虫的合规与礼貌爬虫入门后很多人会想立刻抓各种网站。这里再次强调几条底线采集前先看目标网站的robots.txt在https://example.com/robots.txt这类路径下可以查看允许抓取的目录。控制请求频率在循环中加入time.sleep(1)或更长间隔避免对对方服务器造成压力。不采集个人隐私信息不绕过登录认证不使用代理池大量抓取。仅将爬虫用于学习、测试和合法授权的目标。实际项目中如果目标网站提供了官方 API应该优先使用 API而不是爬虫。爬虫只应作为没有 API 时的补充方案。7.3 数据项目的可复现性数据分析项目要保证别人拿到你的脚本和数据后能复现出相同结果。具体做法包括使用虚拟环境并导出requirements.txt。原始数据不随意修改清洗操作生成新文件而不是覆盖原文件。固定随机种子避免结果随运行变化。清洗脚本和绘图脚本分离方便单独运行。如果你的数据来自爬虫建议把采集到的原始数据保存为 CSV 或 JSON再进入清洗阶段。不要每次分析都重新跑一遍爬虫既能节省时间也能避免目标网站变动带来的不确定性。7.4 安全与敏感信息保护爬虫和数据分析项目经常需要访问第三方服务可能会涉及 Cookie、Token、数据库密码等敏感信息。这些信息一旦写死在代码里再不小心推到公开仓库就会造成泄露风险。更安全的做法是把敏感信息放到环境变量或配置文件中并在代码中注入import os token os.getenv(API_TOKEN) if not token: raise RuntimeError(缺少 API_TOKEN 环境变量)另外还需要注意Python 脚本中写入文件、连接数据库、执行删除或更新操作时都要遵循最小权限原则。学习阶段尽量使用独立测试数据和本地环境不要对生产环境数据进行未经验证的改动。8. 给初学者的几条学习建议最后说一点更“实在”的建议。很多初学者收藏了一套视频后很容易陷入“只看不练”的状态。视频里讲师敲代码很流畅但如果你只是坐着看代码并不会真正长在脑子里。我自己见过太多人收藏夹里几百个视频真正打开练习的不超过十个。如果你想把这套“基础语法 爬虫 数据分析”的路线走完可以尝试给自己定几条规则每看一个视频小节就暂停一次自己把示例手动敲一遍。学完一个阶段后做一个不依赖教程的小练习。比如学完列表和字典就写一个“统计一段文本中每个单词出现次数”的小程序。学完爬虫后找一个你每天都会访问的公开网站在不违法、不侵权、不绕过认证的前提下尝试抓取页面上的公开信息。学完数据分析后把自己生活中的数据拿来做练习比如记账记录、手机里的运动数据都可以整理成表格并跑一遍清洗和分析流程。本文的核心代码都是为了让你能直接跑起来而写的。你可以在本地建一个项目目录按照“环境准备 → 基础语法 → 爬虫 → 数据分析”的顺序把每个示例依次运行一遍。遇到报错不要慌把错误信息复制到搜索引擎里查或者对照第 6 节的排查思路检查环境、依赖和数据格式。Python 入门不是一个“看完 500 集视频”就能完成的任务而是一个“持续动手解决实际问题”的过程。把教程当作地图把代码练习当作脚步你才能真正从小白走向能独立写爬虫、做数据分析的开发者。