【Python 】入门：安装教程+入门语法
Python 入门指南：从零开始手撕 Python
前言：欢迎各位光临本博客，这里小编带你直接手撕Python，文章并不复杂，愿诸君耐其心性，忘却杂尘，道有所长！！！！
**🔥个人主页：IF’Maxue-CSDN博客
🎬作者简介：C++研发方向学习者
📖**个人专栏：
《C语言》
《C++深度学习》
《Linux》
《数据结构》
《数学建模》**⭐️人生格言：生活是默默的坚持，毅力是永久的享受。不破不立，远方请直行！
目录
文章目录
- Python 入门指南：从零开始手撕 Python
- 目录
- 一、为什么选择 Python？
- 二、环境搭建：开启 Python 之旅
- 1. 安装 Python
- Windows 系统安装步骤
- Mac 系统安装步骤
- 验证安装
- 2. 选择 IDE（集成开发环境）
- 推荐选择
- 基础使用流程
- 三、Python 核心语法（附示例）
- 1. 变量与数据类型
- 变量定义
- 类型检查与转换
- 2. 控制流程（判断与循环）
- if-else条件判断
- for循环
- while循环
- 3. 函数（代码复用工具）
- 函数定义与调用
- 内置函数示例
- 四、常用库：Python 的 "工具箱"
- 1. NumPy - 数值计算库
- 2. Pandas - 数据分析库
- 3. Matplotlib - 数据可视化
- 五、入门小建议
一、为什么选择 Python？
Python 作为一门高级编程语言，在编程界占据着重要地位。它凭借以下三大核心优势成为新手入门的首选语言：
-
语法简洁优雅
Python 的代码可读性极强，接近自然语言。例如打印经典的"Hello World"程序，Java 需要5行代码，C++需要3行代码，而Python只需要一行：print("Hello World") # 输出：Hello World这种简洁性让初学者能够更快掌握编程逻辑，减少语法负担。
-
跨平台兼容性强
Python 具有"一次编写，到处运行"的特性：- 在 Windows 系统上编写的代码
- 可以直接在 Mac 系统上运行
- 也能无缝迁移到 Linux 环境
无需针对不同操作系统修改代码，这对于多平台开发者来说极为便利。
-
应用领域广泛
Python 几乎无所不能：- 数据分析：Pandas, NumPy
- 人工智能：TensorFlow, PyTorch
- Web开发：Django, Flask
- 自动化办公：处理Excel, Word, PDF
- 网络爬虫：Scrapy, BeautifulSoup
- 游戏开发：Pygame
二、环境搭建：开启 Python 之旅
1. 安装 Python
Windows 系统安装步骤
- 访问 Python 官网
- 下载最新稳定版（如 Python 3.10）
- 运行安装包时：
- 勾选 “Add Python to PATH”（最关键步骤）
- 选择 “Install Now”（默认安装）
- 等待安装完成
Mac 系统安装步骤
- 通过官网下载 macOS 版本
- 打开下载的 .pkg 文件
- 按照向导完成安装
- 建议通过 Homebrew 安装：
brew install python
验证安装
打开命令提示符(Windows)或终端(Mac/Linux)，输入：
python --version
# 或
python3 --version
成功安装会显示类似：Python 3.10.6
2. 选择 IDE（集成开发环境）
推荐选择
-
VS Code（免费）
- 轻量级但功能强大
- 需要安装Python扩展
- 适合中小型项目
-
PyCharm Community Edition（免费）
- JetBrains出品
- 专为Python优化
- 智能代码补全
- 适合大型项目
-
Jupyter Notebook（数据分析首选）
- 交互式编程环境
- 适合数据探索
基础使用流程
- 打开IDE → 新建文件 → 保存为
.py后缀 - 编写Python代码
- 点击运行按钮（或按F5）执行
- 查看输出结果
三、Python 核心语法（附示例）
1. 变量与数据类型
变量定义
Python是动态类型语言，变量无需声明类型：
# 字符串(str)：用单引号或双引号包裹
name = "张三"
school = '清华大学'# 整数(int)：不带小数点的数字
age = 20
year = 2023# 浮点数(float)：带小数点的数字
height = 1.75
weight = 68.5# 布尔值(bool)：True/False
is_student = True
is_working = False
类型检查与转换
# 查看变量类型
print(type(name)) # <class 'str'>
print(type(age)) # <class 'int'># 类型转换
int("123") # 字符串转整数 → 123
float("3.14") # 字符串转浮点数 → 3.14
str(100) # 数字转字符串 → "100"
bool(1) # 非零为True → True
2. 控制流程（判断与循环）
if-else条件判断
# 基础语法
score = 85if score >= 90:print("优秀")
elif 80 <= score < 90: # Python特有的链式比较print("良好")
else:print("继续努力")# 嵌套判断示例
age = 18
has_card = Trueif age >= 18:if has_card:print("可以进入网吧")else:print("请先办理身份证")
else:print("未成年人禁止进入")
for循环
# 遍历列表
fruits = ["苹果", "香蕉", "橙子", "西瓜"]for fruit in fruits:print(f"今天吃{fruit}") # f-string格式化# 配合range()函数
for i in range(5): # 0到4print(i)for i in range(1, 10, 2): # 1开始，10结束，步长2print(i) # 输出1,3,5,7,9
while循环
# 基础计数
count = 1
while count <= 5:print(f"执行第{count}次")count += 1 # 重要：不要忘记更新条件# break和continue
num = 0
while num < 10:num += 1if num % 2 == 0:continue # 跳过偶数if num > 7:break # 大于7时退出循环print(num) # 输出1,3,5,7
3. 函数（代码复用工具）
函数定义与调用
# 定义计算BMI的函数
def calculate_bmi(weight, height):"""计算身体质量指数(BMI)参数：weight: 体重(kg)height: 身高(m)返回：BMI值"""bmi = weight / (height ** 2)return round(bmi, 2) # 保留两位小数# 调用函数
my_bmi = calculate_bmi(70, 1.75)
print(f"您的BMI是：{my_bmi}")# 参数默认值
def greet(name, greeting="Hello"):print(f"{greeting}, {name}!")greet("Alice") # 使用默认值 → Hello, Alice!
greet("Bob", "Hi") # 覆盖默认值 → Hi, Bob!
内置函数示例
# 数学相关
abs(-5) # 绝对值 → 5
pow(2, 3) # 2的3次方 → 8
round(3.14159, 2) # 四舍五入 → 3.14# 序列操作
len([1,2,3]) # 长度 → 3
sum([1,2,3]) # 求和 → 6
max([1,5,3]) # 最大值 → 5
min([1,5,3]) # 最小值 → 1# 类型转换
int("123") # 字符串转整数 → 123
str(123) # 整数转字符串 → "123"
list("abc") # 字符串转列表 → ['a','b','c']
四、常用库：Python 的 “工具箱”
1. NumPy - 数值计算库
import numpy as np # 行业惯例缩写# 创建数组
arr1 = np.array([1, 2, 3]) # 一维数组
arr2 = np.array([[1,2], [3,4]]) # 二维数组# 数组运算
print(arr1 * 2) # 每个元素乘以2 → [2 4 6]
print(arr1 + arr1) # 数组相加 → [2 4 6]# 常用函数
np.zeros(3) # 全零数组 → [0. 0. 0.]
np.ones((2,2)) # 全1矩阵 → [[1. 1.], [1. 1.]]
np.arange(5) # 类似range → [0 1 2 3 4]
2. Pandas - 数据分析库
import pandas as pd# 创建DataFrame(二维表格)
data = {'姓名': ['张三', '李四', '王五'],'年龄': [20, 22, 21],'成绩': [88, 92, 85]
}
df = pd.DataFrame(data)# 基本操作
print(df.head()) # 查看前5行
print(df.describe()) # 统计信息
print(df['年龄'].mean()) # 平均年龄# 数据筛选
print(df[df['成绩'] > 85]) # 成绩大于85的记录
3. Matplotlib - 数据可视化
import matplotlib.pyplot as plt# 准备数据
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]# 绘制折线图
plt.figure(figsize=(8,4)) # 设置图形大小
plt.plot(x, y, 'r-o', label='线性增长') # 红色圆点实线
plt.xlabel('X轴') # X轴标签
plt.ylabel('Y轴') # Y轴标签
plt.title('简单折线图') # 图表标题
plt.legend() # 显示图例
plt.grid(True) # 显示网格
plt.show()
五、入门小建议
-
实践出真知
- 把每个语法示例都自己敲一遍
- 尝试修改代码参数观察变化
- 如：把成绩判断的90分标准改为85分
-
调试技巧
- 使用print()输出中间结果
- 遇到报错时：
- 仔细阅读错误信息
- 复制关键错误到搜索引擎
- 查看Stack Overflow等社区解答
-
小项目驱动
从简单实用项目开始：- 自动计算器：输入数学表达式输出结果
- 成绩分析器：读取CSV文件计算平均分
- 文件整理工具：批量重命名/分类文件
-
学习资源推荐
- 官方文档：docs.python.org
- 互动教程：Codecademy, DataCamp
- 视频教程：B站优质Python课程
记住：编程不是看会的，而是写会的。每天坚持写代码，很快你就能从Python新手成长为熟练开发者！