1. 为什么学Python先搞清楚它在解决什么问题先说一个我经常被问到的问题“Python到底能干嘛是不是只能写写脚本”每次听到我都挺无奈的。Python是少有的能把“入门友好”和“工业级强度”同时做到位的主流语言。Web后端、数据分析、自动化脚本、人工智能模型训练、爬虫、运维工具、甚至游戏原型我身边就有团队拿它撑起整套推荐系统。而你学的那些“基础”根本不是随便背背语法而是为后面任何一种方向打底子。这门语言真正解决的核心痛点是“开发效率”。同样是写一个批量处理文件的工具用其他语言可能要处理很多底层细节Python直接读文件、处理、写回十几行搞定。它把内存管理、类型细节、编译过程这些容易劝退新人的东西藏了起来让你把注意力放在“做什么”而不是“怎么做”。还有一点很容易被忽略Python的生态太成熟了。处理表格有现成库做可视化有现成库写HTTP服务有框架连操作Excel都有专门的库。这意味着你学基础不是从零开始造轮子而是学会怎么用语言本身和它的工具箱解决问题。对新手来说这是最值钱的正反馈。2. 环境准备与第一个程序把第一脚踢顺2.1 解释器、编辑器选型与安装思路很多新手第一个坎不是语法而是环境。打开官网下载Python安装包Windows系统安装时我强烈建议勾选“Add Python to PATH”这个选项默认不勾不勾的后果就是你在终端敲python时提示找不到命令然后整个人就懵了。装完验证一下在命令行输入python --version能输出版本号就说明解释器好了。接下来是编辑器我的建议分两类人想快速出效果的选Jupyter Notebook一段段写、一段段跑非常适合做数据处理和探索性分析。想正经写工程、写脚本选主流IDE或好用的编辑器代码提示、调试、版本管理集成很舒服。这里有个常见误解IDE装好了不代表会用。你至少需要知道怎么新建项目、怎么运行单个.py文件、怎么看终端输出。这些搞不定后面写代码就会一直在“写完跑不了”的循环里打转。提示新手最容易忽略的是“解释器路径”。一个项目一个虚拟环境是行业最佳实践不然后续装第三方库会越装越乱。这个习惯最好从一开始就养成。2.2 变量、类型与注释地基里的关键我们从一个最简单的例子开始name 张三 age 18 height 1.75 is_student True print(name, age, height, is_student)先记住一个核心原则Python是动态类型语言变量不需要声明类型解释器会根据赋值自动推断。好处是写起来快坏处是类型错误要等运行时才暴露。我自己踩过很多次“以为传进来的是数字结果算到一半发现是字符串”的坑。关于数据类型我建议这样记数字分int和floatint是整数float是浮点数。字符串用单引号或双引号包起来记住转义字符\n、\t的用法。布尔值只有True和False注意首字母大写。None表示“空”它不等于False也不等于0。再补充一条初学者很少关注但极其重要的点对象的可变性。字符串是不可变对象你任何修改操作都会生成新字符串。但列表是可变对象你原地修改不会产生新对象。这个差异直接决定了你在函数里改数据时外部数据会不会跟着变。后面讲函数时我会再展开。还有一个习惯要养成写注释。不是写给别人看的是写给一周后的自己。Python的#注释只能写单行多行可以用三个引号包起来做成文档字符串。# 单行注释 def greet(name): 打印问候语 参数 name: 字符串表示对方的名字 print(f你好{name})脚本的习惯是写两行编码声明Python3默认UTF-8如果你在文件里写中文不需要加# -*- coding: utf-8 -*-但如果你会在跨平台环境跑建议还是保留它防的就是某些老环境默认编码不对导致中文乱码。3. 数据结构与流程控制写程序的骨架3.1 字符串和列表用的最多的两个类型字符串方法用得最多的几个是split、strip、replace、join。做文本处理时这是一套组合拳。text hello, python, world clean text.strip() # 去掉首尾空格 items clean.split(,) # 按逗号切分 joined |.join(items) # 用竖线重新拼接 print(items) print(joined)列表是Python里最灵活的结构它可以装任意类型甚至可以嵌套列表。很多新手一时半会理解不了“列表套列表”其实你可以把它想象成Excel里的表格外层列表是行内层列表是列。students [ [张三, 18, 89], [李四, 19, 76], [王五, 18, 93], ]要取第二行第三列的数据就是students[1][2]。索引从0开始这个事养不成直觉就得靠多练。负数索引是从右往左数-1就是最后一个元素这个技巧在循环里拿尾部数据非常方便。列表中我最推荐掌握的切片语法list[start:end:step]。学这一条语法能解决大批量数据抽取的需求。nums [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] odd nums[1::2] # 奇数索引 rev nums[::-1] # 反转 print(odd) print(rev)3.2 字典、元组、集合各自的用途别混淆字典在很多场景下就是“带名字的列表”。它存储的是键值对查询速度极快因为背后是哈希表。我们在实际项目中大量用字典来传配置参数、存接口返回值。config { host: 192.168.1.1, port: 8080, debug: True, } print(config[host])取不到键时会报KeyError所以更安全的写法是config.get(timeout, 5)第二个参数是默认值取不到也不报错。我在处理外部传入的配置时几乎全用.get()就是要避免运行时崩溃。元组和列表长得像但元组不可变。一旦创建不能增删改。我平时用它来打包“不应该被改的数据”比如坐标、RGB值、一组固定的配置。还有一个特性叫“解包赋值”直接一次把元组里的值分给多个变量。point (3, 4) x, y point print(x, y)集合的作用是去重和集合运算。把列表转成集合再转回列表重复元素就没了。但要注意集合里的元素必须是不可变的所以你不能把列表放进集合。ids [1, 2, 2, 3, 3, 3] unique_ids list(set(ids))3.3 条件判断、循环与推导式条件判断最基础的就是if / elif / else。有几个容易写错的点elif是“else if”的缩写别写成“elseif”。判断相等要用双等号单等号是赋值。判断是否为None习惯用is None而不是 None。循环有两种for和while。for是遍历可迭代对象while是条件满足就继续。大多数场景下for更常用、更安全因为while特别容易写出死循环。如果你不确定循环次数才去考虑while。迭代时经常需要用索引新手容易写成for i in range(len(items)): print(items[i])更Pythonic的写法是用enumeratefor i, item in enumerate(items): print(i, item)再用两个关键字让你事半功倍。break是立刻退出整个循环continue是跳过本次循环的剩余代码直接进下一轮。列表推导式是Python语法糖里最值得学的。比如从一个列表生成另一个列表squares [x * x for x in range(10)] evens [x for x in range(20) if x % 2 0]这一句顶得上四五行普通循环而且性能更好因为它在底层走的是经过优化的迭代协议。我项目里处理清洗数据时经常一行推导式搞定过滤和转换。等你看习惯了会发现这是最自然的Python表达方式。注意推导式别写太复杂。一个for加一个if能看懂两个for再加一个if就会变成“能跑但看不懂”。代码是给人看的不只是给机器跑的。4. 函数与代码组织把代码变成可复用的组件4.1 函数定义、参数类型与作用域函数的意义是复用。几乎所有人编程到了一定阶段都会发现自己在重复粘贴代码那把这些重复逻辑抽出来变成函数是代码质量的分水岭。def calculate_bmi(weight, height): 根据体重公斤和身高米计算BMI return weight / (height ** 2)return是函数的关键出口。一个函数没有return调用后会返回None。我见过很多新手写函数时只算结果不返回结果调用时拿不到值那种挫败感我太了解了——先记住函数里算出的值不用return就带不出去。参数这里有三个概念要搞清楚位置参数按顺序传值。关键字参数调用时指定参数名顺序无所谓。默认参数定义时给参数一个默认值调用时可以不传。def create_user(name, age18, city北京): return {name: name, age: age, city: city} u1 create_user(张三) u2 create_user(李四, city上海)可变参数和关键字参数收集是两个星号家族。*args把任意多个位置参数打包成元组**kwargs把任意多个关键字参数打包成字典。写回调函数或装饰器时这两兄弟基本必出场。作用域是另一个大坑。函数内部可以读取外部全局变量但你如果想要在函数内部修改这个全局变量必须用global声明不然Python会把它当做一个新局部变量。随着代码量增加我越来越建议少用全局变量改用函数的参数传值和返回值代码逻辑会更清晰也好测试。4.2 模块、包与导入把代码分文件管理当你把几百行代码堆在一个文件里时就会迫切需要一个更好的组织方式。模块就是一个.py文件包就是一个包含多个模块的目录。import的本质是“加载并执行那个模块”所以导入时会执行模块顶层的代码。这就是为什么模块里要写上if __name__ __main__:这个经典入口判断。# util.py def add(a, b): return a b if __name__ __main__: print(add(1, 2))直接用模块名运行这个文件时__name__的值是__main__所以会打印。被别的文件import时__name__是模块名入口判断里的代码不会执行。这保证了“作为工具被导入”时不会产生多余副作用。import的几种常用方式import os # 导入整个模块用 os.xxx 访问 from os import path # 从模块里导入具体成员 import numpy as np # 起别名行业惯例 from package.module import func真正做项目时目录结构往往是这样project/ ├── main.py ├── utils/ │ ├── __init__.py │ ├── file_helper.py │ └── data_clean.py └── config.py注意__init__.py这个文件在Python 3里其实可以空着它的存在就是告诉解释器“这是一个包”。有了它你才能在main里写from utils.file_helper import read_file。4.3 列表、字典在函数之间的数据流这是我观察下来最容易忽略的点。Python函数传参时如果参数是可变对象比如列表和字典你在函数内部改了它外面传进来的那个变量也会被改动。这不是bug是引用语义。def clean_data(items): items.clear() return True data [1, 2, 3] clean_data(data) print(data) # 输出 []如果你本意是保护原始数据就要先复制一份用list(items)或items.copy()。这个细节特别重要因为多人协作时别人调你的函数不会预期自己的数据被改掉。行业里把这个叫做“副作用”好的函数设计应该尽量让副作用最小化。另一个经验是函数别做得太“大”。一个函数干一件事超过二三十行就要考虑拆分。函数名用动词开头比如get_config、save_report看到名字就明白它干什么。这些习惯比语法本身更影响你以后写600行还是6000行代码的效率。5. 文件操作与异常处理从控制台走向真实场景5.1 读文件与写文件的完整套路纯打印代码只是热身真实世界的数据大多在文件里。Python的文件操作最标准的方式是with语句。with自动帮你关闭文件就算中间抛了异常文件也会兜底被关掉防止文件句柄泄漏。with open(data.txt, r, encodingutf-8) as f: content f.read()三个参数要解释清楚模式r是读w是写a是追加rb是二进制读。编码不指定的话在不同系统上默认编码不一样写中文内容很容易乱码。所以读文件时始终显式写上encodingutf-8。路径相对路径和绝对路径要分清。写相对路径时是按“当前工作目录”定位的不是按.py文件所在目录定位的这个认知错误能让新手找半天文件。按行处理文件时不要用read()一次性读整个大文件内存会顶不住。用迭代逐行处理with open(large_log.txt, r, encodingutf-8) as f: for line in f: if ERROR in line: print(line.strip())写文件同样用with模式w会覆盖已有内容不想覆盖就用a追加。with open(result.csv, w, encodingutf-8) as f: f.write(name,score\n) f.write(张三,89\n)小技巧print函数也能输出到文件print([INFO] done, filef)可以省去手动拼接换行符的麻烦。5.2 异常处理让程序摔倒了还能爬起来程序出错的类型多得超出想象文件不存在、索引越界、类型不匹配、网络超时、除零错误。Python统一的异常处理机制是try / except。try: num int(text) except ValueError: num 0这里容易犯的错误是“打死不写except”或者“except Exception: pass”。前者会让程序在用户输入一个非法字符时直接崩掉后者会让程序里的错误全部悄无声息地消失等到出问题时根本不知道哪里出了问题。我的态度是捕获异常一定要有日志记录或至少有个有意义的兜底逻辑。异常的继承结构也值得了解一下Exception是绝大多数异常的基类捕获Exception:能拦下大多数错误但不推荐裸捕获所有异常因为像内存溢出、系统退出这类极端情况应该让它冒泡。建议先明确ValueError、TypeError、FileNotFoundError这类具体异常。完整写法里还有else和finallytry: result 10 / divisor except ZeroDivisionError: result 0 else: print(计算成功) finally: print(无论有没有异常都执行)else在try没抛异常时执行finally无论啥情况都必须执行常用来关资源、发通知。我实际写后端逻辑时最常用的是try / except / finally组合确保数据库连接一定会关闭。日志比print更适合排查问题。自己项目里至少学会logging基本用法import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logging.info(任务开始) logging.error(这里出错了)用logging.debug打印细节信息用logging.error记录关键错误这样排查问题的时候能靠日志揪出是哪个环节挂了而不是靠猜。6. 新手常见问题速查与排错实录6.1 容易踩的坑和背后的原因我把自己和身边人踩过的坑整理成了一张速查表每个坑背后都对应一个基础知识点现象根因解决方案变量名拼写大小写混了程序直接报NameErrorPython是大小写敏感的myVar和myvar是两个变量统一用全小写加下划线命名列表索引越界索引从0开始访问不存在的下标打印列表长度确认边界字符串和数字不能直接用加号拼类型不匹配用f{name}{age}格式化字符串函数返回了但拿不到值没写return函数隐式返回None检查函数内是否有return语句修改了全局列表但函数外还是原样忘记可变对象的引用语义确认是否原地修改还是重新赋值读取文件中文乱码系统默认编码不是UTF-8打开文件显式指定encodingutf-8运行脚本时找不到模块当前目录不在模块搜索路径中从项目根目录运行脚本或调整sys.path还有一个超高频错误IndentationError。Python用缩进表示代码块同一层级的代码必须用相同数量的空格缩进。建议别混用Tab和空格编辑器统一配置为“空格替代Tab”风格上固定用4个空格。这个错误会逼疯所有新手因为报错显示的行号有时候和实际问题的位置差着好几行。6.2 调试思路不会调班会掩盖多少努力遇到bug时最高效的调试流程不是“盯着代码看到眼睛疼”而是分步缩小范围。第一招是打印变量。在关键计算前后打印状态print(before:, value) value value * 2 print(after:, value)第二招是使用断点调试。现代IDE一般都支持在行号旁边点红点然后以调试模式运行程序会在红点处暂停你可以一行一行看每个变量变成了什么。这个能力在排查算法问题时比print快一个量级强烈建议花半小时学会。第三招是把问题拆小。如果一个函数报错看不懂先把它内部逻辑剪到最小或者用最简单的输入测试。我调一个数据清洗函数时就用一个三行的假输入来验证逻辑确认根本没问题再上真实数据。还有一个必须提的老话题读报错信息。Python的Traceback长得很吓人其实最下面一行是关键NameError: name my_variable is not defined它告诉你变量名不存在。往上几行是出错的位置。很多新手看到一堆英文就慌了其实从下往上看先找Exception类型再找到报错行号这个习惯能让排查效率翻几倍。6.3 网上查错的一些取舍学编程必然要常搜报错信息。有一个经验之分想单独说说很多新手容易直接复制整段报错去搜搜出一堆相似但不完全一致的答案更可靠的做法是把报错的“类型名”和“关键变量名”提炼出来搜比如TypeError: cannot concatenate str and int把冒号之前的那句话作为搜索关键词命中率会高很多。另外看别人的解答时优先看解释“为什么”的回复而不是只给一段代码的回复。一段代码能让你的报错消失但不知道原理下一个坑会在类似场景等着你。我自己带新人的经验是与其抄十段代码不如吃透一个知识点。写在最后的一点个人体会Python基础这个范围说大也大、说小也小。往小说无非是变量、数据类型、流程控制、函数、模块、文件、异常这几板斧往大说每一个知识点背后都藏着设计哲学。比如动态类型带来的灵活与风险并存比如“缩进即语法”逼迫你养成规范排版的习惯比如一切皆对象的统一模型让高阶技巧都能触类旁通。如果只让我给一条建议那就是别用“看看就会”的方式学。基础语法看起来简单但只有真正动手写过几十个小程序那些“索引从0开始”“字典键不可变”“函数参数是引用”之类的知识才会从“看过”变成“会用”。我认识的能独立写项目的人几乎都有一个共同点前期一定经历大量刻意练习哪怕写的是几行笨拙的代码。另外推荐一个自学路径的额外安排学完基础后找一个真实小项目当作练手对象比如给文件夹里的文件按日期分类归档或者解析一份不小的CSV文件并做简单统计。这种项目能把变量、循环、函数、文件操作全串起来比做十道习题都顶用。Python这条路走到后面会发现基础练扎实了框架、算法、业务逻辑全是锦上添花。地基稳不稳决定你能盖多高的楼。 
长河君 · 2026/10/15 13:59:18 · 阅读 1.2k Python基础学习指南：从环境搭建到实战避坑
1. 为什么学Python先搞清楚它在解决什么问题先说一个我经常被问到的问题“Python到底能干嘛是不是只能写写脚本”每次听到我都挺无奈的。Python是少有的能把“入门友好”和“工业级强度”同时做到位的主流语言。Web后端、数据分析、自动化脚本、人工智能模型训练、爬虫、运维工具、甚至游戏原型我身边就有团队拿它撑起整套推荐系统。而你学的那些“基础”根本不是随便背背语法而是为后面任何一种方向打底子。这门语言真正解决的核心痛点是“开发效率”。同样是写一个批量处理文件的工具用其他语言可能要处理很多底层细节Python直接读文件、处理、写回十几行搞定。它把内存管理、类型细节、编译过程这些容易劝退新人的东西藏了起来让你把注意力放在“做什么”而不是“怎么做”。还有一点很容易被忽略Python的生态太成熟了。处理表格有现成库做可视化有现成库写HTTP服务有框架连操作Excel都有专门的库。这意味着你学基础不是从零开始造轮子而是学会怎么用语言本身和它的工具箱解决问题。对新手来说这是最值钱的正反馈。2. 环境准备与第一个程序把第一脚踢顺2.1 解释器、编辑器选型与安装思路很多新手第一个坎不是语法而是环境。打开官网下载Python安装包Windows系统安装时我强烈建议勾选“Add Python to PATH”这个选项默认不勾不勾的后果就是你在终端敲python时提示找不到命令然后整个人就懵了。装完验证一下在命令行输入python --version能输出版本号就说明解释器好了。接下来是编辑器我的建议分两类人想快速出效果的选Jupyter Notebook一段段写、一段段跑非常适合做数据处理和探索性分析。想正经写工程、写脚本选主流IDE或好用的编辑器代码提示、调试、版本管理集成很舒服。这里有个常见误解IDE装好了不代表会用。你至少需要知道怎么新建项目、怎么运行单个.py文件、怎么看终端输出。这些搞不定后面写代码就会一直在“写完跑不了”的循环里打转。提示新手最容易忽略的是“解释器路径”。一个项目一个虚拟环境是行业最佳实践不然后续装第三方库会越装越乱。这个习惯最好从一开始就养成。2.2 变量、类型与注释地基里的关键我们从一个最简单的例子开始name 张三 age 18 height 1.75 is_student True print(name, age, height, is_student)先记住一个核心原则Python是动态类型语言变量不需要声明类型解释器会根据赋值自动推断。好处是写起来快坏处是类型错误要等运行时才暴露。我自己踩过很多次“以为传进来的是数字结果算到一半发现是字符串”的坑。关于数据类型我建议这样记数字分int和floatint是整数float是浮点数。字符串用单引号或双引号包起来记住转义字符\n、\t的用法。布尔值只有True和False注意首字母大写。None表示“空”它不等于False也不等于0。再补充一条初学者很少关注但极其重要的点对象的可变性。字符串是不可变对象你任何修改操作都会生成新字符串。但列表是可变对象你原地修改不会产生新对象。这个差异直接决定了你在函数里改数据时外部数据会不会跟着变。后面讲函数时我会再展开。还有一个习惯要养成写注释。不是写给别人看的是写给一周后的自己。Python的#注释只能写单行多行可以用三个引号包起来做成文档字符串。# 单行注释 def greet(name): 打印问候语 参数 name: 字符串表示对方的名字 print(f你好{name})脚本的习惯是写两行编码声明Python3默认UTF-8如果你在文件里写中文不需要加# -*- coding: utf-8 -*-但如果你会在跨平台环境跑建议还是保留它防的就是某些老环境默认编码不对导致中文乱码。3. 数据结构与流程控制写程序的骨架3.1 字符串和列表用的最多的两个类型字符串方法用得最多的几个是split、strip、replace、join。做文本处理时这是一套组合拳。text hello, python, world clean text.strip() # 去掉首尾空格 items clean.split(,) # 按逗号切分 joined |.join(items) # 用竖线重新拼接 print(items) print(joined)列表是Python里最灵活的结构它可以装任意类型甚至可以嵌套列表。很多新手一时半会理解不了“列表套列表”其实你可以把它想象成Excel里的表格外层列表是行内层列表是列。students [ [张三, 18, 89], [李四, 19, 76], [王五, 18, 93], ]要取第二行第三列的数据就是students[1][2]。索引从0开始这个事养不成直觉就得靠多练。负数索引是从右往左数-1就是最后一个元素这个技巧在循环里拿尾部数据非常方便。列表中我最推荐掌握的切片语法list[start:end:step]。学这一条语法能解决大批量数据抽取的需求。nums [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] odd nums[1::2] # 奇数索引 rev nums[::-1] # 反转 print(odd) print(rev)3.2 字典、元组、集合各自的用途别混淆字典在很多场景下就是“带名字的列表”。它存储的是键值对查询速度极快因为背后是哈希表。我们在实际项目中大量用字典来传配置参数、存接口返回值。config { host: 192.168.1.1, port: 8080, debug: True, } print(config[host])取不到键时会报KeyError所以更安全的写法是config.get(timeout, 5)第二个参数是默认值取不到也不报错。我在处理外部传入的配置时几乎全用.get()就是要避免运行时崩溃。元组和列表长得像但元组不可变。一旦创建不能增删改。我平时用它来打包“不应该被改的数据”比如坐标、RGB值、一组固定的配置。还有一个特性叫“解包赋值”直接一次把元组里的值分给多个变量。point (3, 4) x, y point print(x, y)集合的作用是去重和集合运算。把列表转成集合再转回列表重复元素就没了。但要注意集合里的元素必须是不可变的所以你不能把列表放进集合。ids [1, 2, 2, 3, 3, 3] unique_ids list(set(ids))3.3 条件判断、循环与推导式条件判断最基础的就是if / elif / else。有几个容易写错的点elif是“else if”的缩写别写成“elseif”。判断相等要用双等号单等号是赋值。判断是否为None习惯用is None而不是 None。循环有两种for和while。for是遍历可迭代对象while是条件满足就继续。大多数场景下for更常用、更安全因为while特别容易写出死循环。如果你不确定循环次数才去考虑while。迭代时经常需要用索引新手容易写成for i in range(len(items)): print(items[i])更Pythonic的写法是用enumeratefor i, item in enumerate(items): print(i, item)再用两个关键字让你事半功倍。break是立刻退出整个循环continue是跳过本次循环的剩余代码直接进下一轮。列表推导式是Python语法糖里最值得学的。比如从一个列表生成另一个列表squares [x * x for x in range(10)] evens [x for x in range(20) if x % 2 0]这一句顶得上四五行普通循环而且性能更好因为它在底层走的是经过优化的迭代协议。我项目里处理清洗数据时经常一行推导式搞定过滤和转换。等你看习惯了会发现这是最自然的Python表达方式。注意推导式别写太复杂。一个for加一个if能看懂两个for再加一个if就会变成“能跑但看不懂”。代码是给人看的不只是给机器跑的。4. 函数与代码组织把代码变成可复用的组件4.1 函数定义、参数类型与作用域函数的意义是复用。几乎所有人编程到了一定阶段都会发现自己在重复粘贴代码那把这些重复逻辑抽出来变成函数是代码质量的分水岭。def calculate_bmi(weight, height): 根据体重公斤和身高米计算BMI return weight / (height ** 2)return是函数的关键出口。一个函数没有return调用后会返回None。我见过很多新手写函数时只算结果不返回结果调用时拿不到值那种挫败感我太了解了——先记住函数里算出的值不用return就带不出去。参数这里有三个概念要搞清楚位置参数按顺序传值。关键字参数调用时指定参数名顺序无所谓。默认参数定义时给参数一个默认值调用时可以不传。def create_user(name, age18, city北京): return {name: name, age: age, city: city} u1 create_user(张三) u2 create_user(李四, city上海)可变参数和关键字参数收集是两个星号家族。*args把任意多个位置参数打包成元组**kwargs把任意多个关键字参数打包成字典。写回调函数或装饰器时这两兄弟基本必出场。作用域是另一个大坑。函数内部可以读取外部全局变量但你如果想要在函数内部修改这个全局变量必须用global声明不然Python会把它当做一个新局部变量。随着代码量增加我越来越建议少用全局变量改用函数的参数传值和返回值代码逻辑会更清晰也好测试。4.2 模块、包与导入把代码分文件管理当你把几百行代码堆在一个文件里时就会迫切需要一个更好的组织方式。模块就是一个.py文件包就是一个包含多个模块的目录。import的本质是“加载并执行那个模块”所以导入时会执行模块顶层的代码。这就是为什么模块里要写上if __name__ __main__:这个经典入口判断。# util.py def add(a, b): return a b if __name__ __main__: print(add(1, 2))直接用模块名运行这个文件时__name__的值是__main__所以会打印。被别的文件import时__name__是模块名入口判断里的代码不会执行。这保证了“作为工具被导入”时不会产生多余副作用。import的几种常用方式import os # 导入整个模块用 os.xxx 访问 from os import path # 从模块里导入具体成员 import numpy as np # 起别名行业惯例 from package.module import func真正做项目时目录结构往往是这样project/ ├── main.py ├── utils/ │ ├── __init__.py │ ├── file_helper.py │ └── data_clean.py └── config.py注意__init__.py这个文件在Python 3里其实可以空着它的存在就是告诉解释器“这是一个包”。有了它你才能在main里写from utils.file_helper import read_file。4.3 列表、字典在函数之间的数据流这是我观察下来最容易忽略的点。Python函数传参时如果参数是可变对象比如列表和字典你在函数内部改了它外面传进来的那个变量也会被改动。这不是bug是引用语义。def clean_data(items): items.clear() return True data [1, 2, 3] clean_data(data) print(data) # 输出 []如果你本意是保护原始数据就要先复制一份用list(items)或items.copy()。这个细节特别重要因为多人协作时别人调你的函数不会预期自己的数据被改掉。行业里把这个叫做“副作用”好的函数设计应该尽量让副作用最小化。另一个经验是函数别做得太“大”。一个函数干一件事超过二三十行就要考虑拆分。函数名用动词开头比如get_config、save_report看到名字就明白它干什么。这些习惯比语法本身更影响你以后写600行还是6000行代码的效率。5. 文件操作与异常处理从控制台走向真实场景5.1 读文件与写文件的完整套路纯打印代码只是热身真实世界的数据大多在文件里。Python的文件操作最标准的方式是with语句。with自动帮你关闭文件就算中间抛了异常文件也会兜底被关掉防止文件句柄泄漏。with open(data.txt, r, encodingutf-8) as f: content f.read()三个参数要解释清楚模式r是读w是写a是追加rb是二进制读。编码不指定的话在不同系统上默认编码不一样写中文内容很容易乱码。所以读文件时始终显式写上encodingutf-8。路径相对路径和绝对路径要分清。写相对路径时是按“当前工作目录”定位的不是按.py文件所在目录定位的这个认知错误能让新手找半天文件。按行处理文件时不要用read()一次性读整个大文件内存会顶不住。用迭代逐行处理with open(large_log.txt, r, encodingutf-8) as f: for line in f: if ERROR in line: print(line.strip())写文件同样用with模式w会覆盖已有内容不想覆盖就用a追加。with open(result.csv, w, encodingutf-8) as f: f.write(name,score\n) f.write(张三,89\n)小技巧print函数也能输出到文件print([INFO] done, filef)可以省去手动拼接换行符的麻烦。5.2 异常处理让程序摔倒了还能爬起来程序出错的类型多得超出想象文件不存在、索引越界、类型不匹配、网络超时、除零错误。Python统一的异常处理机制是try / except。try: num int(text) except ValueError: num 0这里容易犯的错误是“打死不写except”或者“except Exception: pass”。前者会让程序在用户输入一个非法字符时直接崩掉后者会让程序里的错误全部悄无声息地消失等到出问题时根本不知道哪里出了问题。我的态度是捕获异常一定要有日志记录或至少有个有意义的兜底逻辑。异常的继承结构也值得了解一下Exception是绝大多数异常的基类捕获Exception:能拦下大多数错误但不推荐裸捕获所有异常因为像内存溢出、系统退出这类极端情况应该让它冒泡。建议先明确ValueError、TypeError、FileNotFoundError这类具体异常。完整写法里还有else和finallytry: result 10 / divisor except ZeroDivisionError: result 0 else: print(计算成功) finally: print(无论有没有异常都执行)else在try没抛异常时执行finally无论啥情况都必须执行常用来关资源、发通知。我实际写后端逻辑时最常用的是try / except / finally组合确保数据库连接一定会关闭。日志比print更适合排查问题。自己项目里至少学会logging基本用法import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logging.info(任务开始) logging.error(这里出错了)用logging.debug打印细节信息用logging.error记录关键错误这样排查问题的时候能靠日志揪出是哪个环节挂了而不是靠猜。6. 新手常见问题速查与排错实录6.1 容易踩的坑和背后的原因我把自己和身边人踩过的坑整理成了一张速查表每个坑背后都对应一个基础知识点现象根因解决方案变量名拼写大小写混了程序直接报NameErrorPython是大小写敏感的myVar和myvar是两个变量统一用全小写加下划线命名列表索引越界索引从0开始访问不存在的下标打印列表长度确认边界字符串和数字不能直接用加号拼类型不匹配用f{name}{age}格式化字符串函数返回了但拿不到值没写return函数隐式返回None检查函数内是否有return语句修改了全局列表但函数外还是原样忘记可变对象的引用语义确认是否原地修改还是重新赋值读取文件中文乱码系统默认编码不是UTF-8打开文件显式指定encodingutf-8运行脚本时找不到模块当前目录不在模块搜索路径中从项目根目录运行脚本或调整sys.path还有一个超高频错误IndentationError。Python用缩进表示代码块同一层级的代码必须用相同数量的空格缩进。建议别混用Tab和空格编辑器统一配置为“空格替代Tab”风格上固定用4个空格。这个错误会逼疯所有新手因为报错显示的行号有时候和实际问题的位置差着好几行。6.2 调试思路不会调班会掩盖多少努力遇到bug时最高效的调试流程不是“盯着代码看到眼睛疼”而是分步缩小范围。第一招是打印变量。在关键计算前后打印状态print(before:, value) value value * 2 print(after:, value)第二招是使用断点调试。现代IDE一般都支持在行号旁边点红点然后以调试模式运行程序会在红点处暂停你可以一行一行看每个变量变成了什么。这个能力在排查算法问题时比print快一个量级强烈建议花半小时学会。第三招是把问题拆小。如果一个函数报错看不懂先把它内部逻辑剪到最小或者用最简单的输入测试。我调一个数据清洗函数时就用一个三行的假输入来验证逻辑确认根本没问题再上真实数据。还有一个必须提的老话题读报错信息。Python的Traceback长得很吓人其实最下面一行是关键NameError: name my_variable is not defined它告诉你变量名不存在。往上几行是出错的位置。很多新手看到一堆英文就慌了其实从下往上看先找Exception类型再找到报错行号这个习惯能让排查效率翻几倍。6.3 网上查错的一些取舍学编程必然要常搜报错信息。有一个经验之分想单独说说很多新手容易直接复制整段报错去搜搜出一堆相似但不完全一致的答案更可靠的做法是把报错的“类型名”和“关键变量名”提炼出来搜比如TypeError: cannot concatenate str and int把冒号之前的那句话作为搜索关键词命中率会高很多。另外看别人的解答时优先看解释“为什么”的回复而不是只给一段代码的回复。一段代码能让你的报错消失但不知道原理下一个坑会在类似场景等着你。我自己带新人的经验是与其抄十段代码不如吃透一个知识点。写在最后的一点个人体会Python基础这个范围说大也大、说小也小。往小说无非是变量、数据类型、流程控制、函数、模块、文件、异常这几板斧往大说每一个知识点背后都藏着设计哲学。比如动态类型带来的灵活与风险并存比如“缩进即语法”逼迫你养成规范排版的习惯比如一切皆对象的统一模型让高阶技巧都能触类旁通。如果只让我给一条建议那就是别用“看看就会”的方式学。基础语法看起来简单但只有真正动手写过几十个小程序那些“索引从0开始”“字典键不可变”“函数参数是引用”之类的知识才会从“看过”变成“会用”。我认识的能独立写项目的人几乎都有一个共同点前期一定经历大量刻意练习哪怕写的是几行笨拙的代码。另外推荐一个自学路径的额外安排学完基础后找一个真实小项目当作练手对象比如给文件夹里的文件按日期分类归档或者解析一份不小的CSV文件并做简单统计。这种项目能把变量、循环、函数、文件操作全串起来比做十道习题都顶用。Python这条路走到后面会发现基础练扎实了框架、算法、业务逻辑全是锦上添花。地基稳不稳决定你能盖多高的楼。