1.2、Python 与编程基础：文件处理与常用库

一、Python 基础语法

学习一门语言，先要会最基本的三件事：

存数据
判断条件
重复处理

这就是变量、数据类型、条件判断和循环。

1. 变量是什么

变量可以理解成一个"有名字的盒子"，用来保存数据。

例如：

python 复制代码

name = "Eric"
age = 20

这里：

name 保存的是 "Eric"
age 保存的是 20

以后你写程序时，很多内容都要先放进变量里，再去处理。

2. 基本数据类型是什么

Python 里最常用的几种数据类型如下。

`int`：整数

整数就是没有小数部分的数字。

python 复制代码

age = 20
count = 100

`float`：浮点数

浮点数就是带小数的数字。

python 复制代码

price = 19.9
score = 95.5

`str`：字符串

字符串就是文本内容，要用引号包起来。

python 复制代码

name = "Eric"
city = "Shanghai"

`bool`：布尔值

布尔值只有两个结果：

True：真
False：假

python 复制代码

is_student = True
is_open = False

它通常用来表示"是否""对不对""成立不成立"。

`list`：列表

列表用来保存一组有顺序的数据。

python 复制代码

skills = ["Python", "Git", "Linux"]

你可以通过位置取值：

python 复制代码

print(skills[0])

输出：

python 复制代码

Python

`dict`：字典

字典用来保存"键-值"对应关系，也就是"字段名"和"字段值"。

python 复制代码

user = {
    "name": "Eric",
    "age": 20
}

你可以通过键来取值：

python 复制代码

print(user["name"])

输出：

python 复制代码

Eric

字典在 Python 开发里非常重要，因为后面 JSON、接口返回值、配置数据，很多都是这种结构。

3. 为什么要先学这些类型

因为后面你做的很多事情，本质上都是在处理这些数据：

读文件，拿到的是字符串
JSON 解析后，通常是字典和列表
接口返回值，通常也是字典
表格中的列和行，也可以理解成结构化数据

所以这些类型不是语法细节，而是后面一切处理逻辑的基础。

4. 条件判断

程序不是一直从上到下机械执行，很多时候要根据条件做不同的事，这就需要 if。

python 复制代码

score = 85

if score >= 90:
    print("优秀")
elif score >= 60:
    print("及格")
else:
    print("不及格")

这段代码的意思是：

分数大于等于 90，输出"优秀"
否则如果大于等于 60，输出"及格"
否则输出"不及格"

判断是程序做决策的基础。

5. 循环

循环用来重复处理数据。

python 复制代码

numbers = [1, 2, 3, 4, 5]

for num in numbers:
    print(num)

这里的意思是：把列表里的每个数字依次取出来打印。

后面你处理文件、处理 JSON、处理表格时，都会经常用循环遍历数据。

二、函数、类、模块

会写基础语法之后，下一步不是"写更多代码"，而是学会把代码组织起来。

1. 函数

函数就是把一段逻辑封装起来，给它一个名字，需要时直接调用。

python 复制代码

def add(a, b):
    return a + b

result = add(3, 5)
print(result)

这里：

def 表示定义函数
a 和 b 是参数
return 表示返回结果

函数最大的意义不是语法，而是拆逻辑。

比如一个脚本要做三件事：

读取文件
处理数据
保存结果

那就最好拆成三个函数，而不是一坨代码全堆在一起。

例如：

python 复制代码

def read_file():
    pass

def process_data():
    pass

def save_result():
    pass

这样代码会更清晰，也更容易修改。

2. 类

类是另一种组织代码的方式。

函数更像"做一件事"，类更像"描述一种对象"。

例如定义一个用户类：

python 复制代码

class User:
    def __init__(self, name):
        self.name = name

    def say_hello(self):
        print(f"Hello, {self.name}")

使用：

python 复制代码

user = User("Eric")
user.say_hello()

这里可以先简单理解：

class 用来定义类
__init__ 是初始化方法
self 表示对象自己
say_hello 是这个对象能做的事情

这一阶段对类的要求不用太高。你只需要先知道：

类是组织代码的一种方式
初学项目里，很多时候函数就够了
能看懂简单类，能写简单类，就可以了

3. 模块

模块本质上就是把代码拆到不同文件里。

比如有一个 utils.py：

python 复制代码

def greet(name):
    return f"Hello, {name}"

另一个文件 main.py：

python 复制代码

from utils import greet

print(greet("Eric"))

这样做的好处是：

主流程和工具函数分开
文件职责更清晰
项目更容易维护

后面写项目时，通常会有这种结构：

main.py：主入口
utils.py：工具函数
api.py：接口调用
config.py：配置

三、文件读写

写程序不能一直只处理写死在代码里的数据。

真正的程序要能从外部读取内容，也要能把结果保存出去。

1. 读取文件

python 复制代码

with open("demo.txt", "r", encoding="utf-8") as f:
    content = f.read()

print(content)

这里有几个点要理解：

open() 用来打开文件
"r" 表示读取模式
encoding="utf-8" 表示按 UTF-8 编码读取
f.read() 表示把全部内容读出来

with open(...) 的写法很常见，因为用完后文件会自动关闭。

2. 写入文件

python 复制代码

with open("output.txt", "w", encoding="utf-8") as f:
    f.write("Hello, file")

这里：

"w" 表示写入模式
如果文件不存在，会新建
如果文件已存在，原内容会被覆盖

3. 按行读取

有些时候不想一次把整个文件全读进来，而是想一行一行处理。

python 复制代码

with open("demo.txt", "r", encoding="utf-8") as f:
    for line in f:
        print(line.strip())

这里的 strip() 是去掉每行末尾的换行符。

按行读取特别适合：

处理日志
处理大文件
逐行分析文本

4. 为什么要写 `encoding="utf-8"`

因为文本文件必须按某种编码方式读写，否则可能出现乱码。

UTF-8 是现在最常见、最通用的文本编码方式，所以平时读写文本文件时，优先显式写上：

python 复制代码

encoding="utf-8"

这样更稳。

四、JSON 处理

1. JSON 是什么

JSON（JavaScript Object Notation，JavaScript 对象表示法）是一种很常见的数据交换格式。

例如：

json 复制代码

{
  "name": "Eric",
  "age": 20,
  "skills": ["Python", "Git"]
}

它看起来很像 Python 里的字典和列表。

实际上，在 Python 里处理 JSON 时，很多时候就是把它转成字典和列表来操作。

2. 读取 JSON 文件

python 复制代码

import json

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

print(data)
print(data["name"])

这里：

import json 导入 JSON 模块
json.load(f) 表示从文件中读取 JSON 并解析成 Python 对象

如果 JSON 文件里是对象结构，解析后通常得到字典。

如果 JSON 文件里是数组结构，解析后通常得到列表。

3. 写入 JSON 文件

python 复制代码

import json

result = {
    "name": "Eric",
    "level": "beginner"
}

with open("result.json", "w", encoding="utf-8") as f:
    json.dump(result, f, ensure_ascii=False, indent=2)

这里：

json.dump() 表示把 Python 对象写成 JSON
ensure_ascii=False 表示正常保存中文
indent=2 表示格式化缩进，更方便阅读

4. 为什么 JSON 这么重要

因为后面你做接口开发时，几乎一定会碰到：

请求参数是 JSON
返回数据是 JSON
配置文件可能是 JSON

所以学 JSON，不是因为它高级，而是因为它非常常用。

五、异常处理

程序运行时，不可能总是"刚好一切正常"。

文件可能不存在，用户可能输错，网络可能断开，接口可能超时。

这些错误如果不处理，程序就会直接报错退出。

1. 基本写法

python 复制代码

try:
    x = int(input("请输入一个数字："))
    print(x)
except ValueError:
    print("输入的不是数字")

这里的意思是：

try 里放"可能出错"的代码
如果发生 ValueError，就执行 except 里的处理逻辑

2. 文件读取中的异常处理

python 复制代码

try:
    with open("demo.txt", "r", encoding="utf-8") as f:
        content = f.read()
except FileNotFoundError:
    print("文件不存在")

这表示：

如果文件找不到，不让程序直接崩掉
而是给出一个明确提示

3. 为什么异常处理重要

异常处理不是"高级技巧"，而是让程序更像真实软件的基础。

没有异常处理的程序，常常很脆弱。

有了异常处理，程序至少能在出问题时：

给出解释
避免直接崩溃
让后续排查更容易

六、`requests`

1. `requests` 是什么

requests 是 Python 中最常用的 HTTP 请求库之一。

它的作用是让你的程序能够访问网络接口。

你以后做大模型应用开发时，经常会用它来：

调用天气接口
调用翻译接口
调用模型接口
调用第三方服务

2. 最简单的请求

python 复制代码

import requests

response = requests.get("https://api.github.com")
print(response.status_code)
print(response.text)

这里：

requests.get() 发送一个 GET 请求
response.status_code 是状态码
response.text 是返回的文本内容

3. 解析 JSON 返回值

很多接口返回的不是普通文本，而是 JSON。

python 复制代码

import requests

response = requests.get("https://api.github.com")
data = response.json()

print(data)

这里的 response.json() 会把返回结果解析成 Python 对象，通常就是字典或列表。

4. 带参数请求

python 复制代码

import requests

params = {"q": "python"}
response = requests.get("https://httpbin.org/get", params=params)

print(response.json())

这里的 params 表示查询参数。

5. 加上异常处理

python 复制代码

import requests

try:
    response = requests.get("https://api.github.com", timeout=10)
    response.raise_for_status()
    data = response.json()
    print(data)
except requests.exceptions.RequestException as e:
    print("请求失败：", e)

这里：

timeout=10 表示最多等 10 秒
raise_for_status() 表示如果状态码异常，就抛出错误
RequestException 是网络请求相关异常的总类

这才更接近真实项目里的写法。

七、`pandas` 基础

1. `pandas` 是什么

pandas 是 Python 里最常用的数据处理库之一，特别适合处理表格型数据。

比如：

CSV 文件
Excel 文件
结构化数据统计

2. DataFrame 是什么

pandas 最核心的对象叫 DataFrame 。

你可以把它理解成"Python 里的表格"。

一行一行是记录，一列一列是字段，和你看到的 Excel 表很像。

3. 读取 CSV 文件

python 复制代码

import pandas as pd

df = pd.read_csv("data.csv")
print(df)

这里：

import pandas as pd 是常见写法
pd.read_csv() 用来读取 CSV 文件
df 通常就是一个 DataFrame

4. 查看前几行

python 复制代码

print(df.head())

head() 默认显示前 5 行，方便你快速看数据长什么样。

5. 选择某一列

python 复制代码

print(df["name"])

这表示取出 name 这一列。

6. 条件筛选

python 复制代码

result = df[df["score"] > 80]
print(result)

这表示筛选出 score 大于 80 的所有行。

7. 保存结果

python 复制代码

result.to_csv("result.csv", index=False)

这里：

to_csv() 表示导出成 CSV 文件
index=False 表示不把行号写进去

8. 为什么 `pandas` 值得学

因为真实开发里，经常会遇到这种需求：

读取一张表
筛选符合条件的数据
做简单统计
导出结果

如果只靠最原始的列表和字典处理，会很慢也很麻烦。

而 pandas 就是专门解决这类问题的。

八、补充两个很实用的基础点

1. 路径处理

后面读写文件时，建议逐步接触 pathlib，比自己手写路径字符串更稳。

python 复制代码

from pathlib import Path

file_path = Path("data") / "demo.txt"
print(file_path)

它的好处是：

路径拼接更清晰
跨平台更方便
可读性更好

2. 环境变量

后面调 API 时，不要把密钥直接写死在代码里。

更好的做法是放进环境变量或 .env 文件里。

这部分你后面学 API 项目时再展开，但现在先知道这个习惯很重要。

九、总结

这一阶段的核心，不是"学完 Python 语法"，而是把最基础的应用开发能力串起来。

你应该逐步建立这样一条主线：

用变量和数据类型保存数据
用判断和循环处理逻辑
用函数、类、模块组织代码
用文件读写和 JSON 处理输入输出
用异常处理提升程序稳定性
用 requests 调接口
用 pandas 处理表格数据

如果这些内容学扎实了，你已经具备了做小项目的基础，比如：

天气查询脚本
翻译接口工具
CSV 批量处理工具
命令行聊天机器人

1.2、Python 与编程基础：文件处理与常用库

一、Python 基础语法

1. 变量是什么

2. 基本数据类型是什么

int：整数

float：浮点数

str：字符串

bool：布尔值

list：列表

dict：字典

3. 为什么要先学这些类型

4. 条件判断

5. 循环

二、函数、类、模块

1. 函数

2. 类

3. 模块

三、文件读写

1. 读取文件

2. 写入文件

3. 按行读取

4. 为什么要写 encoding="utf-8"

四、JSON 处理

1. JSON 是什么

2. 读取 JSON 文件

3. 写入 JSON 文件

4. 为什么 JSON 这么重要

五、异常处理

1. 基本写法

2. 文件读取中的异常处理

3. 为什么异常处理重要

六、requests

1. requests 是什么

2. 最简单的请求

3. 解析 JSON 返回值

4. 带参数请求

5. 加上异常处理

七、pandas 基础

1. pandas 是什么

2. DataFrame 是什么

3. 读取 CSV 文件

4. 查看前几行

5. 选择某一列

6. 条件筛选

7. 保存结果

8. 为什么 pandas 值得学

八、补充两个很实用的基础点

1. 路径处理

2. 环境变量

九、总结

`int`：整数

`float`：浮点数

`str`：字符串

`bool`：布尔值

`list`：列表

`dict`：字典

4. 为什么要写 `encoding="utf-8"`

六、`requests`

1. `requests` 是什么

七、`pandas` 基础

1. `pandas` 是什么

8. 为什么 `pandas` 值得学