AI Class 3 · Chapter 1：变量、字符串、list/dict、if/for（python学习-小白版-有经验可跳过）

预计 40 分钟｜前置：Class 2 环境可用｜产物：02_basics.py + 会统计字频

0. 本章目标

只学训练和数据处理真正用得到的 Python：

变量、字符串、列表、字典、条件、循环 。

学完你能读懂「统计数据集」这类脚本的一半代码。

1. 运行脚本

powershell 复制代码

chcp 65001 | Out-Null
$env:PYTHONUTF8="1"; $env:PYTHONIOENCODING="utf-8"
[Console]::OutputEncoding=[Text.Encoding]::UTF8
& "D:\miniconda3\envs\llm\python.exe" "D:\myAImodle\Class03\Chapter01\02_basics.py"

2. 预期输出

复制代码

=== 1. 变量与类型 ===
Qwen3 <class 'str'>
0.6 <class 'float'>
True <class 'bool'>

=== 2. 字符串 ===
模型微调是让预训练模
模型LoRA是让预训练模型适应特定任务的方法。LoRA需要数据，数据质量决定模型效果。
文本长度: 39 字

=== 3. list ===
['Qwen3-0.6B', 'Qwen3-1.7B', 'Qwen3-4B']
第一个: Qwen3-0.6B, 最后一个: Qwen3-8B, 共 4 个

=== 4. dict ===
Qwen3-0.6B
未记录
name: Qwen3-0.6B
params: 0.6
unit: B

=== 5. if/elif/else ===
分数 82: 及格

=== 6. dict + for：统计字频 ===
模: 3
型: 3
微: 2
调: 2
定: 2

=== 7. enumerate ===
1 Qwen3-0.6B
2 Qwen3-1.7B
3 Qwen3-4B
4 Qwen3-8B

3. 完整代码

python 复制代码

text = "模型微调是让预训练模型适应特定任务的方法。微调需要数据，数据质量决定模型效果。"

print("=== 1. 变量与类型 ===")
name = "Qwen3"
param_count = 0.6
is_open = True
print(name, type(name))
print(param_count, type(param_count))
print(is_open, type(is_open))

print("\n=== 2. 字符串 ===")
print(text[:10])
print(text.replace("微调", "LoRA"))
print(f"文本长度: {len(text)} 字")

print("\n=== 3. list ===")
models = ["Qwen3-0.6B", "Qwen3-1.7B", "Qwen3-4B"]
print(models)
models.append("Qwen3-8B")
print(f"第一个: {models[0]}, 最后一个: {models[-1]}, 共 {len(models)} 个")

print("\n=== 4. dict ===")
model_info = {"name": "Qwen3-0.6B", "params": 0.6, "unit": "B"}
print(model_info["name"])
print(model_info.get("context", "未记录"))
for key, value in model_info.items():
    print(f"{key}: {value}")

print("\n=== 5. if/elif/else ===")
score = 82
if score >= 90:
    level = "优秀"
elif score >= 60:
    level = "及格"
else:
    level = "不及格"
print(f"分数 {score}: {level}")

print("\n=== 6. dict + for：统计字频 ===")
punctuation = "。，、；：！？ "
counter = {}
for ch in text:
    if ch in punctuation:
        continue
    counter[ch] = counter.get(ch, 0) + 1

top5 = sorted(counter.items(), key=lambda item: item[1], reverse=True)[:5]
for ch, count in top5:
    print(f"{ch}: {count}")

print("\n=== 7. enumerate ===")
for i, model in enumerate(models, start=1):
    print(i, model)

4. 逐块拆解

第 1 块：变量与类型

python 复制代码

name = "Qwen3"
param_count = 0.6
is_open = True

name = "Qwen3"：把字符串存进变量 name。
param_count = 0.6：浮点数（带小数）。
is_open = True：布尔值，只有 True / False，首字母大写。

三种最常见的类型：

类型	写法	用途
`str`	`"文本"`	文本、路径、JSON
`float` / `int`	`0.6` / `42`	数字
`bool`	`True` / `False`	条件判断

print(name, type(name)) 里的 type() 返回类型，输出 <class 'str'>。

命名规则：字母、数字、下划线，不能数字开头，区分大小写；习惯用小写下划线（param_count）。

第 2 块：字符串

python 复制代码

print(text[:10])
print(text.replace("微调", "LoRA"))
print(f"文本长度: {len(text)} 字")

text[:10]：切片，取下标 0~9，不含 10。
replace("微调", "LoRA")：返回一个新字符串，原字符串不变。
len(text)：字符数（不是字节数）。
f"..."：f-string，花括号里可以放变量或表达式。

第 3 块：list（列表）

python 复制代码

models = ["Qwen3-0.6B", "Qwen3-1.7B", "Qwen3-4B"]
models.append("Qwen3-8B")
print(models[0], models[-1], len(models))

[]：有序、可重复、可修改。
下标从 0 开始；-1 表示最后一个。
append()：在末尾追加，直接修改原列表。
len()：元素个数。

第 4 块：dict（字典）

python 复制代码

model_info = {"name": "Qwen3-0.6B", "params": 0.6, "unit": "B"}
print(model_info["name"])
print(model_info.get("context", "未记录"))
for key, value in model_info.items():
    print(f"{key}: {value}")

{键: 值}：按键取值，适合描述「一个对象」。
model_info["name"]：键不存在会抛 KeyError。
.get("context", "未记录")：键不存在返回默认值，不报错。
.items()：同时拿到键和值，配合 for key, value in ... 解包。

处理 JSON 数据时，字典就是主力结构；.get() 是防报错的第一招。

第 5 块：if / elif / else

python 复制代码

if score >= 90:
    level = "优秀"
elif score >= 60:
    level = "及格"
else:
    level = "不及格"

从上往下判断，第一个成立的分支执行，后面的跳过。
冒号 : 不能少，下一行必须缩进（4 个空格）。
= 是赋值，== 才是比较；>= 是大于等于。

第 6 块：用 dict + for 统计字频

python 复制代码

punctuation = "。，、；：！？ "
counter = {}
for ch in text:
    if ch in punctuation:
        continue
    counter[ch] = counter.get(ch, 0) + 1

逐行看：

代码	含义
`counter = {}`	空字典，准备存「字 → 次数」
`for ch in text:`	逐个字符遍历字符串
`if ch in punctuation:`	这个字是标点吗
`continue`	是标点就跳过，进入下一轮
`counter.get(ch, 0)`	取当前次数，没有就当 0
`+ 1`	次数加一
`counter[ch] = ...`	写回字典

这一行是全文核心：

python 复制代码

counter[ch] = counter.get(ch, 0) + 1

等价于：

python 复制代码

old = counter.get(ch, 0)
counter[ch] = old + 1

第 7 块：排序取前 5

python 复制代码

top5 = sorted(counter.items(), key=lambda item: item[1], reverse=True)[:5]

counter.items()：变成 [("模", 3), ("型", 3), ...]。
sorted(..., key=..., reverse=True)：按指定规则降序排序。
lambda item: item[1]：匿名函数，取元组的第 2 项（次数）作为排序依据。
[:5]：取前 5 个。

lambda 可以先理解成「一行的临时函数」，等价于：

python 复制代码

def get_count(item):
    return item[1]

第 8 块：enumerate

python 复制代码

for i, model in enumerate(models, start=1):
    print(i, model)

enumerate：遍历时同时给出「序号 + 元素」。
start=1：序号从 1 开始；不写默认从 0。
i, model：元组解包。

5. 常见错误

报错/现象	原因	解决
`IndentationError`	缩进不一致/漏缩进	统一 4 个空格，别混 Tab
`KeyError: 'context'`	字典没有这个键	用 `.get("context", 默认值)`
`TypeError: can only concatenate str`	字符串直接加数字	用 f-string 或 `str(数字)`
统计结果包含标点	标点集合没写全	把中文标点补进 `punctuation`
`if score = 90:`	把比较写成赋值	改成 `==` 或 `>=`
`NameError: name 'x' is not defined`	变量没定义/拼错	检查拼写和作用域

6. 练习（改代码观察输出）

把 text 改成 "大模型微调大模型"，重新运行，字频结果是什么？
把 score 改成 95，输出应该是什么？
再给 models 追加一个 "Qwen3-14B"，总数变成几？

7. 验收清单

脚本能完整运行，无报错
能解释 counter.get(ch, 0) + 1
能说出 [] 和 {} 的区别
能解释 lambda item: item[1] 在按什么排序
三道练习全对

8. 下一章

Class 3 Chapter 2：函数、异常处理、文件读写------把今天的代码封装成可复用函数。

附：练习答案

大: 2，模: 3，型: 2，微: 1，调: 1（顺序按首次出现，次数相同看原顺序）。
分数 95: 优秀，因为 95 >= 90 先命中。
5 个；append 后 len(models) 为 5。