Python数据分析:Python编程基础

🐍 Python数据分析：Python编程基础

大家好！很多同学在学习“Python数据分析与可视化”时，常常急于求成，直接上手Pandas和Matplotlib，结果发现代码看不懂、报错不会调，根源就在于Python编程基础不牢。

今天，我们就回归根本，一起梳理Python最核心的编程基础。这些知识不仅是数据分析的基石，更是你未来成为高手的关键！

🔹 一、Python：简洁而强大的数据科学语言

正如我们的课件所说，Python是一门语法简洁、跨平台、可扩展的开源通用脚本语言。它之所以能成为数据科学领域的首选，离不开其成熟的生态系统：

• 科学计算：NumPy, SciPy
• 数据处理：Pandas
• 数据可视化：Matplotlib, Seaborn
• 机器学习：Scikit-learn

但在使用这些强大工具之前，我们必须先掌握Python这门语言本身。

🔸 二、Python的六大核心数据类型

课件中明确指出，Python有六个标准数据类型，它们是构建一切程序的基础。

❝

💡 关键点：理解“可变”与“不可变”的区别至关重要。例如，列表可以随时增删改，而元组则不行。

🔹 三、变量、赋值与动态语言的魅力

Python是动态语言，这意味着：

• 无需声明类型：score = 95，Python会自动知道score是整数。

• 同一变量可反复赋值不同类型：

  data = "Python"# 字符串
  data = 100# 整数
  data = 123.45# 浮点数
  data = 2 + 3j# 复数
  

  这种灵活性让代码编写更加快捷。

• 支持多重赋值：

  name, age, score = '小明', 20, 95
  

🔸 四、操作符与表达式：让数据动起来

数据分析离不开计算，Python提供了丰富的操作符：

• 算术运算符：+, -, *, /, % (取余), // (整除), ** (幂)

  print(11 / 3)   # 3.666...
  print(11 // 3)  # 3
  print(2 ** 5)   # 32
  

• 关系运算符：<, <=, >, >=, !=, ==

• 逻辑运算符：and, or, not

❝

⚠️ 优先级：算术 > 关系 > 逻辑。复杂表达式记得用括号 () 来明确计算顺序！

🔹 五、字符串：文本数据的处理艺术

字符串是数据分析中处理文本的核心。

• 定义方式：单引号 ' '、双引号 " "、三引号 ''' '''（用于多行）。

• 转义字符：\n (换行), \t (制表符), \" (双引号)。

• 如果不想转义，可以用原始字符串：r"C:\new_folder"。

• 字符串运算：

  str1 = "Hello"
  str2 = "World"
  print(str1 + ", " + str2 + "!")  # 连接: Hello, World!
  print("Ha" * 3)                  # 重复: HaHaHa
  

• 索引与切片（超重要！）：

  s = "Python"
  print(s[0])    # 'P' (第一个字符)
  print(s[-1])   # 'n' (最后一个字符)
  print(s[2:5])  # 'tho' (从索引2到4)
  

• 常用方法：

• str.split(): 按分隔符拆分字符串，返回列表。
• str.strip(): 去除首尾空白字符。
• str.find(): 查找子串位置。

🔸 六、流程控制：让程序学会“思考”

程序不是一条直线，而是需要根据条件做选择、重复执行任务。

• 分支结构 (if-elif-else):

  score = float(input("请输入成绩："))
  if score >= 90:
      print("优秀")
  elif score >= 60:
      print("及格")
  else:
      print("不及格")
  

  ❝

  📌 在Python中，False, 0, None, "", (), [], {} 都被视为假（False）。

• 循环结构:

• while 循环：当条件为真时，一直循环。

  i = 0
  while i < 5:
      print(i)
      i += 1
  

• for 循环：遍历序列（如列表、字符串、range）。

  # 计算1到5的和
  total = 0
  for i in range(1, 6):  # range(1,6) 生成 [1,2,3,4,5]
      total += i
  print(total)  # 15
  

🔹 七、内建数据结构：List, Tuple, Dict, Set

这是本章的重中之重！

• 列表 (List)：最灵活、最常用的容器。

• append(v): 在末尾添加元素。
• insert(i, v): 在索引i处插入元素。
• pop([i]): 删除并返回指定位置的元素。
• sort(): 排序。
• reverse(): 反转。
• 常用方法：
• 列表推导式：一行代码创建新列表！

  # 将原列表中大于6的数乘以3
  vec = [2, 4, 6, 8, 10]
  new_vec = [3*x for x in vec if x > 6]  # [24, 30]
  

• 元组 (Tuple)：和列表类似，但一旦创建就不能修改。用圆括号 () 定义。

  point = (3, 4)  # 一个坐标
  

• **字典 (Dict)**：通过“键”快速查找“值”。

  scientists = {'Newton': 1642, 'Darwin': 1809}
  print(scientists['Newton'])  # 1642
  # 常用方法: keys(), values(), items(), get()
  

• 集合 (Set)：无序且元素唯一，非常适合去重和集合运算（交、并、差）。

  set1 = {1, 2, 3}
  set2 = {3, 4, 5}
  print(set1 | set2)  # 并集: {1, 2, 3, 4, 5}
  print(set1 & set2)  # 交集: {3}
  

🔸 八、函数：封装你的智慧

函数让你的代码模块化、可复用。

• 定义函数：

  deffactorial(n):
  """计算n的阶乘"""
  if n == 0:
  return1
      result = 1
  for i in range(1, n+1):
          result *= i
  return result
  
  print(factorial(4))  # 24
  

• Lambda函数（匿名函数）：用于简单的一次性操作。

  # 计算多项式 1 + 2*x + y^2 + z*y
  poly = lambda x, y, z: 1 + 2*x + y**2 + z*y
  print(poly(1, 2, 3))  # 13
  

🔹 九、文件操作：与外部世界沟通

数据分析的起点往往是读取一个文件。

• 基本流程：打开 -> 读/写 -> 关闭。

  # 读取文本文件
  with open("data.txt", "r", encoding="utf-8") as f:
      content = f.read()  # 读取全部内容
  # 或 lines = f.readlines() # 按行读取，返回列表
  # 文件会自动关闭，无需手动close()
  

• 处理CSV文件（表格数据的常见格式）：

  import csv
  with open("student.csv", "r") as f:
      reader = csv.reader(f)
  for row in reader:
          print(row)  # 每行是一个列表
  

🔚 总结

今天我们系统地回顾了Python编程的核心基础，包括数据类型、变量、操作符、字符串、流程控制、内建数据结构、函数和文件操作。这些知识点看似简单，却是后续学习Pandas、NumPy等高级库的绝对前提。

万丈高楼平地起，扎实的基础才能支撑起复杂的数据分析项目。 建议大家动手敲一遍文中的代码，加深理解。

📢 互动时间
你在学习Python基础时，哪个概念最难理解？欢迎在评论区留言交流！
✅ 关注我们，获取更多数据科学干货！