Python 学习概要

语言特性

Python 是一种解释型、强类型、动态类型的高级编程语言，以简洁优雅的语法和丰富的生态著称。

核心特点

特点	说明
简洁易读	强制缩进、语法简洁，接近自然语言
动态类型	变量无需声明类型，运行时自动推断
多范式	支持面向对象、函数式、过程式编程
丰富生态	PyPI 上有数十万个第三方包
跨平台	支持 Windows、Linux、macOS

学习路径

基础阶段

1. 语法基础

   • 变量与数据类型（int, float, str, bool）
   • 流程控制（if/elif/else, for, while）
   • 函数定义与调用
   • 模块与包管理

2. 数据结构

   • 列表（list）：有序可变序列
   • 元组（tuple）：有序不可变序列
   • 字典（dict）：键值对映射
   • 集合（set）：无序不重复集合

3. 面向对象

   • 类与实例
   • 继承与多态
   • 魔术方法（__init__, __str__, __repr__ 等）
   • 数据类（dataclass）

进阶阶段

4. 高级特性

   • 列表推导式 / 字典推导式 / 生成器表达式
   • 迭代器与生成器（yield）
   • 装饰器（decorator）
   • 上下文管理器（with 语句）
   • 类型注解（Type Hints）

5. 异步编程

   • asyncio 事件循环
   • async/await 语法
   • 异步 I/O 操作
   • aiohttp / httpx 异步 HTTP 客户端

6. 并发编程

   • threading 多线程
   • multiprocessing 多进程
   • concurrent.futures 线程池/进程池
   • GIL（全局解释器锁）的理解与应对

应用阶段

7. Web 开发

   • FastAPI：现代高性能 Web 框架
   • Django：全功能 Web 框架
   • Flask：轻量级 Web 框架

8. 数据处理

   • pandas：数据分析与处理
   • NumPy：数值计算
   • Matplotlib / Plotly：数据可视化

9. DevOps & 自动化

   • subprocess：系统命令调用
   • paramiko / Fabric：SSH 自动化
   • kubernetes-client：K8s 集群操作

10. AI / ML

    • scikit-learn：机器学习
    • PyTorch / TensorFlow：深度学习
    • LangChain：LLM 应用开发

包管理工具

pip

Python 标准包管理器：

# 安装包
pip install package_name

# 安装指定版本
pip install package_name==1.0.0

# 导出依赖
pip freeze > requirements.txt

# 从文件安装依赖
pip install -r requirements.txt

uv

高性能 Python 包管理器（Rust 实现）：

# 初始化项目
uv init my-project

# 添加依赖
uv add requests

# 运行脚本
uv run python main.py

详见 uv 包管理器

虚拟环境

# venv（标准库）
python -m venv .venv
source .venv/bin/activate  # Linux/macOS
.venv\Scripts\activate     # Windows

# uv（推荐）
uv venv
source .venv/bin/activate

如何发现和选择 Python 包

写 Python 最常见的问题就是："我想做 X，该用哪个包？"

按场景找包

你想做什么	搜索关键词	推荐包
发 HTTP 请求	python http request	httpx, requests
操作 K8s	python kubernetes	kubernetes
操作数据库	python mysql / postgresql	sqlalchemy, psycopg
写命令行工具	python cli	click, typer
解析 YAML/JSON	python yaml	pyyaml (标准库 json 够用)
读写 Excel	python excel	openpyxl
SSH 远程执行	python ssh	paramiko, fabric
定时任务	python cron / schedule	schedule, apscheduler
调用 LLM	python openai / anthropic	openai, anthropic, litellm

找包的渠道

1. PyPI 搜索（最直接）

   • 访问 pypi.org，搜索关键词
   • 看下载量、最后更新时间、支持的 Python 版本

2. GitHub 搜索

   • 搜 python + 你的需求，按 star 排序
   • 看 Issues 活跃度和最近 commit 时间

3. 问 AI（最快）

   • 直接问："Python 操作 Kubernetes 用什么包？"
   • AI 会给你推荐，但要注意它可能推荐过时的包，去 PyPI 验证一下

4. 标准库优先

   • Python 标准库已经覆盖了很多场景，不需要装第三方包，详见下方 常用标准库速查

判断一个包值不值得用

装包之前看这几点：

指标	好的信号	危险信号
下载量	月下载量几十万+	月下载量几百
最近更新	最近 6 个月内有 release	超过 2 年没更新
Python 支持	支持 3.10+	只支持 3.6/3.7
文档	有完整文档和示例	只有 README 一句话
依赖	依赖少（0-3 个）	依赖链很长（几十个）
维护者	有组织或活跃社区维护	个人项目，长期不回复 Issue

快速验证命令

# 查看包的信息
pip show kubernetes

# 查看包的依赖（依赖越少越好）
pipdeptree -p kubernetes

# 在 PyPI 上查看下载量
# https://pypi.org/project/kubernetes/

安装前先看看包里有什么

# 不安装，只下载看看
pip download kubernetes --no-deps

# 或者直接在 PyPI 页面看源码和文档

常用标准库速查

Python 自带的标准库不需要 pip install，import 就能用。以下是日常开发中最常用的：

json — JSON 读写

import json

# Python 对象 → JSON 字符串
data = {"name": "nginx", "replicas": 3}
json_str = json.dumps(data, ensure_ascii=False, indent=2)

# JSON 字符串 → Python 对象
parsed = json.loads(json_str)

# 直接读写文件
with open("config.json", "w", encoding="utf-8") as f:
    json.dump(data, f, ensure_ascii=False, indent=2)

with open("config.json", encoding="utf-8") as f:
    config = json.load(f)

pathlib — 文件路径操作

from pathlib import Path

# 创建路径对象（比 os.path 更直观）
p = Path("/tmp/deploy") / "nginx.yaml"  # /tmp/deploy/nginx.yaml

# 常用属性
p.name       # "nginx.yaml"
p.stem       # "nginx"
p.suffix     # ".yaml"
p.parent     # Path("/tmp/deploy")

# 判断
p.exists()   # 是否存在
p.is_file()  # 是否是文件
p.is_dir()   # 是否是目录

# 操作
p.mkdir(parents=True, exist_ok=True)  # 递归创建目录
p.read_text(encoding="utf-8")         # 读文件内容
p.write_text("hello", encoding="utf-8")  # 写文件

# 遍历
for f in Path(".").glob("*.py"):
    print(f)

subprocess — 调用系统命令

import subprocess

# 执行命令并获取输出
result = subprocess.run(
    ["kubectl", "get", "pods", "-n", "default"],
    capture_output=True,       # 捕获 stdout 和 stderr
    text=True,                 # 输出为字符串而非字节
    check=True                 # 命令失败时抛异常
)
print(result.stdout)

# 执行命令但不关心输出
subprocess.run(["systemctl", "restart", "nginx"], check=True)

# 执行 Shell 命令（谨慎使用，注意注入风险）
result = subprocess.run(
    "kubectl get pods | grep Running",
    shell=True, capture_output=True, text=True
)

os — 系统环境与文件操作

import os

# 环境变量
db_host = os.getenv("DB_HOST", "localhost")  # 带默认值
os.environ["MY_VAR"] = "hello"               # 设置环境变量

# 路径操作（简单场景用 os，复杂场景用 pathlib）
os.listdir("/tmp")          # 列出目录内容
os.remove("/tmp/test.txt")  # 删除文件
os.rename("old.txt", "new.txt")  # 重命名

# 系统信息
os.name       # "nt"(Windows) 或 "posix"(Linux/macOS)
os.getcwd()   # 当前工作目录

argparse — 命令行参数解析

import argparse

parser = argparse.ArgumentParser(description="K8s Pod 清理工具")
parser.add_argument("-n", "--namespace", default="default", help="命名空间")
parser.add_argument("--dry-run", action="store_true", help="只显示不执行")
parser.add_argument("--phase", choices=["Succeeded", "Failed"], help="清理指定状态的 Pod")

args = parser.parse_args()
print(f"命名空间: {args.namespace}")
print(f"试运行: {args.dry_run}")

# 使用方式
python cleanup.py -n production --dry-run --phase Failed

logging — 日志记录

import logging

# 基本配置
logging.basicConfig(
    level=logging.INFO,
    format="%(asctime)s [%(levelname)s] %(message)s",
    datefmt="%Y-%m-%d %H:%M:%S"
)

# 使用
logging.debug("调试信息")    # 不会显示（level=INFO）
logging.info("开始部署")     # 2024-01-15 10:30:00 [INFO] 开始部署
logging.warning("磁盘空间不足")
logging.error("连接失败")
logging.critical("服务宕机")

# 写入文件
logging.basicConfig(
    filename="app.log",
    level=logging.INFO,
    format="%(asctime)s [%(levelname)s] %(message)s"
)

csv — CSV 读写

import csv

# 读取 CSV
with open("data.csv", encoding="utf-8") as f:
    reader = csv.DictReader(f)  # 每行变成字典
    for row in reader:
        print(row["name"], row["age"])

# 写入 CSV
with open("output.csv", "w", newline="", encoding="utf-8") as f:
    writer = csv.DictWriter(f, fieldnames=["name", "age"])
    writer.writeheader()
    writer.writerow({"name": "张三", "age": 25})

re — 正则表达式

import re

# 查找所有匹配
ips = re.findall(r"\d+\.\d+\.\d+\.\d+", "server 10.0.0.1 and 10.0.0.2")
# ["10.0.0.1", "10.0.0.2"]

# 替换
result = re.sub(r"secret-\w+", "***", "password is secret-abc123")
# "password is ***"

# 分割
parts = re.split(r"[,;]", "a,b;c,d")
# ["a", "b", "c", "d"]

# 验证格式
if re.match(r"^[a-z0-9-]+$", "my-app-name"):
    print("合法的 K8s 资源名")

sqlite3 — SQLite 数据库

import sqlite3

# 连接数据库（文件不存在会自动创建）
conn = sqlite3.connect("app.db")
cursor = conn.cursor()

# 建表
cursor.execute("""
    CREATE TABLE IF NOT EXISTS pods (
        name TEXT PRIMARY KEY,
        namespace TEXT,
        status TEXT
    )
""")

# 插入
cursor.execute("INSERT INTO pods VALUES (?, ?, ?)", ("nginx", "default", "Running"))
conn.commit()

# 查询
cursor.execute("SELECT * FROM pods WHERE namespace = ?", ("default",))
for row in cursor.fetchall():
    print(row)

conn.close()

http.server — 简易 HTTP 服务器

# 命令行一行启动（快速共享文件）
# python -m http.server 8080

# 代码中自定义处理
from http.server import HTTPServer, SimpleHTTPRequestHandler

class MyHandler(SimpleHTTPRequestHandler):
    def do_GET(self):
        self.send_response(200)
        self.send_header("Content-Type", "application/json")
        self.end_headers()
        self.wfile.write(b'{"status": "ok"}')

server = HTTPServer(("0.0.0.0", 8080), MyHandler)
server.serve_forever()

datetime — 日期时间

from datetime import datetime, timedelta

# 当前时间
now = datetime.now()
print(now.strftime("%Y-%m-%d %H:%M:%S"))  # 2024-01-15 10:30:00

# 时间计算
yesterday = now - timedelta(days=1)
tomorrow = now + timedelta(hours=24)

# 解析时间字符串
dt = datetime.strptime("2024-01-15", "%Y-%m-%d")

# 时间差
diff = now - dt
print(diff.days)

常用第三方库速查

用途	推荐库
HTTP 请求	httpx, requests
配置管理	python-decouple, pydantic-settings
数据校验	pydantic
CLI 工具	click, typer
日志	loguru
测试	pytest
代码格式化	ruff
类型检查	mypy

学习资源

• Python 官方文档
• Real Python
• Python Cookbook