新闻详情

新闻详情

首页 / 资讯中心 / 详情

精通Python 的下手点

发布时间:2026/11/18 2:59:38来源:尧图网络
精通Python 的下手点
前言本文档为Python精通级完整学习手册,区别于入门教程,聚焦Python底层原理、高级语法、工程开发、并发异步、性能调优、安全规范、企业级实战能力。精通核心标准:不止会写代码,而是懂原理、知坑点、会调优、能写出企业级规范、高性能、安全稳定的Python代码。一、Python核心基础(精通底层原理)章节目录变量、对象、内存地址、引用机制、可变/不可变对象(核心重中之重)数值类型:int无限精度、float浮点精度缺陷、decimal高精度运算字符编码:str/bytes区别、Unicode、UTF-8/GBK编码解码、乱码本质四大容器:list/tuple/dict/set底层原理、哈希表特性、增删改查性能核心运算符:is与==本质区别、运算符优先级特殊语法:循环else分支、海象运算符:=函数核心:五大参数类型、LEGB作用域规则、全局/闭包变量修改运算法优先级1、变量、对象、内存地址、引用机制、可变/不可变对象核心概念:Python 中一切皆对象。变量不是盒子,只是一个引用(标签),绑定到对象内存地址。id(obj)获取对象内存地址。可变对象:对象本身内存里的数据可以原地修改,id不变。list/dict/set不可变对象:对象内存数据不能原地修改;“修改”本质是新建对象,变量绑定新地址。int/str/tuple/float/bool# 变量只是对象的标签,不是容器a=[1,2,3]print(f"a 绑定对象id:{id(a)}")# b 和 a 引用同一个对象,不是复制b=aprint(f"b 绑定对象id:{id(b)}")# 原地修改可变对象,a,b同时看到变化a.append(4)print(f"a={a}, b={b}")# 不可变对象示例x=10print(f"x id={id(x)}")x=x+1# 不是修改10这个对象,新建对象11,x贴新标签print(f"x={x}, x id={id(x)}")输出a 绑定对象id: 140619002747584 b 绑定对象id: 140619002747584 a=[1, 2, 3, 4], b=[1, 2, 3, 4] x id=140619040646288 x=11, x id=1406190406463202、数值类型:int无限精度、float浮点精度缺陷、decimal高精度运算int:Python整数没有溢出限制,可以无限大。float:底层是IEEE754双精度浮点数,二进制存储小数,十进制小数无法精确表达,存在精度丢失。decimal:十进制高精度计算,适合金融、金额计算。# 1. int无限精度big_num=99999999999999999999999999999999999999999999999999print("超大整数:",big_num)# 2. float精度缺陷a=0.1+0.2print(f"0.1 + 0.2 ={a}")print(f"0.1+0.2 == 0.3 ?{a==0.3}")# 3. Decimal 高精度十进制运算fromdecimalimportDecimal,getcontext getcontext().prec=20# 设置精度d1=Decimal("0.1")d2=Decimal("0.2")res=d1+d2print(f"Decimal 0.1+0.2 ={res}")print(f"res == Decimal('0.3') ?{res==Decimal('0.3')}")输出超大整数: 99999999999999999999999999999999999999999999999999 0.1 + 0.2 = 0.30000000000000004 0.1+0.2 == 0.3 ? False Decimal 0.1+0.2 = 0.3 res == Decimal('0.3') ? True3、字符编码:str/bytes区别、Unicode、UTF-8/GBK编码解码、乱码本质str:Unicode 字符串,人类可读文本,内存中是Unicode码点。bytes:原始字节流,0-255,用于文件、网络传输。encode:str - bytes编码;decode:bytes - str解码。乱码本质:编码和解码使用的字符集不一致。# str 是Unicode文本text="中文Python"print(f"str文本:{text}, type={type(text)}")# str - bytes 编码 UTF-8b_utf8=text.encode("utf-8")print(f"utf-8 bytes:{b_utf8}, type={type(b_utf8)}")# bytes - str 解码text2=b_utf8.decode("utf-8")print(f"utf-8解码还原:{text2}")# GBK编码b_gbk=text.encode("gbk")print(f"gbk bytes:{b_gbk}")# 错误:用utf8解码gbk字节 → 乱码/报错try:wrong=b_gbk.decode("utf-8")exceptUnicodeDecodeErrorase:print("解码错误:",e)输出str文本: 中文Python, type=class 'str' utf-8 bytes: b'\xe4\xb8\xad\xe6\x96\x87Python', type=class 'bytes' utf-8解码还原: 中文Python gbk bytes: b'\xd6\xd0\xce\xc4Python' 解码错误: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte4、四大容器:list/tuple/dict/set底层原理、哈希表特性、增删改查性能list:动态数组。索引查找O(1);头部插入/删除O(n);尾部追加O(1)均摊。tuple:不可变数组,list的只读版本,可哈希(元素全部不可变时)。dict:哈希表(Python3.7+有序)。key必须可哈希,查找/插入/删除平均O(1)。set:哈希集合,只有key无value,自动去重,成员判断平均O(1)。# listlst=[10,20,30]lst.append(40)print("list:",lst)# tuple 不可变t=(1,2,3)print("tuple:",t)# t[0] = 99 # 报错,不可修改# dict 哈希表d={"name":"Tom","age":20}print("dict查找name:",d["name"])# set 自动去重s={1,1,2,2,3}print("set自动去重:",s)print(f"3 in s ?{3ins}")print(f"99 in s ?{99ins}")输出list: [10, 20, 30, 40] tuple: (1, 2, 3) dict查找name: Tom set自动去重: {1, 2, 3} 3 in s ? True 99 in s ? False列推、生表 式# ========== 列表推导式 ==========# 一次性生成 0~9 的平方,存入列表(占内存)nums_list=[x**2forxinrange(10)]print(nums_list)# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]print(type(nums_list))# class 'list'# ========== 生成器表达式 ==========# 返回一个生成器对象,不立即计算nums_gen=(x**2forxinrange(10))print(nums_gen)# generator object genexpr at 0x...print
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉