一、基础语法（50 个）1. Python 标识符命名规则（字母、数字、下划线，不能以数字开头，区分大小写）
2. 关键字（ if / else / for / while / def / class 等 35 个，不可作为标识符）
3. 行与缩进规则（缩进代表代码块，常用 4 个空格，禁止混用空格与制表符）
4. 多行语句连接符 \ （换行时使用，括号内可省略）
5. 单行注释 # 与多行注释 ''' / """
6. 变量声明与赋值（动态类型，无需指定类型，如 a = 10 ）
7. 多变量赋值（ a, b = 1, 2 ； a = b = 3 ）
8. 基本数据类型： int （整数）、 float （浮点数）、 str （字符串）、 bool （布尔值）
9. 类型转换函数： int() / float() / str() / bool()
10. 数值运算： + / - / * / / （真除法）、 // （整数除法）、 % （取模）、 ** （幂运算）
11. 赋值运算符： += / -= / *= / /= / //= / %=
12. 比较运算符： == / != / > / < / >= / <= （返回布尔值）
13. 逻辑运算符： and / or / not （短路求值特性）
14. 成员运算符： in / not in （判断元素是否在序列中）
15. 身份运算符： is / is not （判断是否指向同一内存地址，对比 == ）
16. if-elif-else 条件语句（支持三元表达式： a if condition else b ）
17. while 循环（基础循环结构，配合 break / continue ）
18. while-else 结构（循环正常结束时执行 else 块）
19. for 循环（遍历序列/可迭代对象， for i in range(n) 常用）
20. for-else 结构（同 while-else ）
21. range() 函数（生成整数序列， range(start, end, step) ）
22. break 语句（终止当前循环）
23. continue 语句（跳过当前循环剩余语句，进入下一轮）
24. 字符串单引号/双引号/三引号定义方式
25. 字符串索引（正向索引从 0 开始，反向索引从 -1 开始）
26. 字符串切片（ s[start:end:step] ，左闭右开，支持负步长）
27. 字符串拼接： + 运算符、 join() 方法
28. 字符串重复： * 运算符（如 'a'*3 → 'aaa' ）
29. 字符串常用方法： len() （长度）、 strip() （去首尾空格）、 split() （分割）、 replace() （替换）
30. 字符串格式化： % 占位符、 str.format() 、f-string（Python 3.6+ 推荐）
31. 布尔值 True / False （对应 1/0，可参与数值运算）
32. None 类型（空值，与 0/''/[] 不同）
33. 转义字符： \n （换行）、 \t （制表符）、 \\ （反斜杠）、 \" （双引号）
34. 原始字符串： r'字符串' （忽略转义字符，常用于正则/路径）
35. 输入输出： input() （接收用户输入，返回字符串）、 print() （输出， end / sep 参数）
36. 算术运算优先级（括号 > 幂运算 > 乘除 > 加减）
37. 位运算符： & （按位与）、 | （按位或）、 ^ （按位异或）、 ~ （按位取反）、 << （左移）、 >> （右移）
38. 运算符优先级与结合性（如赋值运算符右结合）
39. 变量的作用域（局部/全局，初步认知）
40. 数字的进制表示：二进制 0b 、八进制 0o 、十六进制 0x
41. round() 函数（四舍五入， round(2.5) → 2 ， round(3.5) → 4 ）
42. abs() 函数（绝对值）
43. max() / min() 函数（取最大/最小值）
44. sum() 函数（求和，可迭代对象）
45. 字符串的不可变性（不能直接修改字符，需生成新字符串）
46. type() 函数（返回对象类型）
47. isinstance() 函数（判断对象是否为指定类型/子类实例）
48. 注释的规范（代码解释、TODO 标记等）
49. 代码换行的规范（括号内自动换行，避免行过长）
50. Python 的交互模式与脚本模式（ python 命令行 vs .py 文件）二、核心数据结构（80 个）（一）列表 list （30 个）1. 列表定义： [] 或 list() ，元素可重复、可异构（不同类型）
2. 列表索引（同字符串，正向/反向）
3. 列表切片（同字符串，支持步长，返回新列表）
4. 列表元素赋值（ lst[0] = 10 ，可变特性）
5. 列表追加元素： append() （末尾追加单个元素）
6. 列表插入元素： insert(index, value) （指定位置插入）
7. 列表扩展元素： extend() （追加可迭代对象，对比 append() ）
8. 列表删除元素： del lst[index] （按索引删除）
9. 列表删除元素： pop() （默认末尾，返回元素；可指定索引）
10. 列表删除元素： remove(value) （删除第一个匹配值，无则报错）
11. 列表清空： clear() （清空所有元素，保留列表对象）
12. 列表元素查找： index(value) （返回第一个匹配值的索引，无则报错）
13. 列表元素计数： count(value) （统计元素出现次数）
14. 列表排序： sort() （原地排序， reverse 参数控制升序/降序）
15. 列表排序： sorted() （返回新列表，不修改原列表）
16. 列表反转： reverse() （原地反转）
17. 列表反转：切片 [::-1] （返回新列表）
18. 列表长度： len(lst)
19. 列表拼接： + 运算符（返回新列表）、 extend() （原地修改）
20. 列表重复： * 运算符（返回新列表）
21. 列表的成员判断： in / not in
22. 列表推导式基础： [expr for item in iterable]
23. 列表推导式条件过滤： [expr for item in iterable if condition]
24. 列表推导式嵌套循环： [expr for i in iter1 for j in iter2]
25. 列表的浅拷贝： lst.copy() 、切片 lst[:] （仅拷贝第一层）
26. 列表的深拷贝： copy.deepcopy() （拷贝所有嵌套层级）
27. 列表作为栈（后进先出）： append() 入栈， pop() 出栈
28. 列表作为队列（先进先出）：配合 collections.deque 更高效
29. 列表的遍历： for item in lst 、 for index, item in enumerate(lst)
30. 列表的嵌套（二维列表，如 [[1,2],[3,4]] ）（二）元组 tuple （20 个）1. 元组定义： () 或 tuple() ，单个元素需加逗号（ (1,) ）
2. 元组的不可变性（元素不可修改，但若元素是可变对象可修改其内部）
3. 元组索引（同列表/字符串）
4. 元组切片（同列表/字符串）
5. 元组的长度： len(tpl)
6. 元组的成员判断： in / not in
7. 元组的拼接： + 运算符
8. 元组的重复： * 运算符
9. 元组的元素查找： index(value)
10. 元组的元素计数： count(value)
11. 元组的拆包： a, b = (1, 2) 、 *a, b = (1,2,3) （Python 3+）
12. 元组的打包： tpl = 1, 2, 3 （省略括号）
13. 元组推导式：生成的是生成器对象，需 tuple() 转换
14. 元组作为函数参数（不可变，适合传参保护）
15. 元组作为函数返回值（可返回多个值）
16. 元组的遍历：同列表
17. 元组的嵌套（二维元组）
18. 元组与列表的转换： list(tpl) / tuple(lst)
19. 元组的哈希性（可作为字典的键、集合的元素）
20. 元组的内存优势（比列表更节省内存）（三）字典 dict （20 个）1. 字典定义： {key: value} 或 dict() ，键唯一且不可变（字符串/数字/元组）
2. 字典的键值对访问： d[key] （键不存在报错）、 d.get(key) （返回 None 或默认值）
3. 字典的键值对赋值： d[key] = value （新增或修改）
4. 字典的键值对删除： del d[key] 、 d.pop(key) （返回值，键不存在可指定默认值）
5. 字典的弹出随机键值对： d.popitem() （Python 3.7+ 按插入顺序弹出）
6. 字典的清空： d.clear()
7. 字典的键遍历： for key in d 、 d.keys()
8. 字典的值遍历： d.values()
9. 字典的键值对遍历： d.items()
10. 字典的成员判断： in / not in （判断的是键）
11. 字典的长度： len(d)
12. 字典推导式基础： {k: v for k, v in iterable}
13. 字典推导式条件过滤： {k: v for k, v in d.items() if condition}
14. 字典的合并： d1.update(d2) （原地合并）、 {**d1, **d2} （返回新字典，Python 3.5+）
15. 字典的默认值设置： d.setdefault(key, default) （键不存在则新增）
16. collections.defaultdict （指定默认值类型的字典，如 defaultdict(list) ）
17. collections.OrderedDict （Python 3.7+ 字典默认有序，此类型用于兼容旧版本）
18. 字典的浅拷贝与深拷贝（同列表）
19. 字典的键不可变性（不能用列表/字典作为键）
20. 字典与 JSON 的转换（ json.dumps() / json.loads() ）（四）集合 set （10 个）1. 集合定义： {} （非空）或 set() ，元素唯一且不可变，无序
2. 集合的去重特性（将列表/元组转集合自动去重）
3. 集合的添加元素： add() （单个元素）、 update() （可迭代对象）
4. 集合的删除元素： remove() （元素不存在报错）、 discard() （元素不存在不报错）
5. 集合的弹出元素： pop() （随机弹出，无序性）
6. 集合的清空： clear()
7. 集合的数学运算：交集 & / intersection() 、并集 | / union() 、差集 - / difference() 、对称差集 ^ / symmetric_difference()
8. 集合的子集/超集判断： <= / issubset() 、 >= / issuperset()
9. 集合推导式： {expr for item in iterable if condition}
10. 集合的遍历（无序，每次遍历顺序可能不同）三、函数与面向对象（120 个）（一）函数基础（50 个）1. 函数定义： def 函数名(参数): + 缩进代码块 + return
2. 函数调用： 函数名(参数)
3. 函数的参数：位置参数（按顺序传递）
4. 函数的参数：关键字参数（按名称传递，可打乱顺序）
5. 函数的参数：默认参数（ def func(a=10): ，需放在位置参数后）
6. 函数的参数：可变长度参数 *args （接收多个位置参数，打包为元组）
7. 函数的参数：可变长度参数 **kwargs （接收多个关键字参数，打包为字典）
8. 函数的参数解包： * 解包列表/元组， ** 解包字典
9. 函数的返回值： return 可返回单个值、多个值（自动打包为元组）
10. 无 return 语句的函数返回 None
11. 函数的文档字符串： """函数说明""" ，通过 __doc__ 或 help() 查看
12. 函数的作用域：局部作用域（函数内）、全局作用域（模块内）
13. global 关键字（在函数内修改全局变量）
14. nonlocal 关键字（在嵌套函数内修改外层函数的局部变量）
15. 局部变量与全局变量的命名冲突（优先使用局部变量）
16. 函数的嵌套定义（内部函数可访问外层函数的变量）
17. 闭包（嵌套函数返回内部函数，且内部函数引用外层函数的变量）
18. 装饰器基础（无参装饰器： def decorator(func): def wrapper(*args, **kwargs): ... return wrapper ）
19. 装饰器的 @ 语法糖（ @decorator 放在函数定义上）
20. 带参装饰器（嵌套两层装饰器函数，接收装饰器参数）
21. 装饰器的叠加（多个 @ 装饰器，从下往上执行）
22. functools.wraps （保留被装饰函数的元信息，如 __name__ ）
23. 递归函数（函数调用自身，需有终止条件）
24. 递归函数的最大深度（默认约 1000，可通过 sys.setrecursionlimit() 修改）
25. 匿名函数 lambda （ lambda 参数: 表达式 ，用于简单逻辑）
26. lambda 作为参数（如 sorted(lst, key=lambda x: x[1]) ）
27. 高阶函数（接收函数作为参数或返回函数，如 map / filter / reduce ）
28. map(function, iterable) （将函数应用于可迭代对象的每个元素，返回迭代器）
29. filter(function, iterable) （过滤可迭代对象，返回符合条件的元素迭代器）
30. functools.reduce(function, iterable[, initializer]) （累积运算，如求和）
31. 函数的参数类型提示（Python 3.5+，如 def func(a: int) -> str: ，仅提示不强制）
32. 函数的默认参数陷阱（默认参数在函数定义时计算，如 def func(lst=[]): ）
33. 函数的重载（Python 不支持，可通过默认参数/可变参数模拟）
34. 函数的缓存： functools.lru_cache （缓存函数返回值，提升重复调用效率）
35. 偏函数： functools.partial （固定函数部分参数，生成新函数）
36. 可调用对象（ __call__ 方法，使实例可像函数一样调用）
37. 函数的文档字符串规范（参数说明、返回值说明、异常说明）
38. 函数的测试（ assert 语句、 unittest 模块）
39. 函数的异常处理（ try-except 嵌套在函数内，或在调用时捕获）
40. 空函数： def func(): pass （占位用）
41. 函数的导入（ import 模块 / from 模块 import 函数 / from 模块 import * ）
42. 函数的别名（ from module import func as f ）
43. 内置函数（ print() / len() / max() 等，无需导入直接使用）
44. 自定义函数的模块化（将函数写在 .py 文件中，作为模块导入）
45. 函数的递归优化（尾递归，Python 未优化，需手动优化）
46. 函数的参数传递：不可变对象（值传递）、可变对象（引用传递）
47. 函数的返回多个值的拆包（ a, b = func() ）
48. 函数的装饰器应用场景（日志记录、性能统计、权限校验）
49. 函数的命名规范（小写字母+下划线，如 get_user_info ）
50. 函数的代码复用（提取公共逻辑为函数，避免重复代码）（二）面向对象编程（OOP）（70 个）1. 类的定义： class 类名: （类名首字母大写，驼峰命名法）
2. 类的实例化： obj = 类名() （创建对象）
3. 实例属性： obj.属性名 = 值 （绑定到实例）
4. 类属性： 类名.属性名 = 值 （所有实例共享）
5. 实例方法：定义在类中，第一个参数为 self （指向实例本身）
6. 类方法： @classmethod 装饰，第一个参数为 cls （指向类本身）
7. 静态方法： @staticmethod 装饰，无 self / cls 参数，与类/实例无关
8. 构造方法： __init__(self[, 参数]) （实例创建时自动调用，初始化属性）
9. 析构方法： __del__(self) （实例被销毁时调用，一般无需手动定义）
10. self 的作用（在实例方法中访问实例属性和方法）
11. 类的文档字符串（同函数， __doc__ 查看）
12. 类的继承： class 子类名(父类名): （子类继承父类的属性和方法）
13. 单继承（子类继承一个父类）
14. 多继承（子类继承多个父类， class 子类(父1, 父2): ）
15. 方法重写（子类定义与父类同名的方法，覆盖父类方法）
16. super() 函数（子类中调用父类的方法，如 super().__init__() ）
17. 继承的 MRO（方法解析顺序， 类名.__mro__ 查看，Python 3 用 C3 算法）
18. 多态（不同子类对象调用同名方法，表现不同行为）
19. 封装（隐藏对象内部细节，通过方法访问属性）
20. 私有属性/方法：前缀双下划线 __ （如 __attr ，实际被改名 _类名__attr ）
21. 受保护属性/方法：前缀单下划线 _ （约定俗成，外部可访问，不建议）
22. 属性装饰器 @property （将方法转为属性，支持访问）
23. @property 的 setter 方法（ @属性名.setter ，支持修改属性）
24. @property 的 deleter 方法（ @属性名.deleter ，支持删除属性）
25. 类的组合（一个类的实例作为另一个类的属性，实现代码复用）
26. 抽象类： abc.ABC + @abstractmethod （强制子类实现抽象方法）
27. 抽象方法（只有声明，没有实现的方法）
28. 实例的 __dict__ （存储实例的属性字典）
29. 类的 __dict__ （存储类的属性和方法字典）
30. 类的 __slots__ （限制实例可添加的属性，节省内存，禁止 __dict__ ）
31. 魔法方法（特殊方法，前后双下划线，如 __init__ / __str__ ）
32. __str__ 方法（ print(obj) 时调用，返回字符串）
33. __repr__ 方法（交互式环境打印对象时调用，返回官方字符串）
34. __len__ 方法（ len(obj) 时调用，返回长度）
35. __getitem__ 方法（ obj[key] 时调用，支持索引/切片）
36. __setitem__ 方法（ obj[key] = value 时调用）
37. __delitem__ 方法（ del obj[key] 时调用）
38. __contains__ 方法（ in 运算符时调用）
39. __add__ 方法（ + 运算符时调用，实现对象加法）
40. __sub__ / __mul__ / __truediv__ 方法（对应 - / * / / 运算符）
41. __eq__ 方法（ == 运算符时调用，自定义相等判断）
42. __ne__ / __gt__ / __lt__ 方法（对应 != / > / < 运算符）
43. __call__ 方法（使实例可像函数一样调用， obj() ）
44. 类的继承类型：单继承、多继承、多层继承
45. 方法的重写规则（子类方法参数需与父类兼容）
46. 父类的私有方法不能被子类继承和访问
47. 类的实例化过程（创建实例对象 → 调用 __init__ 初始化）
48. 类属性与实例属性的优先级（实例属性覆盖类属性）
49. 静态方法与类方法的区别（静态方法无 cls ，不依赖类状态）
50. isinstance(obj, cls) （判断对象是否为类/子类的实例）
51. issubclass(sub, sup) （判断子类是否继承自父类）
52. 类的多态实现（无需显式声明，鸭子类型）
53. 封装的优点（提高代码安全性、可维护性）
54. 继承的优点（代码复用、扩展功能）
55. 多继承的菱形问题（通过 MRO 解决）
56. 类的装饰器（装饰类，修改类的行为）
57. 元类（ type 是默认元类，自定义元类需继承 type ，控制类的创建）
58. type() 函数（创建类， type(类名, 父类元组, 属性字典) ）
59. 元类的 __new__ 方法（创建类的实例，先于 __init__ ）
60. 单例模式（确保类只有一个实例，通过 __new__ 实现）
61. 工厂模式（通过函数创建不同类的实例，隐藏实例化细节）
62. 类的序列化（ pickle 模块，将对象转为字节流）
63. 类的反序列化（ pickle.loads() ，将字节流转为对象）
64. 实例的浅拷贝与深拷贝（同数据结构）
65. 类的文档注释规范（类的功能、属性、方法说明）
66. 类的测试（ unittest.TestCase ，测试类的方法）
67. 类的异常处理（在方法中捕获异常，或在调用时捕获）
68. 空类： class MyClass: pass （占位用）
69. 类的导入与导出（同函数，模块化管理）
70. 面向对象的设计原则（单一职责、开闭原则、里氏替换等）
四、高级特性（70 个）（一）迭代器与生成器（20 个）1. 迭代器协议：实现 __iter__() 和 __next__() 方法
2. 迭代器创建： iter(可迭代对象) ，如 iter(lst)
3. 迭代器遍历： next(iterator) ，耗尽抛出 StopIteration
4. 可迭代对象：实现 __iter__() 的对象（列表/元组/字典等）
5. 生成器定义： yield 关键字的函数，返回生成器对象
6. 生成器表达式： (expr for item in iterable if condition) （节省内存）
7. 生成器的惰性求值（按需生成值，不预加载全部数据）
8. send() 方法（向生成器发送值，配合 yield 接收）
9. throw() 方法（向生成器抛出异常）
10. close() 方法（关闭生成器）
11. 生成器的状态：挂起/运行/关闭
12. 生成器的内存优势（处理大数据集时优于列表）
13. 生成器与迭代器的关系（生成器是特殊迭代器）
14. 无限生成器（如 def count(): while True: yield i; i +=1 ）
15. 生成器嵌套： yield from （简化嵌套生成器调用）
16. 生成器的异常处理（在 yield 处捕获异常）
17. 生成器的应用场景：大数据处理、流数据读取、协程基础
18. itertools 模块（生成迭代器，如 count / cycle / repeat ）
19. 迭代器的 __length_hint__ 方法（预估剩余元素数量）
20. 生成器的 __name__ / __doc__ 等元信息获取（二）并发编程（20 个）1. 线程： threading.Thread ，共享进程内存，受 GIL 限制
2. 线程启动： thread.start() ，线程阻塞： thread.join()
3. 线程锁： threading.Lock （解决资源竞争，避免数据安全问题）
4. 可重入锁： threading.RLock （同一线程可多次获取）
5. 线程局部变量： threading.local() （线程间数据隔离）
6. 线程池： concurrent.futures.ThreadPoolExecutor （管理线程，提升效率）
7. 进程： multiprocessing.Process ，独立内存，不受 GIL 限制
8. 进程间通信（IPC）： Queue / Pipe / Manager
9. 进程池： concurrent.futures.ProcessPoolExecutor （多核利用）
10. 协程： asyncio 模块，单线程内实现并发，非抢占式
11. 协程定义： async def 函数， await 关键字挂起
12. 事件循环： asyncio.run() （运行协程，管理事件循环）
13. 任务： asyncio.create_task() （封装协程，并发执行）
14. 异步 IO： aiohttp （异步 HTTP 请求）、 aiosqlite （异步数据库）
15. GIL（全局解释器锁）：限制多线程同时执行 Python 字节码
16. GIL 对 CPU 密集型/IO 密集型任务的影响（IO 密集型适合线程，CPU 密集型适合进程）
17. 并发与并行的区别（并发是多任务交替，并行是多任务同时）
18. 信号量： threading.Semaphore （控制并发数量）
19. 条件变量： threading.Condition （线程间同步，如生产者 - 消费者模型）
20. 异步上下文管理器： async with （管理异步资源）（三）元编程与装饰器进阶（20 个）1. 装饰器本质：高阶函数，接收函数返回函数
2. 带参装饰器： def decorator(arg): def wrapper(func): ... return wrapper
3. 类装饰器：实现 __call__ 方法的类，用于装饰函数/类
4. 装饰器叠加执行顺序（从下往上装饰，从上往下执行）
5. functools.wraps ：保留被装饰函数的元信息（ __name__ / __doc__ ）
6. 描述符：实现 __get__ / __set__ / __delete__ 的类，用于属性访问控制
7. 数据描述符与非数据描述符（数据描述符优先于实例属性）
8. 元类：继承 type ，控制类的创建， class Meta(type): ...
9. 元类的 __new__ 方法（创建类对象，先于 __init__ ）
10. 元类的应用：强制类属性、自动注册子类、修改类结构
11. type 函数动态创建类： type(类名, 父类元组, 属性字典)
12. 动态导入模块： importlib.import_module()
13. 动态执行代码： exec() / eval() （慎用，安全风险）
14. 猴子补丁（运行时修改模块/类/函数，如 requests.get = custom_get ）
15. 函数签名： inspect.signature() （获取函数参数信息）
16. 闭包的 closure 属性（查看闭包捕获的变量）
17. 动态添加类属性/方法： setattr(类, 名称, 值)
18. 动态删除类属性/方法： delattr(类, 名称)
19. 元编程的优缺点（灵活但复杂，可读性降低）
20. 装饰器的常见应用：日志、缓存、权限校验、性能统计（四）其他高级特性（10 个）1. 上下文管理器： with 语句，实现 __enter__ 和 __exit__ 方法
2. 自定义上下文管理器（如文件操作、数据库连接）
3. contextlib 模块： contextmanager 装饰器（简化上下文管理器）
4. 类型注解进阶： typing.List / typing.Dict / typing.Union / typing.Optional
5. 数据类： dataclasses.dataclass （简化类定义，自动生成 __init__ 等）
6. 模式匹配： match-case （Python 3.10+，替代复杂 if-elif ）
7. 海象运算符： := （Python 3.8+，赋值并返回值，如 if (n := len(lst)) > 10 ）
8. 枚举类： enum.Enum （定义常量集合，如 class Color(Enum): RED = 1 ）
9. 动态参数类型检查： mypy 工具（静态类型检查）
10. 内存管理：引用计数、垃圾回收（ gc 模块）、循环引用处理五、标准库（80 个）（一）系统与文件操作（20 个）1. os 模块： os.path （路径处理）、 os.listdir() （目录列表）、 os.mkdir() （创建目录）
2. os.environ （环境变量操作）、 os.system() （执行系统命令）、 os.kill() （终止进程）
3. pathlib 模块（Python 3.4+，面向对象路径操作，如 Path.home() ）
4. shutil 模块： shutil.copy() （复制文件）、 shutil.move() （移动文件）、 shutil.rmtree() （删除目录树）
5. glob 模块（文件通配符匹配，如 glob.glob('*.py') ）
6. fileinput 模块（批量处理文件内容）
7. 文件读写模式： r （读）、 w （写）、 a （追加）、 rb （二进制读）等
8. open() 函数（上下文管理器 with open(...) as f ）
9. 文件对象方法： read() / readline() / readlines() / write() / close()
10. 二进制文件操作（ struct 模块，处理二进制数据）
11. 临时文件： tempfile 模块（创建临时文件/目录）
12. 配置文件： configparser 模块（读取 .ini 配置）
13. argparse 模块（命令行参数解析，生成帮助信息）
14. sys 模块： sys.argv （命令行参数）、 sys.exit() （退出程序）、 sys.path （模块搜索路径）
15. platform 模块（获取系统信息，如 platform.system() ）
16. subprocess 模块（创建子进程，替代 os.system() ，如 subprocess.run(['ls', '-l']) ）
17. logging 模块（日志记录，级别： DEBUG / INFO / WARNING / ERROR / CRITICAL ）
18. 日志格式化： logging.Formatter （自定义日志输出格式）
19. 日志输出：控制台/文件/网络，多处理器安全
20. time 模块： time.time() （时间戳）、 time.sleep() （休眠）、 time.strftime() （时间格式化）（二）数据处理与数学（20 个）1. math 模块： math.pi （圆周率）、 math.sin() （正弦）、 math.log() （对数）、 math.factorial() （阶乘）
2. random 模块： random.random() （0-1 随机浮点数）、 random.randint() （整数随机）、 random.choice() （随机选择）、 random.shuffle() （打乱序列）
3. statistics 模块： mean() （均值）、 median() （中位数）、 stdev() （标准差）
4. collections 模块： defaultdict （默认值字典）、 OrderedDict （有序字典）、 Counter （计数）、 deque （双端队列）、 namedtuple （命名元组）
5. itertools 模块： chain() （拼接迭代器）、 product() （笛卡尔积）、 permutations() （排列）、 combinations() （组合）
6. functools 模块： reduce() （累积运算）、 partial() （偏函数）、 lru_cache() （缓存）、 cmp_to_key() （比较函数转键）
7. heapq 模块（堆排序，如 heapq.heappush() / heapq.heappop() ）
8. bisect 模块（二分查找与插入，如 bisect.bisect_left() ）
9. json 模块： json.dumps() （Python 对象转 JSON 字符串）、 json.loads() （JSON 字符串转 Python 对象）
10. pickle 模块（Python 对象序列化/反序列化，支持复杂对象）
11. csv 模块（读取/写入 CSV 文件，处理表格数据）
12. xml 模块（XML 解析， xml.etree.ElementTree ）
13. yaml 模块（第三方，处理 YAML 配置，需 pip install pyyaml ）
14. dataclasses 模块（Python 3.7+，简化数据类定义）
15. contextvars 模块（Python 3.7+，上下文变量，跨协程传递）
16. hashlib 模块（加密哈希，如 md5 / sha256 ，用于数据校验）
17. hmac 模块（密钥哈希，用于身份验证）
18. base64 模块（Base64 编码/解码，处理二进制数据传输）
19. datetime 模块： datetime.date （日期）、 datetime.time （时间）、 datetime.datetime （日期时间）、 datetime.timedelta （时间差）
20. calendar 模块（日历相关操作，如判断闰年、生成日历）（三）网络与并发（20 个）1. socket 模块（TCP/UDP 通信，基础网络编程）
2. urllib 模块： urllib.request （发送 HTTP 请求）、 urllib.parse （URL 解析）
3. http 模块（HTTP 协议相关，如 http.server 搭建简易服务器）
4. smtplib 模块（发送邮件，如 SMTP 协议）
5. poplib / imaplib 模块（接收邮件）
6. email 模块（构建邮件内容，处理附件）
7. asyncio 模块（异步 IO，协程并发）
8. concurrent.futures 模块（线程池/进程池，简化并发编程）
9. threading 模块（多线程编程，基础并发）
10. multiprocessing 模块（多进程编程，多核利用）
11. queue 模块（线程安全队列，用于生产者 - 消费者模型）
12. signal 模块（信号处理，如捕获 Ctrl+C ）
13. sched 模块（事件调度，定时执行任务）
14. timeit 模块（代码执行时间测量，性能分析）
15. traceback 模块（异常追踪，打印详细堆栈信息）
16. unittest 模块（单元测试框架，编写测试用例）
17. pytest （第三方，更简洁的测试框架，需 pip install pytest ）
18. coverage 模块（代码覆盖率检测）
19. logging 模块（网络程序日志记录，排查问题）
20. ssl 模块（SSL/TLS 加密通信，安全网络传输）（四）其他核心模块（20 个）1. typing 模块（类型注解，如 List / Dict / Union / Optional / Callable ）
2. functools 模块（函数工具，补充高阶函数功能）
3. operator 模块（函数式编程，如 operator.add 替代 lambda x,y: x+y ）
4. enum 模块（枚举类，定义常量集合）
5. graphlib 模块（Python 3.9+，拓扑排序）
6. zoneinfo 模块（Python 3.9+，时区处理）
7. importlib 模块（动态导入模块，自定义导入逻辑）
8. sysconfig 模块（Python 配置信息，如安装路径）
9. locale 模块（本地化，处理语言/地区相关设置）
10. ctypes 模块（调用 C 语言动态链接库，扩展 Python 功能）
11. cffi 模块（第三方，更友好的 C 语言接口，需 pip install cffi ）
12. trace 模块（代码执行跟踪，调试用）
13. profile / cProfile 模块（代码性能分析，找出瓶颈）
14. pdb 模块（Python 调试器，断点调试）
15. faulthandler 模块（Python 3.3+，崩溃时打印堆栈信息）
16. contextlib 模块（上下文管理器工具，如 ExitStack 管理多个上下文）
17. dataclasses 模块（数据类，自动生成常用方法）
18. pathlib 模块（路径操作，替代 os.path ，更直观）
19. statistics 模块（基础统计函数，补充数学计算）
20. uuid 模块（生成唯一标识符，如 UUID4）六、第三方库（100 个）（一）数据处理与分析（30 个）1. NumPy ：多维数组 ndarray 、数组索引/切片、广播机制、线性代数运算
2. NumPy ：傅里叶变换、随机数生成、数据类型转换、数组拼接/分割
3. Pandas ： DataFrame （表格数据）、 Series （一维数据）、数据读取（ read_csv / read_excel ）
4. Pandas ：数据清洗（缺失值 dropna / fillna 、重复值 drop_duplicates ）
5. Pandas ：数据筛选（布尔索引、 query 方法）、排序（ sort_values / sort_index ）
6. Pandas ：分组聚合（ groupby ）、透视表（ pivot_table ）、数据合并（ merge / concat ）
7. Pandas ：时间序列处理（ resample / rolling / expanding ）、时区转换
8. SciPy ：科学计算（积分、微分方程、优化、信号处理）
9. SciPy ：稀疏矩阵、统计分布、空间数据结构
10. Dask ：并行计算，处理超大数据集，兼容 Pandas / NumPy API
11. Vaex ：惰性求值，处理十亿级数据，快速统计与可视化
12. PySpark ：分布式数据处理，大数据分析框架
13. Numba ：JIT 编译，加速 NumPy /Python 函数
14. Cython ：Python 转 C 代码，提升性能
15. OpenPyXL ：读写 Excel 2007+ .xlsx 文件
16. XlsxWriter ：生成 Excel 文件，支持图表/公式
17. PandasGUI ： Pandas 数据可视化 GUI 工具
18. PyArrow ：高效数据格式，跨语言数据交换
19. Fastparquet ：读取/写入 Parquet 列式存储文件
20. Feather ：快速数据交换格式， R 与 Python 互操作
21. SQLAlchemy ：ORM 框架，操作 MySQL/PostgreSQL/SQLite 等数据库
22. Psycopg2 ：PostgreSQL 数据库驱动
23. PyMySQL ：MySQL 数据库驱动
24. SQLite3 ：内置 SQLite 驱动，轻量级数据库
25. MongoEngine ：MongoDB ORM 框架
26. Redis-py ：Redis 客户端，缓存/消息队列
27. Pandas-datareader ：从 Yahoo Finance、Alpha Vantage 等获取金融数据
28. Tushare ：A股数据接口，获取股票/基金/期货数据
29. Akshare ：A股/港股/美股数据接口，免费开源
30. CCXT ：加密货币交易所 API 集成，支持 100+ 交易所（二）可视化（20 个）1. Matplotlib ：折线图 plot 、柱状图 bar 、散点图 scatter 、饼图 pie
2. Matplotlib ：子图 subplot 、图例 legend 、标题 title 、坐标轴标签 xlabel / ylabel
3. Matplotlib ：样式设置 style.use() 、颜色/线型/标记自定义
4. Matplotlib ：保存图片 savefig （ dpi 控制分辨率）
5. Seaborn ：基于 Matplotlib ，美化图表，支持统计绘图（ distplot / heatmap / pairplot ）
6. Plotly ：交互式图表，支持网页展示，3D 绘图
7. Bokeh ：交互式可视化，适合大数据流展示
8. Altair ：声明式可视化，语法简洁，适合快速绘图
9. Wordcloud ：词云生成，文本数据可视化
10. NetworkX ：网络/图结构可视化
11. Mayavi ：3D 科学数据可视化
12. Pandas 可视化： df.plot() 快速绘图，集成 Matplotlib
13. Holoviews ：混合多种可视化库，支持交互式分析
14. Geopandas ：地理数据处理与可视化
15. Folium ：地图可视化，基于 Leaflet.js
16. mplfinance ：金融数据可视化，K 线图 plot
17. TensorBoard ：机器学习训练过程可视化
18. Seaborn 主题： darkgrid / whitegrid / dark / white / ticks
19. Matplotlib 动画： FuncAnimation 生成动态图表
20. Plotly Dash：构建交互式 Web 应用，可视化仪表盘（三）量化交易专项（30 个）1. TA-Lib ：技术指标计算（均线 SMA 、MACD、RSI、布林带 BBANDS 等）
2. Backtrader ：回测框架，支持策略编写、指标计算、交易成本模拟
3. Backtrader ：数据加载（CSV/ Pandas ）、策略优化（参数网格搜索）
4. Backtrader ：实盘对接（部分券商接口支持）
5. Freqtrade ：加密货币量化框架，支持回测/模拟/实盘，策略编写（ strategy.py ）
6. Freqtrade ：数据下载、指标自定义、风险管理（止损/止盈）
7. Freqtrade ：部署（Docker）、日志监控、性能分析
8. VNPY ：国内期货/股票量化框架，支持 CTP 接口，策略回测与实盘
9. VNPY ： CTA 策略模块、套利模块、算法交易
10. Zipline ：量化回测框架，曾用于 Quantopian，支持事件驱动
11. PyAlgoTrade ：算法交易框架，轻量级，适合入门
12. QSTrader ：机构级回测与实盘系统，支持组合管理
13. QuantLib ：定量金融库，衍生品定价、利率模型
14. ffn ：金融函数库，计算收益率、夏普比率、最大回撤等绩效指标
15. Riskfolio-Lib ：投资组合优化，风险管理
16. Pyfolio ：量化策略绩效分析，生成详细报告
17. Empyrical ：金融绩效指标计算，兼容 Pandas
18. CCXT ：加密货币交易所 API，统一接口，支持下单/撤单/查询订单
19. Binance-connector ：币安交易所官方 Python SDK
20. OKX-Python-SDK ：欧易交易所 SDK
21. Interactive Brokers TWS API ：盈透证券接口，股票/期货/期权交易
22. Tushare ：A股数据获取，基本面/行情/资金流数据
23. Akshare ：全市场数据，包含加密货币、外汇
24. Pandas-ta ： Pandas 扩展，技术指标计算，替代 TA-Lib
25. Numpy-financial ：金融计算，如现值 pv 、终值 fv 、内部收益率 irr
26. Scikit-learn ：机器学习用于量化（特征工程、模型训练、预测信号）
27. XGBoost / LightGBM ：梯度提升树，用于因子模型、价格预测
28. Statsmodels ：统计建模，如线性回归、时间序列分析（ARIMA）
29. Arch ：波动率模型，如 GARCH，风险管理
30. PyMC3 ：贝叶斯统计建模，策略参数优化（四）其他常用库（20 个）1. Requests ：HTTP 请求库， get() / post() / put() / delete() ，自动处理编码/Cookie
2. BeautifulSoup4 ：HTML/XML 解析， find() / find_all() 提取数据
3. Scrapy ：爬虫框架，支持分布式，数据 pipeline
4. Selenium ：自动化测试/爬虫，模拟浏览器操作
5. Playwright ：微软开源，替代 Selenium ，更快更稳定
6. Flask ：轻量级 Web 框架，快速搭建 API/网站
7. Django ：全栈 Web 框架，ORM/Admin 后台/安全机制
8. FastAPI ：高性能 API 框架，支持异步，自动生成文档
9. Celery ：任务队列，处理异步任务/定时任务，支持分布式
10. Redis ：缓存/消息队列，配合 Celery 使用
11. Docker ：容器化部署，环境隔离，简化量化程序部署
12. Streamlit ：快速搭建数据应用，适合量化策略展示
13. Jupyter Notebook ：交互式编程，数据分析/策略开发常用
14. Jupyter Lab ： Notebook 升级版，集成终端/文件管理
15. Nbconvert ： Notebook 转 PDF/HTML/ py 文件
16. PyInstaller ：将 Python 脚本打包为可执行文件（ .exe / .app ）
17. Poetry ：Python 项目管理，依赖管理/打包/发布
18. Pipenv ：虚拟环境+依赖管理，替代 pip+venv
19. Black ：代码格式化工具，统一代码风格
20. Flake8 ：代码规范检查，找出语法错误/命名问题七、量化交易专项（50 个）（一）策略基础（20 个）1. 趋势跟踪策略：均线交叉（5 日/20 日均线）、布林带突破、MACD 金叉/死叉
2. 均值回归策略：配对交易、区间交易、RSI 超买超卖
3. 动量策略：相对强弱动量、海龟交易法则、成交量动量
4. 高频交易策略：做市商策略、订单流交易、延迟套利
5. 套利策略：跨期套利、跨市场套利、跨品种套利
6. 事件驱动策略：财报发布、分红、并购重组、政策发布
7. 技术指标：SMA/EMA（均线）、MACD（异同移动平均线）、RSI（相对强弱指数）
8. 技术指标：KDJ（随机指标）、BOLL（布林带）、ATR（平均真实波幅）、OBV（能量潮）
9. 资金管理：固定比例仓位、凯利公式、风险平价
10. 止损策略：固定止损、移动止损（ATR 追踪）、波动率止损
11. 止盈策略：目标止盈、分批止盈、追踪止盈
12. 策略参数优化：网格搜索、随机搜索、贝叶斯优化
13. 过拟合防范：样本外测试、向前测试（Walk Forward）、正则化
14. 策略回测步骤：数据准备、策略编写、指标计算、信号生成、订单执行、绩效分析
15. 回测常见陷阱：未来函数、数据泄露、幸存者偏差、过度优化
16. 交易信号过滤：成交量验证、多指标共振、时间窗口过滤
17. 策略适配市场：牛市/熊市/震荡市，调整参数与逻辑
18. 多策略组合：分散风险，配置不同类型策略
19. 策略文档编写：逻辑说明、参数说明、回测结果、实盘注意事项
20. 策略迭代：基于回测/实盘结果，优化入场/出场条件（二）回测与实盘（20 个）1. 回测数据质量：数据完整性、准确性、时间戳对齐、复权处理
2. 数据来源：交易所 API、数据服务商（Tushare/Akshare）、本地 CSV
3. 回测框架选择： Freqtrade （加密货币）、 VNPY （国内期货/股票）、 Backtrader （通用）
4. 回测绩效指标：年化收益率、夏普比率、最大回撤、卡玛比率、胜率/盈亏比
5. 回测绩效指标：波动率、索提诺比率、收益回撤比、盈亏比
6. 模拟交易：对接交易所模拟盘，验证策略执行效率
7. 实盘环境搭建：云服务器（阿里云/腾讯云）、Docker 部署、系统监控
8. 实盘接口对接：CTP（期货）、券商 API（股票）、交易所 SDK（加密货币）
9. 订单类型：限价单、市价单、止损单、止盈单、冰山订单
10. 订单执行：滑点模拟、手续费计算、成交确认
11. 实盘监控：策略运行状态、资金曲线、订单日志、异常报警
12. 日志系统：记录行情、信号、订单、资金变动，便于复盘
13. 灾备方案：程序自动重启、备用服务器、多节点部署
14. 合规性：了解监管政策，使用合规接口，避免违规交易
15. 向前测试（WFA）：滚动回测，动态调整策略参数
16. 蒙特卡洛模拟：评估策略风险，预测极端情况下的收益
17. 实盘复盘：每日/每周复盘，分析策略执行偏差、市场变化
18. 交易成本计算：手续费、滑点、印花税、冲击成本
19. 实盘资金管理：小资金试盘、逐步加仓、风险控制优先
20. 量化平台选择：币安/OKX（加密货币）、聚宽/米筐（A股）、盈透证券（全球）（三）风险与合规（10 个）1. 市场风险：价格波动、黑天鹅事件、流动性风险
2. 信用风险：交易对手违约、交易所风险、券商风险
3. 操作风险：程序 bug、网络中断、人为失误、硬件故障
4. 合规风险：监管政策变化、账户冻结、违规交易处罚
5. 流动性风险：无法及时平仓、大额订单导致价格大幅波动
6. 风险管理工具：止损/止盈、仓位限制、分散投资、对冲
7. 压力测试：模拟极端市场情况，测试策略承受能力
8. 合规要求：实名认证、反洗钱（AML）、KYC 认证、交易限额
9. 数据合规：数据来源合法、隐私保护、避免内幕信息
10. 风险报告：定期生成风险报告，监控风险指标变化
