Python 入门指南

Python 是一种广泛使用的高级编程语言，以其简洁和易读性著称。无论你是编程新手还是经验丰富的开发者，Python 都是一个值得学习的语言。本文将带你从零开始学习 Python，包括基本语法、常用库和实际应用。

1. 安装 Python

首先，你需要在你的计算机上安装 Python。推荐使用最新版本的 Python 3.x。你可以从 Python 官方网站下载并安装。

# 在 Windows 上安装 Python
python-3.9.6-amd64.exe

# 在 macOS 上安装 Python
brew install python

# 在 Linux 上安装 Python
sudo apt-get install python3

2. 第一个 Python 程序

打开你的文本编辑器或 IDE（如 PyCharm、VSCode），创建一个新的 Python 文件，输入以下代码：

print("Hello, World!")

保存文件为 hello.py，然后在命令行中运行：

python hello.py

3. 基本语法

变量和数据类型

Python 中的变量不需要声明类型，可以直接赋值。

x = 5        # 整数
y = 3.14     # 浮点数
name = "Alice"  # 字符串
is_student = True  # 布尔值

控制结构

条件语句

if x > 0:
    print("x is positive")
elif x == 0:
    print("x is zero")
else:
    print("x is negative")

循环

for i in range(5):
    print(i)

while x > 0:
    print(x)
    x -= 1

1. NumPy

NumPy 是一个用于科学计算的库，提供了多维数组对象和各种数学函数。

import numpy as np

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print(a + b)  # 输出: [5 7 9]

2. Pandas

Pandas 是一个用于数据处理和分析的库，提供了 DataFrame 和 Series 数据结构。

import pandas as pd

data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
df = pd.DataFrame(data)

print(df)

3. Matplotlib

Matplotlib 是一个用于绘制图表的库，支持多种图表类型。

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]

plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Simple Plot')
plt.show()

1. Web 开发

Flask 是一个轻量级的 Web 框架，适合快速开发小型应用。

from flask import Flask

app = Flask(__name__)

@app.route('/')
def home():
    return "Hello, Flask!"

if __name__ == '__main__':
    app.run(debug=True)

2. 数据分析

使用 Pandas 和 Matplotlib 进行数据分析和可视化。

import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('data.csv')

# 数据清洗
data.dropna(inplace=True)

# 数据分析
mean_age = data['Age'].mean()
print(f"Mean Age: {mean_age}")

# 数据可视化
data['Age'].hist(bins=10)
plt.xlabel('Age')
plt.ylabel('Frequency')
plt.title('Age Distribution')
plt.show()

3. 机器学习

使用 scikit-learn 进行简单的机器学习任务。

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
knn = KNeighborsClassifier(n_neighbors=3)
knn.fit(X_train, y_train)

# 预测
y_pred = knn.predict(X_test)

# 评估
accuracy = (y_pred == y_test).mean()
print(f"Accuracy: {accuracy}")

通过本文，你已经了解了 Python 的基本语法、常用库和实际应用。Python 的强大之处在于其丰富的生态系统和社区支持。希望你能继续深入学习，探索更多有趣的应用。

• Python 官方文档：详细的官方文档，涵盖所有基础知识和高级特性。
• Real Python：提供大量实战教程和项目案例，适合进阶学习。
• GitHub Python 仓库：查看热门的 Python 项目，获取灵感和实践经验。

希望这篇文章对你有所帮助，祝你在 Python 学习之旅中取得成功！