当前位置：首页>java>Python编程20个经典操作,解锁 Python 的无限可能!

Python编程20个经典操作,解锁 Python 的无限可能!

2026-02-04 07:31:09

Python 凭什么能稳坐编程语言热度榜前列？答案很简单：简洁到近乎自然语言的语法，加上覆盖全场景的强大功能库，让它从数据科学、Web 开发，到自动化脚本、人工智能领域，都能轻松胜任。

对初学者来说，与其漫无目的地啃厚书，不如聚焦核心实操 —— 今天整理的 20 个 Python 经典操作，覆盖基础语法、数据处理、函数应用、模块调用等核心场景，从入门到上手，一套就能搞定。

一、为什么这 20 个操作值得反复练？

Python 的魅力在于 “用最少的代码解决最多的问题”，而这 20 个经典操作，正是筛选出的 “高频刚需款”：

覆盖全阶段
从变量定义、循环判断等基础语法，到列表推导式、装饰器等进阶技巧，再到文件操作、第三方库调用等实战场景，新手不用再纠结 “该学什么”；
实用性强
没有花里胡哨的炫技代码，全是日常开发、数据分析、自动化脚本中真正用得上的操作，练完就能直接复刻到项目里；
易上手易复盘
每个操作都配极简示例，一行代码、几行逻辑就能跑通，新手不用面对 “动辄上百行代码” 的挫败感，越练越有成就感。

二、核心操作分类速览（精选高频款）

1. 基础语法篇（打牢地基）

✅ 变量与数据类型转换（int/str/list 互转）

# 1. 变量与数据类型转换print("=== 1. 变量与数据类型转换 ===")num_str = "123"num_int = int(num_str)      # 字符串转整数num_float = float(num_str)  # 字符串转浮点数str_num = str(456)          # 整数转字符串list_str = list("hello")    # 字符串转列表print(f"int('123') = {num_int}, type = {type(num_int)}")print(f"str(456) = '{str_num}', type = {type(str_num)}")

✅ 条件判断与循环优化（if-else 简洁写法、for/while 循环实战）

# 2. 条件判断简洁写法（三元表达式）print("\n=== 2. 条件判断简洁写法 ===")score = 85result = "及格" if score >= 60 else "不及格"print(f"分数{score}：{result}")

✅ 字符串处理（切片、替换、格式化输出，搞定文本处理 80% 需求）

# 3. 字符串处理print("\n=== 3. 字符串处理 ===")text = "Python编程实战"# 切片print(f"前3个字符: '{text[:3]}'")      # Pytprint(f"后2个字符: '{text[-2:]}'")     # 实战# 替换new_text = text.replace("实战", "入门")print(f"替换后: '{new_text}'")          # Python编程入门# 格式化输出（3种方式）name, age = "小明", 20print("我叫%s，今年%d岁" % (name, age))            # %格式化print("我叫{}，今年{}岁".format(name, age))        # format方法print(f"我叫{name}，今年{age}岁")                  # f-string（推荐）

✅ 列表 / 字典 / 元组核心操作（增删改查、字典推导式、列表去重）

# 4. 列表操作print("\n=== 4. 列表操作 ===")# 列表推导式squares = [x**2 for x in range(1, 6)]print(f"1-5的平方: {squares}")                     # [1, 4, 9, 16, 25]# 列表去重（保持顺序）numbers = [3, 1, 2, 1, 4, 2, 3]unique_nums = list(dict.fromkeys(numbers))print(f"去重后: {unique_nums}")                     # [3, 1, 2, 4]# 列表排序numbers.sort()                                      # 原地排序print(f"升序排序: {numbers}")print(f"降序排序: {sorted(numbers, reverse=True)}") # 新建排序列表

# 5. 字典操作print("\n=== 5. 字典操作 ===")# 字典推导式squares_dict = {x: x**2 for x in range(1, 6)}print(f"数字平方字典: {squares_dict}")              # {1: 1, 2: 4, 3: 9, 4: 16, 5: 25}# 安全的获取值user = {"name": "Alice", "age": 25}print(f"获取姓名: {user.get('name', '未知')}")      # Aliceprint(f"获取性别: {user.get('gender', '未知')}")    # 未知（不会报错）

# 6. 元组拆包print("\n=== 6. 元组拆包 ===")point = (10, 20)x, y = pointprint(f"坐标: x={x}, y={y}")                        # x=10, y=20

# 7. for/while循环实战print("\n=== 7. 循环实战 ===")# 遍历列表（带索引）fruits = ["apple", "banana", "orange"]for i, fruit in enumerate(fruits, start=1):    print(f"{i}. {fruit}")# while循环（猜数字游戏示例）import randomtarget = random.randint(1, 10)count = 0print("\n猜数字游戏（1-10），输入q退出")while True:    guess = input("请输入: ")    if guess == 'q':        print("游戏结束")        break    count += 1    if int(guess) == target:        print(f"恭喜！第{count}次猜中")        break    elif int(guess) < target:        print("猜小了")    else:        print("猜大了")

2. 函数与进阶篇（提升效率）

✅ 自定义函数与参数传递（默认参数、可变参数用法）

# 8. 自定义函数与参数传递print("\n=== 8. 自定义函数 ===")# 默认参数def greet(name, greeting="Hello"):    return f"{greeting}, {name}!"print(greet("Alice"))                              # Hello, Alice!print(greet("Bob", "Hi"))                          # Hi, Bob!# 可变参数def sum_all(*args):    return sum(args)print(f"求和: {sum_all(1, 2, 3, 4, 5)}")            # 15

✅ 匿名函数 lambda（简化简单逻辑，少写冗余代码）

# 9. 匿名函数 lambdaprint("\n=== 9. 匿名函数 ===")add = lambda x, y: x + yprint(f"3 + 5 = {add(3, 5)}")                       # 8# 结合map使用nums = [1, 2, 3, 4]squared = list(map(lambda x: x**2, nums))print(f"平方列表: {squared}")                        # [1, 4, 9, 16]

✅ 装饰器入门（给函数加功能，比如计时、日志）

# 10. 装饰器入门（函数计时）print("\n=== 10. 装饰器 ===")import timefrom functools import wrapsdef timer(func):    @wraps(func)    def wrapper(*args, **kwargs):        start = time.time()        result = func(*args, **kwargs)        end = time.time()        print(f"{func.__name__} 执行时间: {end-start:.4f}秒")        return result    return wrapper@timerdef slow_function():    time.sleep(0.5)    return "完成"slow_function()

✅ 异常处理 try-except（让代码不再轻易崩溃）

# 11. 异常处理 try-exceptprint("\n=== 11. 异常处理 ===")def safe_divide(a, b):    try:        result = a / b    except ZeroDivisionError:        return "错误：除数不能为0"    except TypeError:        return "错误：参数类型不正确"    else:        return f"结果是: {result}"    finally:        print("计算完成")print(safe_divide(10, 2))    # 正常print(safe_divide(10, 0))    # 除零错误

# 12. 上下文管理器（with语句）print("\n=== 12. 上下文管理器 ===")# 自动关闭文件with open('test.txt', 'w', encoding='utf-8') as f:    f.write("Hello, Python!\n")    f.write("这是自动关闭的文件示例")print("文件已自动关闭")

3. 实战应用篇（落地即用）

✅ 文件读写（txt/csv 文件操作，处理本地数据）

# 13. 文件读写操作print("\n=== 13. 文件操作 ===")# 读取整个文件try:    with open('test.txt', 'r', encoding='utf-8') as f:        content = f.read()    print(f"文件内容:\n{content}")except FileNotFoundError:    print("文件不存在，正在创建示例文件...")    with open('test.txt', 'w', encoding='utf-8') as f:        f.write("这是示例文件内容")# 逐行读取print("\n逐行读取:")with open('test.txt', 'r', encoding='utf-8') as f:    for i, line in enumerate(f, 1):        print(f"第{i}行: {line.strip()}")

# 14. CSV文件操作print("\n=== 14. CSV操作 ===")import csv# 写入CSVdata = [    ['姓名', '年龄', '城市'],    ['张三', 25, '北京'],    ['李四', 30, '上海'],    ['王五', 28, '广州']]with open('users.csv', 'w', encoding='utf-8', newline='') as f:    writer = csv.writer(f)    writer.writerows(data)print("CSV文件写入完成")# 读取CSVwith open('users.csv', 'r', encoding='utf-8') as f:    reader = csv.reader(f)    for row in reader:        print(row)

✅ 第三方库快速调用（numpy 数组运算、pandas 数据清洗、requests 爬取网页）

# 15. 第三方库快速调用print("\n=== 15. 第三方库 ===")# requests网页请求（如果已安装）try:    import requests    response = requests.get('https://httpbin.org/get', timeout=3)    print(f"HTTP状态码: {response.status_code}")    print(f"响应头部: {dict(response.headers)[:2]}...")except ImportError:    print("requests未安装，使用 'pip install requests' 安装")

✅ 自动化小技巧（批量重命名文件、定时执行脚本）

# 16. 数据处理（pandas示例）print("\n=== 16. 数据处理 ===")try:    import pandas as pd    # 创建示例数据    df = pd.DataFrame({        '姓名': ['张三', '李四', '王五'],        '年龄': [25, 30, 28],        '工资': [5000, 8000, 6000]    })    print("原始数据:")    print(df)    # 数据清洗：添加列    df['税后工资'] = df['工资'] * 0.9    print("\n添加税后工资列:")    print(df)    # 筛选数据    filtered = df[df['年龄'] > 25]    print("\n年龄大于25的员工:")    print(filtered)except ImportError:    print("pandas未安装，使用 'pip install pandas' 安装")

# 17. 批量重命名文件print("\n=== 18. 文件批量操作 ===")import os# 创建测试文件test_files = ['old_1.txt', 'old_2.txt', 'old_3.txt']for file in test_files:    withopen(file, 'w') as f:        f.write(f"这是{file}的内容")# 批量重命名for filename in os.listdir('.'):    if filename.startswith('old_') and filename.endswith('.txt'):        new_name = filename.replace('old_', 'new_')        os.rename(filename, new_name)        print(f"重命名: {filename} -> {new_name}")# 清理测试文件for file in os.listdir('.'):    if file.startswith('new_') and file.endswith('.txt'):        os.remove(file)

# 18. 定时执行任务print("\n=== 19. 定时任务 ===")import scheduleimport timedef job():    print(f"[{time.strftime('%H:%M:%S')}] 定时任务执行中...")# 安排每5秒执行一次schedule.every(5).seconds.do(job)print("开始定时任务（10秒后停止）...")start_time = time.time()while time.time() - start_time < 10:    schedule.run_pending()    time.sleep(1)print("定时任务结束")

✅ 数据可视化入门（matplotlib 绘制基础折线图 / 柱状图）

# 17. 数据可视化（matplotlib示例）print("\n=== 17. 数据可视化 ===")try:    import matplotlib.pyplot as plt    import numpy as np    # 准备数据    x = np.linspace(0, 10, 100)    y = np.sin(x)    # 创建图形    plt.figure(figsize=(8, 4))    plt.plot(x, y, 'b-', label='sin(x)', linewidth=2)    plt.title('正弦函数曲线', fontsize=14)    plt.xlabel('x轴', fontsize=12)    plt.ylabel('y轴', fontsize=12)    plt.grid(True, alpha=0.3)    plt.legend()    plt.tight_layout()    plt.savefig('sin_plot.png', dpi=100)    print("图形已保存为 'sin_plot.png'")    # plt.show()  # 在Jupyter中显示图形except ImportError:    print("matplotlib未安装，使用 'pip install matplotlib' 安装")