【MVCD】PPT提纲汇总

CS 41: Python编程完整课程提纲

课程概览

课程名称 ：CS 41 - Python编程
时间跨度 ：2023年4月-5月
授课团队：Arpit, Chase, Will, Parth, Tara

第一部分：Python基础与数据结构

课程1：数据结构与面向对象编程（4月11日）

一、课程信息

Assignment 0截止，组队最后期限
Assignment 1（小组作业）发布
Section分组：Arpit-Econ 206, Chase-380-381T, Will-Encina West 208

二、内置数据结构对比

数据结构	可变性	有序性	查找复杂度	定界符	典型应用
List	✔	✔	O(n)	`[]`	顺序数据、需要修改
Tuple	✘	✔	O(n)	`()`	不可变数据、字典键
Set	✔	✘	O(1)	`{}`	去重、成员检测
Dictionary	✔	✘	O(1)	`{}`	键值映射

Lists（列表）：

可变、有序、异构
常用方法：.append(), .remove(), .pop(), .sort()

Tuples（元组）：

不可变、有序、可哈希
优势：存储效率高、可作为字典键
注意：存储不可变引用，但引用的对象可能可变

Sets（集合）：

可变、无序、唯一
数学运算：&(交), |(并), -(差), ^(对称差)
元素必须可哈希

Dictionaries（字典）：

可变、关联性、键唯一
常用方法：.get(), .keys(), .values(), .items()

三、集合操作模式

python 复制代码

len(collection)                    # 长度
for elem in collection: ...        # 遍历
list("abc"), set("abc")           # 类型转换
enumerate(collection)              # 枚举
sorted(collection)                 # 排序
zip(list1, list2)                 # 配对
range(start, stop, step)          # 范围

四、列表推导式

python 复制代码

# 列表推导
[fn(x) for x in iterable if cond(x)]

# 字典推导
{f(k): g(v) for k, v in iterable if cond(k, v)}

模式：遍历集合 → 检查条件 → 应用操作

课程2：类与面向对象（4月11日续）

一、实际问题：Stanford学生课程管理系统

学生实体：姓名、SUNet ID、课程、成绩
课程实体：ID、院系、课程号、学期、先修课、学生
功能：选课、先修课检查

二、类的概念

python 复制代码

class House:
    utilities = {'electricity': 'A&E #8675309'}  # 类属性
    
    def __init__(self):  # 构造函数
        self.locked = True  # 实例属性

类比：

类 = 蓝图（Blueprint）
实例 = 实际房屋（Instance）

三、self参数

方法的第一个参数是对象自身引用
传统命名为self
instance.method(args) ≈ function(instance, args)

四、自定义实例化

python 复制代码

class Student:
    def __init__(self, name, sunet):
        self.name = name.title()
        if not set(sunet) <= set('0123456789'):
            raise ValueError(f"Invalid SUNet: {sunet}")
        self.sunet = sunet

五、魔术方法

python 复制代码

str(x)     → x.__str__()
x == y     → x.__eq__(y)
x < y      → x.__lt__(y)
x + y      → x.__add__(y)
len(x)     → x.__len__()
hash(x)    → x.__hash__()
el in x    → x.__contains__(el)

课程3：电子学入门（4月18日）

一、为什么学电子学？

目标：构建实体物品（We can build physical stuff!!）
作业：Assignment 2 - augment.py

二、电子学基础三要素

1. 电流（Current）

电子的流动，单位：安培（A）
类比：水流过管道

2. 电压（Voltage）

电势差，单位：伏特（V）
作用：推动电流流动
类比：水压

3. 电阻（Resistance）

阻碍电流的特性
类比：管道中的路障

欧姆定律：V = I × R

接地（Ground）：零电压参考点，电流回路

三、Micro:bit V2

主要功能：

5×5 LED矩阵显示
2个可编程按钮
加速度计、指南针、温度传感器
GPIO引脚（General Purpose Input/Output）

GPIO应用：

输入/输出操作
连接外部传感器和执行器
与传统电路接口

四、人体导电实验

⚠️ 警告：仅在超低电流和电压下安全
原理：水含有离子可导电，人体约60%是水
主题：Human Connection!!

第二部分：网络与数据交互

课程4：Python与网络（4月25日）

一、课程进度

周次	主题	核心问题
Week 1	Python基础	如何操作？Python哲学？
Week 2	数据结构与OOP	如何扩展功能？
Week 3	电子学	如何增强物理设备？
Week 4	Python与网络	如何与互联网交互？

二、互联网工作原理

IP地址结构：

复制代码

128.12.123.184
├─────┬─────┤├──┬──┤
  网络标识符   主机标识符

DNS解析：

复制代码

google.com → 172.217.5.110

路由追踪：

bash 复制代码

$ traceroute google.com
1  Stanford网络
2-5  SUNet路由器
6-7  CENIC网络（加州研究与教育网络）
...
15  Google服务器

三、HTTP请求

请求组成：

http 复制代码

GET / HTTP/2
Host: www.google.com
User-Agent: Mozilla/5.0...
Accept: text/html...
Accept-Language: en-US,en;q=0.5

Python requests库：

python 复制代码

import requests

# 基本GET
r = requests.get(url)

# 带请求头
r = requests.get(url, headers={'Accept-Language': 'es'})

# 带参数
r = requests.get('https://google.com/search', params={'q': 'unicorns'})

# POST请求
r = requests.post(url, data={'key': 'value'})

四、响应数据处理

数据格式：

HTML：网页内容
JSON：对象字符串，最常用
Text：纯文本
Other：图像、PDF等

处理响应：

python 复制代码

r.content     # bytes - 原始字节数据
r.text        # str - 字符串
r.json()      # dict - Python字典 ✓ 最常用

JSON示例：

json 复制代码

{
  "id": 317,
  "type": "general",
  "setup": "Why are oranges the smartest fruit?",
  "punchline": "Because they are made to concentrate."
}

五、API（应用程序编程接口）

定义：

应用程序间通信的方式
程序员友好（非用户友好）
其他程序可以接入

示例：https://official-joke-api.appspot.com/

第三部分：高级Python特性

课程5：底层Python（5月9日）

一、通知事项

Assignment 2: augment.py一周后截止
下周带增强设备展示
过渡到期末项目
期末项目披萨派对 🥹

二、多线程（Multithreading）

问题场景：下载多个文件

单线程执行时间：

复制代码

url1: 0s开始 → 10.5s完成
url2: 10.5s开始 → 21s完成
url3: 21s开始 → 31.5s完成
url4: 31.5s开始 → 42s完成
总计：约42秒

多线程执行时间：

复制代码

url1-4: 0-2s并行发送请求
等待响应：2-11.5s
总计：约11.5秒（节省30秒！）

关键思想：CPU等待时可切换到其他任务

操作系统线程管理：

进程（Process）= 程序
线程（Thread）= 进程内的指令序列
OS知道线程何时等待，可切换执行流

Python实现：

python 复制代码

from threading import Thread

# 单线程
download_picture(url, filename)

# 多线程
t = Thread(target=download_picture, args=(url, filename))
t.start()
t.join()

# 多个线程
t1 = Thread(target=download_picture, args=(url1, file1))
t2 = Thread(target=download_picture, args=(url2, file2))
t1.start()
t2.start()
t1.join()
t2.join()

三、全局解释器锁（GIL）

引用计数机制：

python 复制代码

import sys
lst = []
extra_ref = lst
sys.getrefcount(lst)  # => 3

GIL存在原因：

Python使用引用计数管理内存
多线程同时访问对象会混乱引用计数
GIL确保同一时间只有一个线程执行Python代码

I/O密集型 vs CPU密集型：

类型	特点	多线程效果	示例
I/O密集型	CPU等待外部资源	✓ 有效	网络请求、文件读写
CPU密集型	CPU持续计算	✗ 无效	数学计算、数据处理

python 复制代码

# I/O密集型（多线程有效）
requests.get(url)  # 等待网络响应

# CPU密集型（多线程无效，因为GIL）
def sum_upto(n):
    output = 0
    for i in range(1, n+1):
        output += i
    return output

C++ vs Python：

C++无GIL，可真正并行
多核CPU（如10核）可同时执行10条指令
Python线程受GIL限制，无法利用多核

四、用C/C++扩展Python

CPython解释器：

用C编写的Python解释器
可以指示解释器直接运行C代码

python 复制代码

# Python调用
import my_c_module
my_c_module.method('unicorns', 1)

c 复制代码

// C实现
static PyObject* method(PyObject *self, PyObject *args) {
    char *s;
    int n;
    if (!PyArg_ParseTuple(args, "si", &s, &n))
        return NULL;
    // 处理s和n
}

使用C扩展的原因：

性能提升
绕过GIL实现真正并行
访问底层功能
集成现有C库

课程6：函数与函数式编程（5月16日）

一、课程规划

课程	主题	深度
Lecture 6	底层Python	深入探讨
Lecture 7	函数与函数式编程	深入探讨
Lecture 8	标准库与第三方库	浅层探讨
Lecture 9	游戏开发	浅层探讨
Lecture 10	期末项目展示	准备展示

二、可变参数（Variadic Arguments）

*args - 位置参数：

python 复制代码

def my_function(*args):
    for i, arg in enumerate(args):
        print(f'Argument {i}: {arg}')

my_function(2, 'many', 'arguments')
# Argument 0: 2
# Argument 1: many
# Argument 2: arguments

打包为元组（tuple）

**kwargs - 关键字参数：

python 复制代码

def print_table(**kwargs):
    for key, value in kwargs.items():
        print(f"{key} | {value}")

print_table(name='Arpit', title='TA', course='CS 41')

打包为字典（dictionary）

组合使用：

python 复制代码

def generic_fn(*args, **kwargs):
    ...

generic_fn(1, 2, buckle_my='shoe')

三、函数作为对象

验证：

python 复制代码

def my_function(a, b, c):
    ...

type(my_function)  # => function
hex(id(my_function))  # => '0x10680f880'

对象能做的事：

赋值给变量：

python 复制代码

def add(a, b):
    return a + b
combine = add
combine(1, 2)  # => 3

作为参数传递：

python 复制代码

sorted(['parth', 'tara', 'will'], key=len)

从函数返回：

python 复制代码

def is_multiple_of(n):
    def test(x):
        return n % x == 0
    return test

四、装饰器（Decorators）

基本结构：

python 复制代码

def print_args(func):
    def modified_func(*args, **kwargs):
        print(f'Positional args: {args}')
        print(f'Keyword args: {kwargs}')
        return func(*args, **kwargs)
    return modified_func

使用方式：

python 复制代码

# 手动装饰
def add_mult(a, b, c):
    return (a + b) * c
with_print = print_args(add_mult)

# 覆盖原函数
add_mult = print_args(add_mult)

# @语法糖
@print_args
def add_mult(a, b, c):
    return (a + b) * c

装饰器工作流程：

接受函数作为参数
定义通用函数
做一些事情（如打印参数）
复制原函数行为
返回修改后的函数

Flask路由示例：

python 复制代码

@app.route('/', methods=['GET'])
def greet():
    return 'Hello world!'

五、生成器（Generators）

定义：可恢复的函数

基础实现：

python 复制代码

def fibbi():
    a = 0
    b = 1
    while True:
        temp = a + b
        a = b
        b = temp
        yield a

f = fibbi()
next(f)  # => 1
next(f)  # => 1
next(f)  # => 2

特点：

使用yield而不是return
保存函数状态
可处理无限序列

查看状态：

python 复制代码

next(f)  # => 8
f.gi_frame.f_locals  # => {'a': 8, 'b': 13}

遍历生成器：

python 复制代码

for i, x in enumerate(f):
    print(f'The {i+1}th Fibonacci number is: {x}')

减少内存使用：

python 复制代码

# 列表：占用大量内存
sum([x**2 for x in range(100_000)])

# 生成器：节省内存
sum((x**2 for x in range(100_000)))

生成器推导式：

python 复制代码

g = (x**2 for x in range(100) if x % 2 != 0)
next(g)  # => 1
next(g)  # => 9
next(g)  # => 25

课程7：Lambda与标准库（5月23日）

一、Lambda匿名函数

语法：

python 复制代码

lambda params : expression

# 示例
lambda x, y : x**2 + y**2

# 等价于
def square_add_two(x, y):
    return x**2 + y**2

# 直接调用
(lambda x, y : x**2 + y**2)(8, 5)  # => 89

Map函数：

python 复制代码

numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x**2, numbers))
# => [1, 4, 9, 16, 25]

二、标准库概述

定义：

随Python一起提供的包和模块
只需import即可访问
官方文档：https://docs.python.org/3/library/

模块 vs 包：

模块（Module）：可重用代码的最小单元（文件）
包（Package）：模块的逻辑集合

导入方式：

python 复制代码

import sound
sound.effects.echo.echofilter(a, b)

from sound.effects import echo
echo.echofilter(a, b)

from sound.effects.echo import echofilter
echofilter(a, b)

三、常用标准库

1. pickle - 对象序列化

python 复制代码

import pickle

# 保存
with open('data.pkl', 'wb') as f:
    pickle.dump(data, f)

# 加载
with open('data.pkl', 'rb') as f:
    data = pickle.load(f)

用途：高效存储、进程间传递
⚠️ 安全警告：只加载可信来源的pickle文件

2. pdb - Python调试器

python 复制代码

# 文件内调试
import pdb
pdb.set_trace()

# 终端调试
python3 -m pdb file.py

3. collections - 特殊容器

python 复制代码

from collections import Counter, defaultdict, deque, namedtuple

# Counter - 计数器
Counter(['apple', 'banana', 'apple'])
# Counter({'apple': 2, 'banana': 1})

# defaultdict - 默认字典
dd = defaultdict(list)
dd['fruits'].append('apple')

# deque - 双端队列
dq = deque([1, 2, 3])
dq.appendleft(0)

# namedtuple - 命名元组
Point = namedtuple('Point', ['x', 'y'])
p = Point(11, 22)

4. functools - 函数工具

python 复制代码

from functools import lru_cache, partial, reduce

# lru_cache - 缓存装饰器
@lru_cache(maxsize=128)
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

# partial - 部分函数
square = partial(power, exponent=2)

# reduce - 归约
product = reduce(lambda x, y: x * y, [1,2,3,4,5])

5. itertools - 迭代器工具

python 复制代码

from itertools import count, cycle, chain, combinations, permutations

count(start=10, step=2)          # 无限计数
cycle(['red', 'green', 'blue'])  # 循环迭代
chain([1,2], [3,4])              # 链接
combinations('ABC', 2)            # 组合
permutations('ABC', 2)            # 排列

6. re - 正则表达式

python 复制代码

import re

# 电话号码匹配
pattern = r"\(\d{3}\)[- ]\d{3}-\d{4}"
phone = "(123) 456-7890"
re.match(pattern, phone)

# 查找所有
numbers = re.findall(r'\d+', "Numbers: 42, 123, 7")

# 替换
new_text = re.sub(r'World', 'Python', "Hello World")

# 分割
fruits = re.split(r'[,;:]', "apple,banana;cherry")

四、第三方包

流行包：

Flask：Web框架
NumPy：数值计算
Pandas：数据分析
Requests：HTTP请求

安装：

bash 复制代码

pip install package_name

⚠️ pip安全警告（2018年真实案例）：

恶意包"acqusition"模仿"acquisition"
包含收集SSH和GPG密钥的代码
安全建议 ：
- 仔细检查包名拼写
- 验证包来源
- 查看下载量和维护情况
- 阅读官方文档

第四部分：实践应用

课程8：游戏开发（5月24日）

一、Pygame基础

安装：

bash 复制代码

pip install pygame

游戏循环三要素：

游戏循环（Game Loop）- 持续运行
事件处理（Event Handling）- 响应输入
绘制更新（Draw & Update）- 显示状态

二、事件系统

事件类型：

QUIT：退出
KEYDOWN/KEYUP：按键
MOUSEMOTION：鼠标移动
MOUSEBUTTONDOWN/UP：鼠标按钮
JOYAXISMOTION等：游戏手柄

事件处理：

python 复制代码

for event in pygame.event.get():
    if event.type == pygame.QUIT:
        running = False
    if event.type == pygame.KEYDOWN:
        if event.key == pygame.K_LEFT:
            # 处理左键

三、第一个图形窗口

python 复制代码

import pygame

pygame.init()
screen = pygame.display.set_mode((500, 500))
white = (255, 255, 255)
blue = (0, 0, 255)

running = True
while running:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            running = False
    
    screen.fill(white)
    pygame.draw.circle(screen, blue, (250, 250), 75)
    pygame.display.update()

pygame.quit()

代码详解：

pygame.init() - 初始化
set_mode((w, h)) - 创建窗口
(R, G, B) - 颜色元组
screen.fill(color) - 填充背景
pygame.draw.circle(screen, color, (x,y), r) - 绘制圆
pygame.display.update() - 刷新显示

四、贪吃蛇游戏

核心组件：

常量定义：

python 复制代码

white = (255, 255, 255)
blue = (50, 153, 213)
green = (0, 255, 0)
dis_width = 600
dis_height = 400
block_size = 10
snake_length = 15

数据结构：

python 复制代码

# 蛇：坐标元组列表
snake = [(100, 100), (100, 110), (100, 120)]
# 蛇头：snake[-1]
# 蛇尾：snake[0]

键盘控制：

python 复制代码

if event.type == pygame.KEYDOWN:
    if event.key == pygame.K_LEFT:
        x_change = -block_size
        y_change = 0
    # 其他方向类似

移动算法：

python 复制代码

# 添加新头
snake.append((new_x, new_y))
# 删除旧尾（如果没吃食物）
if not ate_food:
    del snake[0]

食物生成：

python 复制代码

def generate_food(snake):
    while True:
        food_x = random.randrange(0, dis_width, block_size)
        food_y = random.randrange(0, dis_height, block_size)
        if (food_x, food_y) not in snake:
            return food_x, food_y

碰撞检测：

python 复制代码

def check_collision(snake_head, food_x, food_y):
    return snake_head[0] == food_x and snake_head[1] == food_y

帧率控制：

python 复制代码

pygame.time.Clock().tick(15)  # 15 FPS

游戏逻辑流程：

复制代码

每帧：
1. 清空屏幕
2. 绘制蛇和食物
3. 处理事件
4. 更新位置
5. 检查碰撞
6. 如果吃到食物→增长+生成新食物
7. 控制帧率
8. 刷新显示

五、小组活动

任务：添加食物功能

蛇碰到食物时增长
食物随机出现
被吃后重新生成
提示：坐标必须是block_size的倍数

第五部分：期末项目

项目时间表

时间点	任务
Week 5结束前	提交项目提案
Week 7/8	与Parth/Tara会面讨论
Week 10（5月31日）	项目展示
期末	披萨派对 🥹

核心概念总结

一、Python数据结构决策树

复制代码

需要存储什么？
├─ 单一值序列
│   ├─ 需要修改？
│   │   ├─ 是 → List
│   │   └─ 否 → Tuple
│   └─ 需要去重？
│       └─ 是 → Set
└─ 键值对映射 → Dictionary

二、多线程决策树

复制代码

需要并发？
├─ 否 → 单线程
└─ 是 → 任务类型？
    ├─ I/O密集型（网络、文件）→ Python多线程 ✓
    └─ CPU密集型（计算）
        ├─ C/C++扩展 ✓
        └─ multiprocessing模块

三、函数式编程三支柱

复制代码

1. 函数是一等公民
   ├─ 可赋值给变量
   ├─ 可作为参数
   └─ 可作为返回值

2. 高阶函数
   ├─ 接受函数作为参数
   ├─ 返回函数
   └─ 装饰器

3. 惰性求值
   ├─ 生成器
   ├─ 节省内存
   └─ 处理无限序列

四、常用标准库速查

数据结构 ：collections (Counter, defaultdict, deque)
函数工具 ：functools (lru_cache, partial, reduce)
迭代工具 ：itertools (count, cycle, chain, combinations)
文本处理 ：re (正则表达式)
调试：pdb
序列化：pickle

五、Pygame核心模式

python 复制代码

# 标准游戏循环
pygame.init()
screen = pygame.display.set_mode((width, height))
clock = pygame.time.Clock