我见过很多人学 Python前两周把变量、if、for 的语法抄得滚瓜烂熟书也啃了课也上了可一到自己写脚本就卡壳不知道什么时候该用字典不明白函数参数为什么有一堆*args更不知道怎么把一个文件拆成模块。反过来也有一批人学基础时慢得离谱每个知识点都问“这东西解决什么问题、什么时候用”三个月后反而能独立写出自动化脚本和完整小项目。差别不在记忆力而在有没有把基础当作一张地图来学。这篇内容可以看作一份 Python 基础知识全面总结按我带新人时的思路重新排过环境、类型、数据结构、函数、模块、异常、文件、面向对象再到调试和学习路线。适合三类人刚入门想系统建立知识体系的初学者、学了一半知识点比较零散的自学者、准备转岗或面试前想快速回笼基础的在职开发者。整篇不搞学究气所有内容都按“有什么用、怎么用、坑在哪”来讲你可以把它当查漏补缺的手册也可以直接按章节顺序过一遍。1. 理解Python基础先建地图再背细节1.1 从三个现实问题开始学 Python 基础最怕的是把知识点当成独立小岛。我经常问新人三个问题你写循环遍历列表到底是在遍历下标还是遍历元素为什么有的函数会改变原列表有的不会一个.py文件到底从哪一行开始执行。如果答不上来说明基础还停在“能运行”的层面。真正的入门标准不是会写for而是能把“数据从哪来、经过什么逻辑、变成什么结果”这条链路说清楚。举个例子写爬虫时数据从网页来经过解析变成列表再清洗成字典最后写入文件每一步都对应一个基础知识点。你只有知道每一步有哪些工具可选才知道下一步该做什么。1.2 学习主线和知识分层Python 基础其实就两条主线。一条是语法规则变量、类型、运算符、控制流、函数、类这些是表达方式另一条是数据流动输入怎么被存储、传递、转换、输出这决定了你能不能设计出清晰的程序结构。我建议按分层方式学。第一层是搭环境、跑通第一个脚本第二层是核心数据类型和流程控制第三层是函数和模块化第四层是异常、文件、调试第五层才是面向对象。每一层都基于上一层不要跳。很多人一上来就学装饰器和多线程结果连默认参数和可变对象都没搞明白后续全是空中楼阁。这就像盖房子你不能先装修再打地基。语法背得再多不理解变量引用、数据结构和函数作用域写出来的代码只是拼凑。1.3 基础阶段的输出标准学基础不要只看书要给自己定输出标准。比如能不能用纯 Python 写一个“通讯录管理”脚本实现增删改查并持久化到文件能不能把一段重复代码抽成函数并写成独立模块能不能在程序崩溃时通过异常捕获给出友好提示。这些都会用到后面小节里的内容建议学完一节就回去做一个小练习比刷十遍语法视频效果好得多。我在带人的时候发现能写出“能运行”的脚本和能写出“能维护”的脚本是两条完全不同的水平线。基础阶段的目标就是跨过这条线哪怕代码简单也要让它的结构清楚、意图明确。2. 环境准备与运行机制把“为什么”讲透2.1 开发工具与虚拟环境环境搭建是新手第一个劝退点。我的建议很直接编辑器选主流代码编辑器就好装上官方 Python 插件代码提示、调试、运行一键搞定内存占用比全功能 IDE 小很多。如果你是在校生或做大型项目也可以尝试全功能 IDE但没必要一上来就装全家桶。真正值得花时间的是虚拟环境。不夸张地说这是 Python 入门最容易忽略、但最值得养成的习惯。虚拟环境相当于给每个项目一个独立的小房间不同项目用到的第三方库互不干扰。不用虚拟环境两个项目依赖同一个库的不同版本升级一个就会炸另一个。创建虚拟环境的命令python -m venv venv # 激活Windows venv\Scripts\activate # 激活macOS/Linux source venv/bin/activate激活后命令行前面会出现(venv)提示pip安装的包只会进到当前环境里不会污染全局环境。这是基础里最值得先花十分钟养成的习惯。2.2 解释器与字节码Python 是解释型语言但“解释”不是边读一行边立刻执行那么简单。CPython 的执行过程是源代码先被编译成字节码再由虚拟机逐行执行。语法错误在编译阶段就能被揪出来运行错误则要等执行到那一行才会暴露。所以一个.py文件没有语法错误不代表它没有问题。你可以在代码里加一句import dis; dis.dis(函数名)查看字节码看到LOAD_FAST、CALL之类的东西不要慌这只是 Python 把高级代码翻译成更接近机器的中间表示。理解这个就能明白为什么 Python 写起来快、跑起来不如 C 快因为它帮你把内存管理和底层调度都包了代价是运行时多做一层转换。2.3 动态类型与类型标注Python 是动态类型语言变量本身没有固定类型它只是指向对象的名字。这意味着同一个变量今天可以保存整数明天变成字符串。这种灵活性让新手写起来舒服但也带来隐患大型程序里类型不明确别人很难读懂。Python 3.6 之后支持类型标注可以给函数参数和返回值标注期望类型但这只是“约定”不会在运行时强制。比如def add(a: int, b: int) - int: return a b标注有两个实际好处IDE 会给出更准的代码提示配合静态类型检查工具能提前发现低级错误。我强烈建议从第一天起就写类型标注成本极低却能大幅度提升代码的可读性和可维护性。它不能替代测试但能让读代码的人少猜很多。3. 变量、类型与流程控制写清楚第一份代码的骨架3.1 可变与不可变是最容易被忽略的地基Python 中一切皆对象变量只是对象的引用。有两类对象要分清不可变对象包括int、float、str、tuple、frozenset可变对象包括list、dict、set、自定义对象。这个区分直接决定了函数参数传递时的行为。面试和工作中最常见的坑是用默认参数传可变对象def add_item(item, items[]): items.append(item) return items这个函数在第二次调用时会违反直觉地保留上一次的结果因为默认列表在函数定义时就被创建所有调用共用同一个列表。正确的写法是def add_item(item, itemsNone): if items is None: items [] items.append(item) return items用None作为默认值再在函数内部创建新列表是 Python 社区约定俗成的做法。这个例子看起来简单但能反映出“变量引用”和“对象生命周期”是否真的理解到位。3.2 数字、字符串和布尔类型的常见误区数字方面Python 的int是任意精度的不像很多语言有溢出问题但浮点数比较大小要小心0.1 0.2 0.3 # False因为二进制小数无法精确表示十进制小数。需要比较时用math.isclose或转换成Decimal。字符串是不可变序列支持索引和切片。但初学者最容易踩的是字符串拼接。在循环里反复用拼接时间复杂度会退化。更优雅的做法是收集到列表再用joinparts [a, b, c] result .join(parts)布尔类型bool其实是int的子类True 1、False 0。在某些库的接口里能当索引用比如布尔索引。但日常写代码不建议依赖这个特性可读性很差。3.3 条件与循环写 Pythonic 的判断逻辑Python 没有switch-case但可以用字典、if-elif-else或match3.10 起实现分支。多数情况下最简单的if-elif-else就是最好的不要为了炫技写复杂结构。判断顺序也有讲究把命中率最高、计算成本最低的条件放前面既能提前返回也容易读。循环里最容易被忽视的是for-else和while-elsefor i in range(10): if i 5: break else: print(循环没有被break)当循环完整执行完、没有被break中断才会走else块。这个写法在搜索场景非常有用找到元素break没找到才执行else逻辑。很多人不知道这个语法一上来就用标志位反而绕远了。3.4 迭代与 range 的秘密for i in range(10)在 Python 3 里range不是列表而是一个可迭代对象它惰性生成整数不占用一整个列表的内存。所以写超大范围的遍历也不用怕内存爆掉。如果你确实需要一个真正的列表用list(range(10))。迭代是 Python 基础里的核心概念任何实现了__iter__或__getitem__的对象都可以放在for后面。这意味着for不只能遍历list还能遍历文件、生成器、字典键、集合、自定义对象。理解“可迭代对象”而不是死记“遍历列表”会让你的代码泛化能力上一个台阶。4. 数据结构选型为什么大家都在纠结 list 还是 dict4.1 四个内置容器的适用场景Python 基础中list、tuple、dict、set这四个数据结构必须刻进脑子里。简单来说list有序、可重复、可修改适合需要按位置访问、频繁增删的场景。tuple有序、可重复、不可修改适合表示固定结构比如函数的多个返回值、一组坐标。dict键值映射、按插入顺序存储、键必须不可变适合通过名字或编号快速查找。set无序不重复适合去重、求交集并集差集、快速判断成员是否存在。我见过很多新人在应该用dict的地方用list然后每次查找都用for遍历数据一多性能就崩。可靠经验如果判断“某东西在不在集合里”首选set而不是list成员判断的时间复杂度是 O(1) 和 O(n) 的差别。这个区别在数据量小的时候看不出到几千条、几万条时就会非常明显。4.2 切片与推导式基础里最提效的两个招式切片是list和str最常见的操作语法[start:stop:step]不仅支持正向还能用负数反向nums [0, 1, 2, 3, 4] nums[1:3] # [1, 2] nums[::-1] # [4, 3, 2, 1, 0]注意切片返回的是新列表原列表不变。要想原地反转用nums.reverse()。用nums nums[::-1]会创建新对象有时候会踩引用的坑比如在函数里反转列表时不注意外部引用。列表推导式是另一个必会技巧它能把for append压缩成一行squares [x*x for x in range(10) if x % 2 0]结构是[表达式 for 变量 in 可迭代对象 if 条件]。它比普通循环更简洁但不要无脑用当逻辑复杂、嵌套太多时还是写普通循环更可读。生成器表达式把方括号换成圆括号惰性求值适合处理大文件或无限序列。4.3 字典的高阶基础用法字典的常用方法需要熟练get可以带默认值避免KeyErrorsetdefault实现“有则取无则创建”update用于合并字典dict.fromkeys用于批量创建。Python 3.9 之后可以用|运算符合并d1 {a: 1} d2 {b: 2} merged d1 | d2但要注意如果两个字典有相同键后面的值会覆盖前面的。遍历字典时推荐for key in d遍历键for key, value in d.items()遍历键值。不要在遍历字典的过程中直接删除元素会触发运行时错误。正确的删除方式是先收集要删的键遍历结束后再删除或者用字典推导式重建新字典。5. 函数与作用域把逻辑打包的学问5.1 参数模型是函数的重头戏Python 函数的参数分为位置参数、关键字参数、默认参数、*args和**kwargs。易混点是默认参数在定义时就绑定且只绑定一次关键字参数调用时可以不按顺序。def show(a, b2, *args, c3, **kwargs): pass这里的*args收集多余的位置参数为元组**kwargs收集多余的关键字参数为字典。在调用时使用*list和**dict可以解包序列和字典这在动态调用接口时极为常见。建议能用普通参数解决的问题不要引入*args和**kwargs过度使用会让签名变得不可读。信号函数、框架回调、装饰器包装才需要它们。基础阶段把普通参数、默认参数、关键字参数搞熟已经能应对 80% 的日常场景。5.2 作用域与 LEGB 规则Python 查找变量名按照 Local、Enclosing、Global、Built-in 的顺序。最容易出错的是在函数内给全局变量赋值count 0 def increment(): global count count 1不用global时函数里给count赋值会新建一个局部变量外部count不变。同样地在嵌套函数里修改外层函数的变量要用nonlocal。我不太建议大量使用global更好的做法是把会被修改的状态放进一个类或一个可变对象里或者通过参数传入传出。此外要分清楚变量被“读取”和“赋值”。函数内先读取、再赋值同一个名字也会报UnboundLocalError因为 Python 编译器只要看到函数内某处有赋值就会把这个名字标记为局部变量。解决方法是前面提到的global或nonlocal。5.3 闭包、lambda 与装饰器入门闭包是指内层函数引用了外层函数的变量并且外层函数返回这个内层函数。它让函数携带状态def make_adder(n): def adder(x): return x n return adder add_5 make_adder(5) add_5(10) # 15闭包是装饰器的基石。装饰器本质上是一个接收函数并返回新函数的函数用于在不修改原函数的前提下增加功能比如记录日志、计时、鉴权。入门装饰器不需要背语法掌握“函数也是一个可以被传递和返回的对象”这一思想就够了。lambda是匿名小函数适合作为参数传给sorted、map、filter等。但有名字的函数往往比lambda更容易调试和测试如果你的lambda超过一行请改成def。5.4 常用内建函数别忽略基础阶段需要熟练掌握的内建函数包括len、range、enumerate、zip、sum、min、max、sorted、reversed、type、isinstance、id、abs、round、divmod、all、any。其中enumerate和zip是遍历时的高频搭档for idx, value in enumerate([a, b], start1): print(idx, value) names [a, b] nums [1, 2] for name, num in zip(names, nums): print(name, num)sorted(arr, keylambda x: x[1], reverseTrue)可以按自定义规则排序这是一个基础却极其常用的模式。很多复杂业务本质上就是“取数据、按某个字段排序、输出结果”掌握这些内建函数能省下大量手写逻辑的时间。6. 模块、包与依赖管理从单文件到项目6.1 import 执行的是“读取并执行整个文件”模块导入时要记住一条import语句会把被导入的.py文件完整执行一遍。所以不要把“打印测试”“创建临时对象”这种顶层代码写进模块否则别人一import就会看到一堆副作用。这也是为什么每个模块的核心入口一定要写在if __name__ __main__:下面def main(): print(run) if __name__ __main__: main()这个判断的意思是“只有当我被直接运行时才执行下面的代码”。当模块被导入时__name__是模块名不会执行下面的逻辑。这是从写脚本走向写项目最关键的一步。6.2 包结构与相对导入包就是一个带__init__.py的目录。把它当作模块的集合__init__.py在包被导入时执行可以用来初始化包级变量、控制对外出口。项目大了以后要按功能拆目录project/ app/ __init__.py utils.py views.py tests/ __init__.py test_utils.py模块之间导入可以用from .utils import helper这样的相对导入。注意相对导入只能在包内部使用直接运行某个子模块文件会报错这是新人经常被绕晕的地方。最简单粗暴的排查方式确认一下你到底是从项目根目录运行还是从子目录直接运行。6.3 依赖管理工具基础阶段的依赖管理不需要上太复杂的工具。用pip加requirements.txt就够pip install requests pip freeze requirements.txt别人拿到你的项目后执行pip install -r requirements.txt就能复现环境。这里有个经验不要用pip freeze直接输出全部依赖它会把很多间接依赖也列进去。更好的方式是维护一个“顶层依赖清单”只列出你直接import的库和大致版本必要时再锁定完整环境。当项目多了、依赖版本冲突频繁后可以再了解更专业的依赖管理工具。但基础阶段别被工具绑架先理解“虚拟环境隔离 记录依赖”这一套逻辑比折腾工具更重要。7. 异常处理与调试思维写健壮代码的第一步7.1 try-except-else-finally 的结构异常处理不是用来“消灭”错误的而是用来管理可预期的错误。最常见的结构try: data json.loads(raw) except json.JSONDecodeError as e: logger.error(解析失败%s, e) data {} else: print(解析成功) finally: print(无论成功失败都会执行)这里有几个细节。else块只有在try没有异常时执行适合放成功后的逻辑finally常用于关闭资源、释放锁。except时尽量捕获具体的异常类而不是裸写except:否则会吞掉真正需要关注的错误比如键盘中断。基础阶段最容易犯的错是“把所有异常都吞掉”。正确的思路是能恢复的异常才捕获不能恢复的异常让它暴露出来这样问题才能被及时看到。7.2 常见异常类型和排查思路新手遇到的异常基本就那几类SyntaxError语法错误通常是括号没闭合、引号不正确。NameError变量名拼写错误或未定义。TypeError操作类型不对比如整数和字符串相加。ValueError类型对但值不合理比如把abc转成整数。IndexError下标越界。KeyError字典里没有这个键。AttributeError对象没有该属性或方法。FileNotFoundError文件路径不对。ZeroDivisionError除以零。遇到报错第一反应不是改代码而是读最后一行异常信息。大多数异常信息里都包含了出错文件和行号。从 Traceback 倒着往上看定位到自己的代码文件那一行而不是盯着第三方库的内部代码。7.3 断言、日志与调试方法断言assert用于开发期检查不变条件比如“函数入参不能为负数”。注意assert在生产环境下可能被优化掉不能把它当安全校验用。日志比print更可控基础阶段可以用logging模块按级别输出方便在正式环境里关闭调试信息。调试复杂问题时与其到处print不如学会用 IDE 的断点调试在代码行号旁边单击设置断点运行到断点会暂停然后查看变量、表达式、调用栈。这一招能省下大量猜来猜去的时间。如果实在习惯print也要学会打印类型和长度而不仅是值print(type(value), len(value) if hasattr(value, __len__) else )8. 字符串、文件与编码基础里的“最后三件套”8.1 字符串格式化f-string 是首选字符串格式化有三种常见写法。%格式化来自 C 语言风格.format()更强大但稍冗长f-stringPython 3.6最直观name Alice age 25 print(f{name} is {age} years old) print(f{price:.2f}) print(f{value:10})f-string里可以写表达式、调用函数f{user.name.title()}都是合法。要注意表达式里的大括号不能嵌套同类引号遇到复杂的格式串可以先提取变量再格式化。8.2 字符串常用方法字符串方法里最常用的是strip去首尾空格、split按分隔符切分、join连接、replace替换、lower/upper转换大小写、startswith/endswith判断开头结尾、find/index定位子串、count计数、isdigit/isalpha判断内容类型。还有一个容易被忽视的是partition它返回三元组在解析键值对时很好用key, sep, value nameAlice.partition()字符串是不可变的所有“修改”操作本质上是返回新字符串。如果需要大量拼接前面说过的join要牢牢记住。8.3 文件读写与上下文管理器读写文件的基础是open和withwith open(data.txt, encodingutf-8) as f: for line in f: print(line.strip())with的优点是无论正常结束还是抛出异常都会自动关闭文件。打开模式常用r、w、a、rb、wb新手最容易犯的错误是以不正确的编码打开文件然后看到乱码。在 Python 3 里文本模式默认使用系统编码跨平台时最好显式写encodingutf-8。如果你要解析 JSON、CSV 这些格式先别急着自己写解析逻辑。标准库的json和csv模块通常比手写正则稳定得多。8.4 编码知识初学者最容易栽在编码上。简单说UTF-8 是跨平台的通用编码写文件、读网页、存数据库统一用它基本不会出错。读文件乱码时先用with open(..., encodingutf-8)试试还乱码就尝试其他常见编码。千万不要在默认编码上到处折腾显式指定编码是值得养成的习惯。9. 面向对象基础从脚本思维到工程思维9.1 类、实例与 self面向对象的本质是“把数据和操作数据的方法绑定在一起”。基础写法class Dog: species Canis familiaris def __init__(self, name): self.name name def bark(self): return f{self.name} says 汪self代表实例本身所有实例方法第一个参数都是self。类属性是所有实例共享的实例属性用self.绑定在每个对象上。这种区别很重要修改实例属性不会影响类属性修改类属性会影响所有未覆盖该属性的实例。9.2 继承、多态与封装继承可以复用父类逻辑class Puppy(Dog): def bark(self): return 轻轻的叫子类可以覆写父类方法这就是多态。因为 Python 是鸭子类型不强制要求继承关系只要对象有同样的方法就能表现出相同行为。这既是灵活也是风险调用不存在的方法会在运行时才暴露。封装是面向对象里的约定用_开头的属性表示“内部使用”用__开头会触发名字改写但 Python 并没有真正的私有访问控制。新手不要把封装理解成“隐藏一切”它更多是表达设计意图提醒外部不要乱动内部状态。9.3 魔术方法让对象更像内置类型魔术方法也叫特殊方法是基础到进阶之间的桥梁。最常用的是__init__初始化__str__给用户看的字符串__repr__给开发者看的调试字符串__len__配合len()__iter__配合for__eq__定义相等比较__lt__用于排序实现__eq__和__lt__时要注意处理类型不一致和统一风格。这个小知识点能让你的类在集合、排序、比较中的表现和内置类型一致。面向对象不需要学得很深但至少要理解构造对象、方法调用、继承改写这三件事。10. 练习、避坑与习惯把基础转化为实战能力10.1 经典练习清单光看书不写代码等于白学。我建议按顺序做打印九九乘法表循环统计一句话里每个字符出现的次数字典实现简单的命令行计算器函数 异常读取一个文件并统计词频文件 字典 排序用类实现一个银行账户面向对象写一个自动重命名文件的脚本模块 文件操作每道题目都不大但每一道都在综合运用前面学过的知识点。不要只看答案卡半小时再查。刷题的目的不是记住解法而是建立“看到需求、想到对应工具”的反应。10.2 阅读源码和文档基础到一定阶段后要学会读别人写的代码。首选是 Python 标准库源码比如json、collections模块代码风格贴近真实项目且依赖少。另一个方向是看开源小工具先从几百行的小项目开始不要一上来啃大型框架。读代码时先跑起来再画调用关系最后问“为什么这样设计”。官方文档是绕不开的。Python 文档排版规整要养成查文档而不是只靠搜索引擎的习惯。遇到不懂的内建函数优先查官方文档或内建帮助dir()和help()。10.3 常见报错速查与习惯养成最后整理一份新手报错速查表报错信息常见原因解决思路ImportError/ModuleNotFoundError模块未安装或路径不对检查import拼写、包名确认是否激活了正确环境IndentationError缩进不一致Python 用缩进划分代码块统一用 4 个空格UnicodeDecodeError文件编码不对读取文件时显式指定encodingRecursionError递归没有出口检查递归终止条件和传入参数AttributeError: NoneType object has no attribute某个函数返回None却继续调用属性先确认返回值是否为空再访问属性另外有两个习惯值得培养变量命名用“名词”函数命名用“动词”或“动词名词”布尔值用is_、has_开头。好的命名比写注释更有效。学会写最小复现例子。遇到难调的问题把无关代码删掉保留最简单能复现的几行答案往往就自己浮现出来了。最后再分享一个小技巧我每次带新人过完一轮基础都会要求他们把笔记整理成一份自己的“速查表”不是复制官方文档而是用自己的话加代码示例写一遍。这个过程里你会发现自己以为懂了的语法其实讲不清楚这才是真正查漏补缺的时候。Python 基础没有捷径但也不需要你把每个细节都背下来只要掌握好上面这些核心概念再遇到没见过的语法顺着类型、作用域、数据结构三条线去查基本都能很快落地。基础越扎实后面学什么方向都不会虚。