Python List、切片与大模型：从入门到实践的优雅之旅

前言

大家好！今天我们来聊聊 Python 开发中几个非常实用的知识点------Python List、切片操作，以及如何将这些基础操作在大模型时代的实际应用。这篇文章将带你从基础概念走到实战，保证干货满满，看完就能用！

一、Python List：灵活的通用容器

1.1 List 是什么？

Python 中最灵活的特性之一就是 List，它不像 Java/C++ 那样需要提前指定容量和类型，和 JS 的 Array 类似，但更加优雅。可以说，JS 借鉴了 Python 的很多特性，不过两者真是一对好兄弟。

python 复制代码

# Python 中本身没有 Java/C++ 那样的内置数组
# list 是 Python 中灵活有序、可修改的通用容器列表
L = ["曹辉", 500, "赖庆庆", "周文强", "徐波", "洪忠圣"]
print(L)  # ['曹辉', 500, '赖庆庆']

1.2 Python vs JavaScript：各有所长

Python：适合机器学习、爬虫、数据分析
JavaScript：Number 类型没有高精度浮点数类型，特别适合做页面展示和交互

二、切片 Slice：人生苦短，我用 Python

2.1 切片简化了取元素的操作

切片是 Python 中大大简化了取元素的操作，让代码更加优雅。

python 复制代码

L = ["曹辉", 500, "赖庆庆", "周文强", "徐波", "洪忠圣"]

# 传统方式取前三项
r = []
n = 3
for i in range(n):
    r.append(L[i])
print(r)  # ['曹辉', 500, '赖庆庆']

# 使用切片
print(L[0:3])   # ['曹辉', 500, '赖庆庆']
print(L[:3])     # 同上，0可以省略
print(L[1:3])   # ['500, '赖庆庆']
print(L[-2:])    # ['徐波', '洪忠圣']

2.2 更多切片技巧

python 复制代码

L = list(range(100))
print(L[-10:])  # 取最后10个元素

# 字符串也可以切片
print('ABCDEFG'[:3])    # 'ABC'
print('ABCDEFG'[::2])  # 'ACEG' 每隔2个取一个

2.3 实战：不使用 strip 的 trim 函数

利用切片实现 trim 函数，这是一个经典的面试题！

python 复制代码

def trim(s):
    left = 0
    while left &lt; len(s) and s[left] == ' ':
        left += 1
    right = len(s) 
    while right &gt; left and s[right - 1] == ' ':
        right -= 1
    return s[left:right]

print(trim("   Hello world     "))  # 'Hello world'

三、大模型时代：Transformer 与 LLM 接口

3.1 Transformer 架构：改变世界的架构

OpenAI 基于 Google 开源的 Transformer 架构，引领了 2022 年底的生成式人工智能浪潮，现已成为业内标准。

主流 LLM 厂商：

OpenAI
DeepSeek（兼容 OpenAI 接口）
Google Gemini
Anthropic Claude

3.2 ModelScope：阿里的开源模型社区

ModelScope 是阿里云推出的开源模型社区
包含海量开源模型和数据集
非常适合做 NLP 实验

3.3 实战：调用 DeepSeek API

让我们看看如何使用 DeepSeek API 来处理实际问题：

python 复制代码

from openai import OpenAI

client = OpenAI(
    api_key="sk-665d3142ca9d480c9c6823c67f0cbe00",
    base_url="https://api.deepseek.com/v1"
)

COMPLETION_MODEL = "deepseek-chat"
prompt = """
Consideration product: 
工厂现货PVC充气青蛙夜市地摊热卖充气玩具发光蛙儿童水上玩具
1. Compose human readable product title used on 
Amazon in english within 20 words.
2. Write 5 selling points for the products in Amazon
3. Evaluate a price range for this product in U.S.

Output the result in json format with 
three properties called title, selling_point and 
price_range
"""

def get_response(prompt):
    response = client.chat.completions.create(
        model=COMPLETION_MODEL,
        messages=[
            {"role": "user", "content": prompt}
        ]
    )
    return response.choices[0].message.content

print(get_response(prompt))

3.4 Prompt 工程的艺术

写好 Prompt 是用好 LLM 的关键：

**清晰且详细地表达目标（参考 Amazon 的细化方式）
分步骤：1, 2, 3...
约束返回格式：指定 JSON 格式，字段名清晰指定

这样 LLM 返回的结果示例：

json 复制代码

{
  "title": "Glow-in-the-Dark Inflatable PVC Frog Toy for Kids, Night Market, Water Play &amp; Pool Fun",
  "selling_point": [
    "Vibrant Glow Feature: Built-in LED lights make this frog shine brightly at night, perfect for evening markets, camping, or backyard fun.",
    "Durable PVC Material: Made from thick, high-quality PVC that resists punctures and withstands rough play, both in water and on land.",
    "Versatile Use: Ideal for swimming pools, bathtubs, beaches, and night markets---a multi-purpose toy that kids love day or night.",
    "Safe &amp; Child-Friendly: BPA-free, non-toxic material with smooth edges ensures safe play for children ages 3 and up.",
    "Attractive Novelty Design: Eye-catching frog shape with bright colors that appeal to kids and easily draw attention at street stalls or retail displays."
  ],
  "price_range": "$9.99 - $15.99"
}

四、Jupyter Notebook：边写代码边记录的神器

Jupyter Notebook 是数据分析、学习和写报告的绝佳工具：

支持 Markdown 文件（.md）
Notebook 文件（.ipynb）
边写代码边记录，所见即所得

总结

今天我们从 Python List 的灵活特性，谈到了切片的优雅使用，再到大模型时代的 LLM 接口调用。这些知识点看似简单，但组合起来就能发挥巨大的威力。希望这篇文章对你有所帮助，欢迎在评论区交流！

关键词：Python List、切片、Transformer、LLM、DeepSeek、ModelScope、Prompt 工程