很多零基础的朋友来问我的第一句话往往是“Python 到底怎么学”“学多久才能干活”。我的回答一直很直接如果目标不是研究底层算法而是用 Python 解决日常数据处理、自动化脚本、网页信息采集这些实际需求三小时足够把核心知识串成一条完整的链路。这套教程就是按“3 小时”来设计的第 1 小时完成环境安装和基础语法第 2 小时学会文件操作与 pandas 数据分析第 3 小时上手 requests 爬虫并做一个“抓取数据 → 清洗分析 → 输出报表”的完整小项目。学完之后你不仅能看懂网上绝大多数入门代码还能照着写一个属于自己的自动化脚本。适合的读者有三类完全零基础还没安装过 Python 的人。看过一些语法教程但不知道如何把“读数据 → 处理数据 → 输出结果”串起来的人。想入门数据分析或 Python 爬虫却被网上零散教程劝退的开发者。下面我们直接开始。1. Python 是什么先理解再动手1.1 Python 能解决什么问题Python 是一种解释型、面向对象的高级编程语言。所谓“解释型”简单说就是代码写完后不需要像 C、Java 那样先编译成机器码而是由 Python 解释器边读边执行。这个特点让 Python 的上手门槛非常低写几行代码保存成.py文件运行一下就能看到结果。它解决的核心问题是“开发效率”。同样的功能用 C 或 Java 可能要写几十行用 Python 往往十几行就能完成。尤其是数据清洗、统计分析、网页数据抓取这些场景Python 都有非常成熟的第三方库比如 pandas、requests、BeautifulSoup、Matplotlib。这也是为什么 Python 能同时出现在数据分析、爬虫、自动化测试、人工智能等多个领域。初学者最容易混淆的一个概念是“Python 和 Anaconda 的区别”。简单理解Python 是语言本身Anaconda 是一个打包了 Python 解释器和大量科学计算库的发行版。如果你只做日常脚本和爬虫安装官方 Python 就够了如果以后主攻数据分析直接用 Anaconda 会更省事。本文统一使用官方 Python pip 安装依赖库的方式。1.2 三小时学习路线图三小时不能贪多要围绕“能跑出结果”来安排时间学习内容核心产出第 1 小时环境安装、基础语法、函数能独立运行第一个 Python 脚本第 2 小时文件操作、pandas 数据分析能读取 CSV/Excel 并完成清洗统计第 3 小时requests 爬虫、综合项目能抓取授权页面并输出分析报告这里需要提醒一点三小时掌握的是“最小可用闭环”而不是“精通”。遇到不懂的语法不要卡住先照着写、跑通、看结果再回头理解细节。编程是熟练工先动手比先啃理论重要得多。2. 环境准备安装 Python 与配置开发工具2.1 安装 Python 解释器打开 Python 官方下载页面选择适合你操作系统的版本。Windows 用户下载安装包后有一个非常关键的步骤安装界面第一页一定要勾选“Add Python to PATH”否则后面在命令行里执行python会提示找不到命令。安装完成后打开命令行工具Windows 的 CMD 或 PowerShellmacOS 的 Terminal输入python --version如果输出类似Python 3.x.x说明安装成功。这里不写死具体版本因为 Python 3 的 3.8、3.9、3.10、3.11、3.12 在基础语法层面差异不大本文示例在 3.x 高版本环境下都可以运行。如果你的电脑同时装了多个 Python 版本建议用python3或通过虚拟环境区分。macOS 和 Linux 用户通常在系统中自带 Python 3终端输入python3 --version验证即可。如果没有macOS 可以用 Homebrew 安装Linux 可以用系统包管理器安装。2.2 选择开发工具对于新手我推荐两种方式第一种是 VS Code。安装 VS Code 后在扩展商店搜索 “Python”安装微软官方发布的 Python 扩展。然后打开一个文件夹新建hello.py文件右下角或命令面板里选择 Python 解释器就可以直接点击右上角的运行按钮执行脚本了。第二种是 Jupyter Notebook。如果是纯数据分析方向Jupyter 的“单元格”交互方式更适合逐步调试。安装方式很简单pip install jupyter然后在终端执行jupyter notebook浏览器会自动打开一个交互式编程界面。这里涉及一个最基础的包管理命令pip。pip 是 Python 的第三方库安装工具后面所有依赖库都靠它安装。如果你的pip命令提示不存在先检查安装 Python 时是否勾选了 PATH或者改用python -m pip形式执行。3. Python 基础语法速通第 1 小时3.1 变量、数据类型与字符串格式化先看一个最简单的程序。新建hello.py写入以下内容# 文件路径hello.py name 小明 age 18 height 1.75 is_student True print(name) print(age) print(height) print(is_student)Python 是动态类型语言不需要声明变量类型直接赋值即可。上面代码里出现了四种常见数据类型字符串str、整数int、浮点数float、布尔值bool。实际开发中字符串格式化非常常用。推荐使用 f-string在字符串前加f用花括号引用变量name 小明 age 18 print(f我叫{name}今年{age}岁)运行结果我叫小明今年18岁新手最容易踩的坑是类型混淆。比如age 18是字符串age 18是整数两者拼接或运算前需要转换age_str 18 age_int int(age_str) print(age_int 2) # 输出 203.2 列表、字典与控制流程列表和字典是 Python 中最常用的两种容器。列表用方括号表示是有序序列字典用花括号表示是键值对结构# 列表一组有序数据 fruits [苹果, 香蕉, 橘子] print(fruits[0]) # 输出第一个元素苹果 fruits.append(西瓜) # 在末尾添加元素 print(fruits) # 字典键值对数据 person {name: 小红, city: 上海} print(person[name]) # 输出小红 person[age] 20 # 新增键值对 print(person)控制流程中最常用的是if条件和for循环score 85 if score 90: print(优秀) elif score 60: print(及格) else: print(不及格) # for 循环遍历列表 for fruit in [苹果, 香蕉, 橘子]: print(f今天吃{fruit})这里要注意if后面的冒号以及代码块的缩进。Python 用缩进表示代码块层级同一个层级的代码缩进必须一致一般用 4 个空格。缩进错误会直接报IndentationError。3.3 函数与模块函数用def定义作用是“把一段逻辑封装起来方便重复调用”def calc_average(scores): 计算平均分scores 是数字列表 total sum(scores) return total / len(scores) class_scores [88, 92, 79, 85, 91] avg calc_average(class_scores) print(f班级平均分{avg:.2f})运行结果班级平均分87.00格式化输出里的{avg:.2f}表示保留两位小数。sum和len是 Python 的内置函数不需要额外导入。当代码变多时建议把功能拆到不同文件。比如把工具函数保存为utils.py在另一个文件里用import导入# 文件路径utils.py def add(a, b): return a b# 文件路径main.py import utils print(utils.add(3, 5))掌握到这里第 1 小时的基础语法已经够用了。接下来进入第 2 小时用真实数据把语法串起来。4. 文件操作与异常处理进入实战前最后一块拼图4.1 读取和写入文本文件数据分析的第一步往往是读取外部文件。Python 内置了文件读写能力推荐使用with语句它会在代码块结束后自动关闭文件避免资源泄漏# 写入文件 with open(note.txt, w, encodingutf-8) as f: f.write(第一行内容\n) f.write(第二行内容\n) # 读取文件 with open(note.txt, r, encodingutf-8) as f: content f.read() print(content)open的第二个参数是模式w表示写入会覆盖原文件r表示读取a表示追加。第三个参数encodingutf-8非常重要如果不指定Windows 系统在处理中文时容易出现乱码。日常开发里大多数时候我们读的是 CSV 或 Excel 文件。虽然能用纯 Python 的csv模块操作但效率太低。更推荐的做法是直接用下一节的 pandas。4.2 异常处理程序运行难免遇到意外情况比如文件不存在、网络超时、数据格式错误。如果不做处理程序会直接崩溃。用try...except可以捕获异常并给出友好提示try: with open(not_exist.txt, r, encodingutf-8) as f: content f.read() except FileNotFoundError: print(文件不存在请检查路径) except Exception as e: print(f发生了其他错误{e})这里有两个关键点。第一要尽量精确地捕获异常类型比如FileNotFoundError不要什么都用裸except否则真正的逻辑错误会被掩盖。第二不要写空空的except: pass程序会“静默失败”排查问题时非常痛苦。至少应该打印日志或给出提示。5. 数据分析实战pandas 快速上手第 2 小时5.1 安装 pandaspandas 是 Python 数据分析最核心的第三方库提供了类似 Excel 的表格数据结构 DataFrame。安装命令pip install pandas安装完成后可以用一小段代码验证是否成功import pandas as pd print(pd.__version__)只要能输出版本号说明环境正常。接下来我们创建一个模拟的销售数据文件sales.csv日期,商品,分类,销量,单价 2025-01-01,苹果,水果,50,4.5 2025-01-01,香蕉,水果,30,3.2 2025-01-01,牛奶,饮品,20,12.0 2025-01-02,苹果,水果,45,4.5 2025-01-02,牛奶,饮品,35,12.0 2025-01-03,香蕉,水果,40,3.25.2 用 pandas 读取和查看数据import pandas as pd df pd.read_csv(sales.csv, encodingutf-8) print(df.head()) print(df.info())head()默认显示前 5 行info()显示每列的数据类型和非空数量。运行后可以看到 “销量” 和 “单价” 是整数或浮点数说明数据可以被计算。这里需要注意read_csv默认会把第一行当作列名。如果 CSV 没有表头需要加参数headerNone再通过names[列1, 列2]指定列名。这是新手最容易忽略的细节。5.3 数据清洗处理缺失值和重复值真实数据很少是干净的最常见的问题就是缺失值。我们先人为制造一个包含空值的数据场景。pandas 中缺失值会显示为NaN。处理方式有两种# 删除包含缺失值的行 df_clean df.dropna() # 用指定值填充缺失值 df_filled df.fillna(0)选择哪种方式要看业务场景。如果缺失行占比很小直接删除没问题如果缺失值有实际意义比如当天没销量用fillna(0)更合理。重复值处理也很常见df_no_duplicate df.drop_duplicates()默认情况下drop_duplicates会删除所有列都相同的重复行。如果想根据某一列去重可以指定subset[商品]。5.4 分组统计与导出结果数据分析最核心的操作是分组聚合。比如我们想计算每个商品的总销量result df.groupby(商品)[销量].sum() print(result)输出结果商品 苹果 95 牛奶 55 香蕉 70 Name: 销量, dtype: int64groupby(商品)表示按商品分组[销量]表示对销量这一列操作.sum()表示求和。除了sum常用的聚合函数还有mean()平均值、max()最大值、min()最小值、count()计数。还可以同时算多个指标。比如统计每个分类的销量总和与平均单价result df.groupby(分类).agg({ 销量: sum, 单价: mean }).reset_index() print(result)最后把结果导出为 CSV 文件result.to_csv(sales_summary.csv, indexFalse, encodingutf-8-sig)indexFalse表示不导出行索引encodingutf-8-sig是为了让 Excel 能正确识别中文避免打开 CSV 后出现乱码。这一步在实际项目中非常实用。到这里第 2 小时的“数据读取 → 清洗 → 聚合 → 导出”闭环已经跑通。接下来进入第 3 小时学习 Python 爬虫并把前面所有知识综合到一个项目里。6. Python 爬虫入门requests 与数据解析第 3 小时6.1 爬虫是什么必须注意什么爬虫通俗理解就是“用程序自动请求网页并提取信息”。它本质上和浏览器访问网页没有区别都是发送 HTTP 请求、接收 HTML 响应。但正因为自动化爬虫比人工访问频率更高、速度更快所以使用时有几条底线必须遵守只抓取你有权访问、允许抓取的网站或接口。优先遵守目标网站的robots.txt协议。控制请求频率不要并发轰炸避免影响对方服务器。不抓取个人隐私信息抓取到的数据也不得用于违法用途。本文示例使用本地 HTML 文件和一个公开测试接口目的是演示技术原理。你在实际项目中对接任何目标站点前务必确认授权。6.2 requests 基础用法安装 requestspip install requests先看一个最简单的 GET 请求。这里使用 httpbin 提供的测试接口它专门用于 HTTP 请求调试安全性没有问题import requests url https://httpbin.org/get headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) } resp requests.get(url, headersheaders, timeout10) print(resp.status_code) print(resp.text)代码里做了三件很重要的事headers指定User-Agent很多网站会拦截没有浏览器标识的请求加上后更接近真实浏览器访问。timeout10设置超时时间防止请求卡死导致程序无限等待。resp.status_code先判断状态码200 表示请求成功403/404 需要排查原因。为了防止中文乱码可以设置编码方式resp.encoding resp.apparent_encodingapparent_encoding会根据网页内容自动推断编码。这个方法在抓取非 UTF-8 页面时很实用。6.3 解析 HTMLBeautifulSoup 快速上手requests 拿到的是网页源代码通常是 HTML 格式需要解析才能提取想要的内容。推荐使用 BeautifulSoup安装命令pip install beautifulsoup4为了安全演示我们先创建一个本地 HTML 文件books.html!DOCTYPE html html head meta charsetutf-8 title图书列表/title /head body div classbook>from bs4 import BeautifulSoup with open(books.html, r, encodingutf-8) as f: html f.read() soup BeautifulSoup(html, html.parser) for book in soup.select(div.book): title book.select_one(span.title).text price book.select_one(span.price).text category book.get(data-category) print(f{category} | {title} | {price})select使用 CSS 选择器定位元素select_one返回第一个匹配项.text获取标签内文本get(data-category)获取属性值。运行结果Python | Python编程从入门到实践 | 89.0 Python | 流畅的Python | 139.0 数据分析 | 利用Python进行数据分析 | 119.0到这里爬虫的两个核心步骤“发起请求”和“解析内容”你已经掌握了。下一节把它们和 pandas 结合做一个完整的综合案例。7. 综合项目抓取数据并完成分析报告7.1 需求分析我们要做一个“图书价格分析”小项目分为三步读取books.html中的图书信息。用 pandas 计算各分类图书的平均价格。导出统计结果并打印价格最高的图书。这个项目不涉及真实网站请求完全基于本地文件运行适合第一次完整跑通“爬虫 数据分析”链路。7.2 完整代码新建book_analysis.py代码如下# 文件路径book_analysis.py import pandas as pd from bs4 import BeautifulSoup # 第一步解析 HTML提取图书数据 def parse_books(file_path): with open(file_path, r, encodingutf-8) as f: html f.read() soup BeautifulSoup(html, html.parser) books [] for book in soup.select(div.book): title book.select_one(span.title).text price float(book.select_one(span.price).text) category book.get(data-category) books.append({标题: title, 价格: price, 分类: category}) return books # 第二步用 pandas 分析数据 def analyze_books(books): df pd.DataFrame(books) print( 全部图书 ) print(df) avg_price df.groupby(分类)[价格].mean().reset_index() print(\n 各分类平均价格 ) print(avg_price) max_book df.loc[df[价格].idxmax()] print(f\n价格最高的图书{max_book[标题]}价格 {max_book[价格]}) return avg_price # 第三步导出结果 def export_result(avg_price): avg_price.to_csv(book_price_summary.csv, indexFalse, encodingutf-8-sig) print(\n统计结果已导出到 book_price_summary.csv) if __name__ __main__: book_list parse_books(books.html) result analyze_books(book_list) export_result(result)代码里使用了函数拆分每个函数只负责一个环节这样后续修改和排查都很方便。if __name__ __main__:的作用是只有直接运行这个文件时才执行主逻辑被其他文件导入时不会重复执行。7.3 运行与结果说明在命令行执行python book_analysis.py预期输出 全部图书 标题 价格 分类 0 Python编程从入门到实践 89.0 Python 1 流畅的Python 139.0 Python 2 利用Python进行数据分析 119.0 数据分析 各分类平均价格 分类 价格 0 Python 114.0 1 数据分析 119.0 价格最高的图书流畅的Python价格 139.0 统计结果已导出到 book_price_summary.csv到这里你已经用三个小时完成了“环境搭建 → 基础语法 → 文件操作 → 数据分析 → 爬虫解析 → 综合项目”的完整闭环。所有代码加起来不到 80 行却涉及了日常 Python 开发中最常用的知识。8. 常见问题与排查思路新手在实际运行中会遇到不少报错下面按出现频率整理成表格你可以直接对照排查。问题现象常见原因解决思路ModuleNotFoundError: No module named pandas对应库未安装或安装到了其他 Python 环境执行pip install pandas确认当前解释器环境pip 不是内部或外部命令安装 Python 时未勾选 Add to PATH重新安装并勾选 PATH或用python -m pip读取文件出现中文乱码文件编码与打开编码不一致统一使用encodingutf-8或utf-8-sig导出的 CSV 用 Excel 打开乱码UTF-8 编码 Excel 识别问题导出时使用encodingutf-8-sigIndentationError: unexpected indent代码缩进不一致统一使用 4 个空格不要混用 Tab 和空格requests 返回 403目标网站拦截了无浏览器标识的请求添加合法的User-Agent并确认有抓取授权请求一直不返回、程序卡死未设置超时时间所有请求加上timeout参数HTML 解析结果为空选择器写错或网页内容由 JS 动态渲染先打印resp.text确认内容再调整选择器两个 Python 环境装的库不一致系统存在多个解释器使用虚拟环境隔离项目依赖遇到报错时优先看最底部一行异常信息它往往直接指出问题行和错误类型。复制异常信息到搜索引擎通常能找到现成答案。但注意一定要结合自己的代码上下文理解不要无脑照搬。9. 最佳实践与工程建议9.1 项目环境隔离不要在全局环境里安装所有依赖。推荐每个项目使用独立的虚拟环境避免不同项目依赖版本冲突。Python 3.3 以上可以用内置的venvpython -m venv venv # Windows 激活 venv\Scripts\activate # macOS/Linux 激活 source venv/bin/activate激活后再执行pip install所有依赖都会装到当前项目的虚拟环境中。配合pip freeze requirements.txt可以把依赖列表导出换机器时用pip install -r requirements.txt一键恢复。9.2 代码可读性优先脚本代码要遵循几个基本规范变量名使用小写加下划线例如avg_price不要用a、b、tmp这种无意义命名。函数职责单一一个函数只做一件事。复杂逻辑要写注释解释“为什么这么做”而不是重复描述代码本身。文件路径尽量不要写死优先使用pathlib或相对路径方便迁移。from pathlib import Path data_path Path(data) / sales.csv这样在 Windows 和 macOS/Linux 上都不会出现路径分隔符问题。9.3 异常处理与日志生产环境的脚本不能裸奔。除了用try...except捕获异常还建议使用 Python 内置的logging模块记录运行日志而不是到处写print。import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logging.info(开始读取数据) logging.error(数据读取失败)日志会带上时间戳和级别排查问题比看无格式的print输出高效得多。尤其是定时任务脚本日志几乎是唯一能证明“它到底跑没跑成功”的依据。9.4 数据分析的性能细节pandas 处理中等规模数据时尽量使用向量化操作避免用for循环逐行遍历。比如要把某一列的数值统一乘以 1.1直接写df[价格] df[价格] * 1.1这比写循环快几个数量级代码也更简洁。另一个常见坑是对 DataFrame 做筛选时防止“链式赋值”警告。推荐始终使用.loc进行条件赋值df.loc[df[销量] 50, 是否热卖] 是这样既清楚又不会出现 pandas 的SettingWithCopyWarning。9.5 爬虫的工程边界爬虫代码要注意数据合法性和目标网站的压力。生产环境中应该做到请求间隔至少 1 秒以上设置重试机制失败后指数退避数据落地前确认用途合规不要绕过反爬机制去抓取未经授权的数据。遵守规则技术才能长期可靠地服务于业务。10. 下一步学习路线与总结经过这三小时你已经掌握了 Python 学习的最小闭环基础语法、文件读写、异常处理、pandas 数据分析和 requests 爬虫。接下来可以根据自己的目标选择方向。如果主攻数据分析下一步学习 NumPy、Matplotlib、数据可视化以及 SQL 查询。如果主攻爬虫可以深入学习 Scrapy 框架、异步请求、页面渲染分析和数据存储。如果想把脚本交付给同事使用可以学习 PyInstaller把.py打包成可执行文件。给新手两个实用建议先从“解决一个具体小问题”开始比如自动汇总 Excel 表格、批量重命名文件。带着需求学比刷教程效率高得多。建立自己的代码片段库把常用函数、常用写法保存下来下次直接复用。编程能力不是背出来的是“写得多 改得多”练出来的。第一次完整跑通“爬虫 数据分析”项目时那种自己写的代码真的产出结果的感觉是看多少视频都体会不到的。建议你立刻照着本文第 7 节的代码敲一遍哪怕只是改几个字段名也算真正上手了。如果过程中遇到报错再回到第 8 节对照排查。收藏这篇教程它就是你的第一份 Python 实践地图。
很多零基础的朋友来问我的第一句话往往是“Python 到底怎么学”“学多久才能干活”。我的回答一直很直接如果目标不是研究底层算法而是用 Python 解决日常数据处理、自动化脚本、网页信息采集这些实际需求三小时足够把核心知识串成一条完整的链路。这套教程就是按“3 小时”来设计的第 1 小时完成环境安装和基础语法第 2 小时学会文件操作与 pandas 数据分析第 3 小时上手 requests 爬虫并做一个“抓取数据 → 清洗分析 → 输出报表”的完整小项目。学完之后你不仅能看懂网上绝大多数入门代码还能照着写一个属于自己的自动化脚本。适合的读者有三类完全零基础还没安装过 Python 的人。看过一些语法教程但不知道如何把“读数据 → 处理数据 → 输出结果”串起来的人。想入门数据分析或 Python 爬虫却被网上零散教程劝退的开发者。下面我们直接开始。1. Python 是什么先理解再动手1.1 Python 能解决什么问题Python 是一种解释型、面向对象的高级编程语言。所谓“解释型”简单说就是代码写完后不需要像 C、Java 那样先编译成机器码而是由 Python 解释器边读边执行。这个特点让 Python 的上手门槛非常低写几行代码保存成.py文件运行一下就能看到结果。它解决的核心问题是“开发效率”。同样的功能用 C 或 Java 可能要写几十行用 Python 往往十几行就能完成。尤其是数据清洗、统计分析、网页数据抓取这些场景Python 都有非常成熟的第三方库比如 pandas、requests、BeautifulSoup、Matplotlib。这也是为什么 Python 能同时出现在数据分析、爬虫、自动化测试、人工智能等多个领域。初学者最容易混淆的一个概念是“Python 和 Anaconda 的区别”。简单理解Python 是语言本身Anaconda 是一个打包了 Python 解释器和大量科学计算库的发行版。如果你只做日常脚本和爬虫安装官方 Python 就够了如果以后主攻数据分析直接用 Anaconda 会更省事。本文统一使用官方 Python pip 安装依赖库的方式。1.2 三小时学习路线图三小时不能贪多要围绕“能跑出结果”来安排时间学习内容核心产出第 1 小时环境安装、基础语法、函数能独立运行第一个 Python 脚本第 2 小时文件操作、pandas 数据分析能读取 CSV/Excel 并完成清洗统计第 3 小时requests 爬虫、综合项目能抓取授权页面并输出分析报告这里需要提醒一点三小时掌握的是“最小可用闭环”而不是“精通”。遇到不懂的语法不要卡住先照着写、跑通、看结果再回头理解细节。编程是熟练工先动手比先啃理论重要得多。2. 环境准备安装 Python 与配置开发工具2.1 安装 Python 解释器打开 Python 官方下载页面选择适合你操作系统的版本。Windows 用户下载安装包后有一个非常关键的步骤安装界面第一页一定要勾选“Add Python to PATH”否则后面在命令行里执行python会提示找不到命令。安装完成后打开命令行工具Windows 的 CMD 或 PowerShellmacOS 的 Terminal输入python --version如果输出类似Python 3.x.x说明安装成功。这里不写死具体版本因为 Python 3 的 3.8、3.9、3.10、3.11、3.12 在基础语法层面差异不大本文示例在 3.x 高版本环境下都可以运行。如果你的电脑同时装了多个 Python 版本建议用python3或通过虚拟环境区分。macOS 和 Linux 用户通常在系统中自带 Python 3终端输入python3 --version验证即可。如果没有macOS 可以用 Homebrew 安装Linux 可以用系统包管理器安装。2.2 选择开发工具对于新手我推荐两种方式第一种是 VS Code。安装 VS Code 后在扩展商店搜索 “Python”安装微软官方发布的 Python 扩展。然后打开一个文件夹新建hello.py文件右下角或命令面板里选择 Python 解释器就可以直接点击右上角的运行按钮执行脚本了。第二种是 Jupyter Notebook。如果是纯数据分析方向Jupyter 的“单元格”交互方式更适合逐步调试。安装方式很简单pip install jupyter然后在终端执行jupyter notebook浏览器会自动打开一个交互式编程界面。这里涉及一个最基础的包管理命令pip。pip 是 Python 的第三方库安装工具后面所有依赖库都靠它安装。如果你的pip命令提示不存在先检查安装 Python 时是否勾选了 PATH或者改用python -m pip形式执行。3. Python 基础语法速通第 1 小时3.1 变量、数据类型与字符串格式化先看一个最简单的程序。新建hello.py写入以下内容# 文件路径hello.py name 小明 age 18 height 1.75 is_student True print(name) print(age) print(height) print(is_student)Python 是动态类型语言不需要声明变量类型直接赋值即可。上面代码里出现了四种常见数据类型字符串str、整数int、浮点数float、布尔值bool。实际开发中字符串格式化非常常用。推荐使用 f-string在字符串前加f用花括号引用变量name 小明 age 18 print(f我叫{name}今年{age}岁)运行结果我叫小明今年18岁新手最容易踩的坑是类型混淆。比如age 18是字符串age 18是整数两者拼接或运算前需要转换age_str 18 age_int int(age_str) print(age_int 2) # 输出 203.2 列表、字典与控制流程列表和字典是 Python 中最常用的两种容器。列表用方括号表示是有序序列字典用花括号表示是键值对结构# 列表一组有序数据 fruits [苹果, 香蕉, 橘子] print(fruits[0]) # 输出第一个元素苹果 fruits.append(西瓜) # 在末尾添加元素 print(fruits) # 字典键值对数据 person {name: 小红, city: 上海} print(person[name]) # 输出小红 person[age] 20 # 新增键值对 print(person)控制流程中最常用的是if条件和for循环score 85 if score 90: print(优秀) elif score 60: print(及格) else: print(不及格) # for 循环遍历列表 for fruit in [苹果, 香蕉, 橘子]: print(f今天吃{fruit})这里要注意if后面的冒号以及代码块的缩进。Python 用缩进表示代码块层级同一个层级的代码缩进必须一致一般用 4 个空格。缩进错误会直接报IndentationError。3.3 函数与模块函数用def定义作用是“把一段逻辑封装起来方便重复调用”def calc_average(scores): 计算平均分scores 是数字列表 total sum(scores) return total / len(scores) class_scores [88, 92, 79, 85, 91] avg calc_average(class_scores) print(f班级平均分{avg:.2f})运行结果班级平均分87.00格式化输出里的{avg:.2f}表示保留两位小数。sum和len是 Python 的内置函数不需要额外导入。当代码变多时建议把功能拆到不同文件。比如把工具函数保存为utils.py在另一个文件里用import导入# 文件路径utils.py def add(a, b): return a b# 文件路径main.py import utils print(utils.add(3, 5))掌握到这里第 1 小时的基础语法已经够用了。接下来进入第 2 小时用真实数据把语法串起来。4. 文件操作与异常处理进入实战前最后一块拼图4.1 读取和写入文本文件数据分析的第一步往往是读取外部文件。Python 内置了文件读写能力推荐使用with语句它会在代码块结束后自动关闭文件避免资源泄漏# 写入文件 with open(note.txt, w, encodingutf-8) as f: f.write(第一行内容\n) f.write(第二行内容\n) # 读取文件 with open(note.txt, r, encodingutf-8) as f: content f.read() print(content)open的第二个参数是模式w表示写入会覆盖原文件r表示读取a表示追加。第三个参数encodingutf-8非常重要如果不指定Windows 系统在处理中文时容易出现乱码。日常开发里大多数时候我们读的是 CSV 或 Excel 文件。虽然能用纯 Python 的csv模块操作但效率太低。更推荐的做法是直接用下一节的 pandas。4.2 异常处理程序运行难免遇到意外情况比如文件不存在、网络超时、数据格式错误。如果不做处理程序会直接崩溃。用try...except可以捕获异常并给出友好提示try: with open(not_exist.txt, r, encodingutf-8) as f: content f.read() except FileNotFoundError: print(文件不存在请检查路径) except Exception as e: print(f发生了其他错误{e})这里有两个关键点。第一要尽量精确地捕获异常类型比如FileNotFoundError不要什么都用裸except否则真正的逻辑错误会被掩盖。第二不要写空空的except: pass程序会“静默失败”排查问题时非常痛苦。至少应该打印日志或给出提示。5. 数据分析实战pandas 快速上手第 2 小时5.1 安装 pandaspandas 是 Python 数据分析最核心的第三方库提供了类似 Excel 的表格数据结构 DataFrame。安装命令pip install pandas安装完成后可以用一小段代码验证是否成功import pandas as pd print(pd.__version__)只要能输出版本号说明环境正常。接下来我们创建一个模拟的销售数据文件sales.csv日期,商品,分类,销量,单价 2025-01-01,苹果,水果,50,4.5 2025-01-01,香蕉,水果,30,3.2 2025-01-01,牛奶,饮品,20,12.0 2025-01-02,苹果,水果,45,4.5 2025-01-02,牛奶,饮品,35,12.0 2025-01-03,香蕉,水果,40,3.25.2 用 pandas 读取和查看数据import pandas as pd df pd.read_csv(sales.csv, encodingutf-8) print(df.head()) print(df.info())head()默认显示前 5 行info()显示每列的数据类型和非空数量。运行后可以看到 “销量” 和 “单价” 是整数或浮点数说明数据可以被计算。这里需要注意read_csv默认会把第一行当作列名。如果 CSV 没有表头需要加参数headerNone再通过names[列1, 列2]指定列名。这是新手最容易忽略的细节。5.3 数据清洗处理缺失值和重复值真实数据很少是干净的最常见的问题就是缺失值。我们先人为制造一个包含空值的数据场景。pandas 中缺失值会显示为NaN。处理方式有两种# 删除包含缺失值的行 df_clean df.dropna() # 用指定值填充缺失值 df_filled df.fillna(0)选择哪种方式要看业务场景。如果缺失行占比很小直接删除没问题如果缺失值有实际意义比如当天没销量用fillna(0)更合理。重复值处理也很常见df_no_duplicate df.drop_duplicates()默认情况下drop_duplicates会删除所有列都相同的重复行。如果想根据某一列去重可以指定subset[商品]。5.4 分组统计与导出结果数据分析最核心的操作是分组聚合。比如我们想计算每个商品的总销量result df.groupby(商品)[销量].sum() print(result)输出结果商品 苹果 95 牛奶 55 香蕉 70 Name: 销量, dtype: int64groupby(商品)表示按商品分组[销量]表示对销量这一列操作.sum()表示求和。除了sum常用的聚合函数还有mean()平均值、max()最大值、min()最小值、count()计数。还可以同时算多个指标。比如统计每个分类的销量总和与平均单价result df.groupby(分类).agg({ 销量: sum, 单价: mean }).reset_index() print(result)最后把结果导出为 CSV 文件result.to_csv(sales_summary.csv, indexFalse, encodingutf-8-sig)indexFalse表示不导出行索引encodingutf-8-sig是为了让 Excel 能正确识别中文避免打开 CSV 后出现乱码。这一步在实际项目中非常实用。到这里第 2 小时的“数据读取 → 清洗 → 聚合 → 导出”闭环已经跑通。接下来进入第 3 小时学习 Python 爬虫并把前面所有知识综合到一个项目里。6. Python 爬虫入门requests 与数据解析第 3 小时6.1 爬虫是什么必须注意什么爬虫通俗理解就是“用程序自动请求网页并提取信息”。它本质上和浏览器访问网页没有区别都是发送 HTTP 请求、接收 HTML 响应。但正因为自动化爬虫比人工访问频率更高、速度更快所以使用时有几条底线必须遵守只抓取你有权访问、允许抓取的网站或接口。优先遵守目标网站的robots.txt协议。控制请求频率不要并发轰炸避免影响对方服务器。不抓取个人隐私信息抓取到的数据也不得用于违法用途。本文示例使用本地 HTML 文件和一个公开测试接口目的是演示技术原理。你在实际项目中对接任何目标站点前务必确认授权。6.2 requests 基础用法安装 requestspip install requests先看一个最简单的 GET 请求。这里使用 httpbin 提供的测试接口它专门用于 HTTP 请求调试安全性没有问题import requests url https://httpbin.org/get headers { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) } resp requests.get(url, headersheaders, timeout10) print(resp.status_code) print(resp.text)代码里做了三件很重要的事headers指定User-Agent很多网站会拦截没有浏览器标识的请求加上后更接近真实浏览器访问。timeout10设置超时时间防止请求卡死导致程序无限等待。resp.status_code先判断状态码200 表示请求成功403/404 需要排查原因。为了防止中文乱码可以设置编码方式resp.encoding resp.apparent_encodingapparent_encoding会根据网页内容自动推断编码。这个方法在抓取非 UTF-8 页面时很实用。6.3 解析 HTMLBeautifulSoup 快速上手requests 拿到的是网页源代码通常是 HTML 格式需要解析才能提取想要的内容。推荐使用 BeautifulSoup安装命令pip install beautifulsoup4为了安全演示我们先创建一个本地 HTML 文件books.html!DOCTYPE html html head meta charsetutf-8 title图书列表/title /head body div classbook>from bs4 import BeautifulSoup with open(books.html, r, encodingutf-8) as f: html f.read() soup BeautifulSoup(html, html.parser) for book in soup.select(div.book): title book.select_one(span.title).text price book.select_one(span.price).text category book.get(data-category) print(f{category} | {title} | {price})select使用 CSS 选择器定位元素select_one返回第一个匹配项.text获取标签内文本get(data-category)获取属性值。运行结果Python | Python编程从入门到实践 | 89.0 Python | 流畅的Python | 139.0 数据分析 | 利用Python进行数据分析 | 119.0到这里爬虫的两个核心步骤“发起请求”和“解析内容”你已经掌握了。下一节把它们和 pandas 结合做一个完整的综合案例。7. 综合项目抓取数据并完成分析报告7.1 需求分析我们要做一个“图书价格分析”小项目分为三步读取books.html中的图书信息。用 pandas 计算各分类图书的平均价格。导出统计结果并打印价格最高的图书。这个项目不涉及真实网站请求完全基于本地文件运行适合第一次完整跑通“爬虫 数据分析”链路。7.2 完整代码新建book_analysis.py代码如下# 文件路径book_analysis.py import pandas as pd from bs4 import BeautifulSoup # 第一步解析 HTML提取图书数据 def parse_books(file_path): with open(file_path, r, encodingutf-8) as f: html f.read() soup BeautifulSoup(html, html.parser) books [] for book in soup.select(div.book): title book.select_one(span.title).text price float(book.select_one(span.price).text) category book.get(data-category) books.append({标题: title, 价格: price, 分类: category}) return books # 第二步用 pandas 分析数据 def analyze_books(books): df pd.DataFrame(books) print( 全部图书 ) print(df) avg_price df.groupby(分类)[价格].mean().reset_index() print(\n 各分类平均价格 ) print(avg_price) max_book df.loc[df[价格].idxmax()] print(f\n价格最高的图书{max_book[标题]}价格 {max_book[价格]}) return avg_price # 第三步导出结果 def export_result(avg_price): avg_price.to_csv(book_price_summary.csv, indexFalse, encodingutf-8-sig) print(\n统计结果已导出到 book_price_summary.csv) if __name__ __main__: book_list parse_books(books.html) result analyze_books(book_list) export_result(result)代码里使用了函数拆分每个函数只负责一个环节这样后续修改和排查都很方便。if __name__ __main__:的作用是只有直接运行这个文件时才执行主逻辑被其他文件导入时不会重复执行。7.3 运行与结果说明在命令行执行python book_analysis.py预期输出 全部图书 标题 价格 分类 0 Python编程从入门到实践 89.0 Python 1 流畅的Python 139.0 Python 2 利用Python进行数据分析 119.0 数据分析 各分类平均价格 分类 价格 0 Python 114.0 1 数据分析 119.0 价格最高的图书流畅的Python价格 139.0 统计结果已导出到 book_price_summary.csv到这里你已经用三个小时完成了“环境搭建 → 基础语法 → 文件操作 → 数据分析 → 爬虫解析 → 综合项目”的完整闭环。所有代码加起来不到 80 行却涉及了日常 Python 开发中最常用的知识。8. 常见问题与排查思路新手在实际运行中会遇到不少报错下面按出现频率整理成表格你可以直接对照排查。问题现象常见原因解决思路ModuleNotFoundError: No module named pandas对应库未安装或安装到了其他 Python 环境执行pip install pandas确认当前解释器环境pip 不是内部或外部命令安装 Python 时未勾选 Add to PATH重新安装并勾选 PATH或用python -m pip读取文件出现中文乱码文件编码与打开编码不一致统一使用encodingutf-8或utf-8-sig导出的 CSV 用 Excel 打开乱码UTF-8 编码 Excel 识别问题导出时使用encodingutf-8-sigIndentationError: unexpected indent代码缩进不一致统一使用 4 个空格不要混用 Tab 和空格requests 返回 403目标网站拦截了无浏览器标识的请求添加合法的User-Agent并确认有抓取授权请求一直不返回、程序卡死未设置超时时间所有请求加上timeout参数HTML 解析结果为空选择器写错或网页内容由 JS 动态渲染先打印resp.text确认内容再调整选择器两个 Python 环境装的库不一致系统存在多个解释器使用虚拟环境隔离项目依赖遇到报错时优先看最底部一行异常信息它往往直接指出问题行和错误类型。复制异常信息到搜索引擎通常能找到现成答案。但注意一定要结合自己的代码上下文理解不要无脑照搬。9. 最佳实践与工程建议9.1 项目环境隔离不要在全局环境里安装所有依赖。推荐每个项目使用独立的虚拟环境避免不同项目依赖版本冲突。Python 3.3 以上可以用内置的venvpython -m venv venv # Windows 激活 venv\Scripts\activate # macOS/Linux 激活 source venv/bin/activate激活后再执行pip install所有依赖都会装到当前项目的虚拟环境中。配合pip freeze requirements.txt可以把依赖列表导出换机器时用pip install -r requirements.txt一键恢复。9.2 代码可读性优先脚本代码要遵循几个基本规范变量名使用小写加下划线例如avg_price不要用a、b、tmp这种无意义命名。函数职责单一一个函数只做一件事。复杂逻辑要写注释解释“为什么这么做”而不是重复描述代码本身。文件路径尽量不要写死优先使用pathlib或相对路径方便迁移。from pathlib import Path data_path Path(data) / sales.csv这样在 Windows 和 macOS/Linux 上都不会出现路径分隔符问题。9.3 异常处理与日志生产环境的脚本不能裸奔。除了用try...except捕获异常还建议使用 Python 内置的logging模块记录运行日志而不是到处写print。import logging logging.basicConfig(levellogging.INFO, format%(asctime)s - %(levelname)s - %(message)s) logging.info(开始读取数据) logging.error(数据读取失败)日志会带上时间戳和级别排查问题比看无格式的print输出高效得多。尤其是定时任务脚本日志几乎是唯一能证明“它到底跑没跑成功”的依据。9.4 数据分析的性能细节pandas 处理中等规模数据时尽量使用向量化操作避免用for循环逐行遍历。比如要把某一列的数值统一乘以 1.1直接写df[价格] df[价格] * 1.1这比写循环快几个数量级代码也更简洁。另一个常见坑是对 DataFrame 做筛选时防止“链式赋值”警告。推荐始终使用.loc进行条件赋值df.loc[df[销量] 50, 是否热卖] 是这样既清楚又不会出现 pandas 的SettingWithCopyWarning。9.5 爬虫的工程边界爬虫代码要注意数据合法性和目标网站的压力。生产环境中应该做到请求间隔至少 1 秒以上设置重试机制失败后指数退避数据落地前确认用途合规不要绕过反爬机制去抓取未经授权的数据。遵守规则技术才能长期可靠地服务于业务。10. 下一步学习路线与总结经过这三小时你已经掌握了 Python 学习的最小闭环基础语法、文件读写、异常处理、pandas 数据分析和 requests 爬虫。接下来可以根据自己的目标选择方向。如果主攻数据分析下一步学习 NumPy、Matplotlib、数据可视化以及 SQL 查询。如果主攻爬虫可以深入学习 Scrapy 框架、异步请求、页面渲染分析和数据存储。如果想把脚本交付给同事使用可以学习 PyInstaller把.py打包成可执行文件。给新手两个实用建议先从“解决一个具体小问题”开始比如自动汇总 Excel 表格、批量重命名文件。带着需求学比刷教程效率高得多。建立自己的代码片段库把常用函数、常用写法保存下来下次直接复用。编程能力不是背出来的是“写得多 改得多”练出来的。第一次完整跑通“爬虫 数据分析”项目时那种自己写的代码真的产出结果的感觉是看多少视频都体会不到的。建议你立刻照着本文第 7 节的代码敲一遍哪怕只是改几个字段名也算真正上手了。如果过程中遇到报错再回到第 8 节对照排查。收藏这篇教程它就是你的第一份 Python 实践地图。
