搭建Python开发环境,为后续学习做好准备。
掌握Python的基本语法和核心概念。
# 变量与数据类型示例
x = 10
y = 3.14
name = "严秀琼"
is_student = True
print(f"x = {x}, 类型: {type(x)}")
print(f"y = {y}, 类型: {type(y)}")
print(f"name = {name}, 类型: {type(name)}")
print(f"is_student = {is_student}, 类型: {type(is_student)}")
# 列表操作示例
numbers = [1, 2, 3, 4, 5]
print(f"原始列表: {numbers}")
# 索引和切片
print(f"第一个元素: {numbers[0]}")
print(f"前三个元素: {numbers[:3]}")
# 列表推导式
squared = [n**2 for n in numbers]
print(f"平方列表: {squared}")
# 增加元素
numbers.append(6)
print(f"添加后: {numbers}")
# 列表操作
print(f"长度: {len(numbers)}")
print(f"总和: {sum(numbers)}")
print(f"最大值: {max(numbers)}")
# 字典操作示例
student = {
"name": "严秀琼",
"age": 20,
"major": "数据科学",
"grades": [90, 85, 95]
}
print(f"学生信息: {student}")
print(f"姓名: {student['name']}")
print(f"专业: {student['major']}")
# 访问所有键和值
print(f"\n键: {list(student.keys())}")
print(f"值: {list(student.values())}")
# 添加新键值对
student['email'] = "student@example.com"
print(f"\n添加邮箱后: {student}")
# 遍历字典
print("\n遍历字典:")
for key, value in student.items():
print(f"{key}: {value}")
# 控制流示例
score = 85
# if-elif-else
if score >= 90:
grade = "优秀"
elif score >= 80:
grade = "良好"
elif score >= 60:
grade = "及格"
else:
grade = "不及格"
print(f"分数: {score}, 等级: {grade}")
# for循环
print("\nfor循环示例:")
for i in range(1, 6):
print(f"{i} * {i} = {i*i}")
# while循环
print("\nwhile循环示例:")
count = 1
while count <= 5:
print(f"计数: {count}")
count += 1
# 函数示例
def greet(name, greeting="你好"):
return f"{greeting}, {name}!"
# 调用函数
message1 = greet("严秀琼")
message2 = greet("Python", "欢迎")
print(message1)
print(message2)
# 计算函数
def calculate_area(width, height):
area = width * height
perimeter = 2 * (width + height)
return area, perimeter
area, perimeter = calculate_area(5, 3)
print(f"\n矩形面积: {area}")
print(f"矩形周长: {perimeter}")
# 可变参数
def sum_all(*numbers):
return sum(numbers)
print(f"\n求和: {sum_all(1, 2, 3, 4, 5)}")
提升代码质量,学习Python的高级特性。
学习数据分析必备的Python库。
系统学习数据分析的高级技能。
学习数据获取和版本控制等辅助技能。
将AI编程助手融入学习工作流,提升效率。
了解AI工程化和大模型应用等趋势。
实现一个猜数字游戏,锻炼基本的控制流和用户交互能力。
使用列表和字典存储学生成绩,实现基本的管理功能。
使用Pandas读取CSV文件,进行数据清洗和简单分析,并用Matplotlib可视化结果。
分析一个公开数据集(如Kaggle上的Titanic数据集),完成从数据加载、清洗、探索性分析到生成可视化报告的完整流程。