Python 基础

Python 是一种高级、通用、解释型的编程语言。它的设计哲学强调代码的可读性，并允许程序员用更少的代码行来表达概念。由于其简洁的语法和强大的功能，Python 在科学计算、数据分析、人工智能、Web 开发等领域得到了广泛应用。

基本语法

下面我们介绍一些 Python 最基本和常用的语法。

变量和数据类型

在 Python 中，你不需要显式声明变量的类型。

# 字符串
message = "Hello, world!"
# 整数
x = 10
# 浮点数
pi = 3.14159
# 布尔值
is_student = True

列表（数组）

Python 中的列表（List）是一种有序的集合，可以随时添加和删除其中的元素。列表的写法如下：

# 创建一个列表
fruits = ["apple", "banana", "cherry"]
print(fruits)

# 访问列表中的元素
print(fruits[0])  # 输出 "apple"

# 修改列表中的元素
fruits[1] = "blueberry"
print(fruits)

# 向列表末尾添加元素
fruits.append("orange")
print(fruits)

字典

Python 中的字典（Dictionary）是另一种非常有用的内置数据类型。它以“键-值”（key-value）对的形式存储数据，键必须是唯一的。字典是无序的集合。

# 创建一个字典
person = {
    "name": "Alice",
    "age": 25,
    "city": "New York"
}
print(person)

# 访问字典中的值
print(person["name"])  # 输出 "Alice"

# 修改字典中的值
person["age"] = 26
print(person)

# 添加新的键值对
person["email"] = "alice@example.com"
print(person)

# 删除一个键值对
del person["city"]
print(person)

函数

函数是一段组织起来的、可重复使用的、用来实现单一或相关联功能的代码块。

# 定义一个简单的函数
def greet(name):
    """这是一个向指定名字打招呼的函数"""
    return f"Hello, {name}!"

# 调用函数
message = greet("Alice")
print(message)  # 输出 "Hello, Alice!"

常用包简介

Python 的强大之处在于其丰富的第三方库生态。以下是一些在科学计算和人工智能领域常用的库：

• NumPy: 是 Python 科学计算的基础包。它提供了一个强大的多维数组对象、各种派生对象（如掩码数组和矩阵），以及用于对数组进行快速操作的各种例程，包括数学、逻辑、形状操作、排序、选择、I/O、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。
• Matplotlib: 是一个用于创建静态、动态和交互式可视化的综合库。它可以让你生成各种格式的图表、直方图、功率谱、条形图、误差图、散点图等。
• SciPy: 是一个基于 Python 的开源软件生态系统，用于数学、科学和工程。它包含的模块有最优化、线性代algebra、积分、插值、特殊函数、快速傅里叶变换、信号和图像处理、常微分方程求解器等。
• PyTorch: 是一个开源的机器学习框架，它提供了两个高级功能：
  1. 具有强大 GPU 加速功能的张量计算（如 NumPy）。
  2. 基于磁带的自动微分系统上构建的深度神经网络。 由于其灵活性和易用性，PyTorch 已成为学术界和工业界进行快速原型设计和研究的首选框架之一。

虚拟环境：Conda

在进行 Python 开发时，我们通常会为每个项目创建一个独立的虚拟环境。虚拟环境是一个独立的目录，其中包含特定版本的 Python 解释器和一组特定的库。这样做的好处是：

1. 隔离依赖：不同项目可能需要不同版本的库，虚拟环境可以防止版本冲突。
2. 保持系统清洁：避免将各种库安装到全局 Python 环境中，保持系统的整洁。
3. 项目可复现：可以轻松地与他人共享项目的依赖列表，确保他们在同样的环境下运行代码。

Conda 是一个开源的包管理系统和环境管理系统，可以轻松创建、保存、加载和切换环境。

Conda 基本命令

# 创建一个名为 myenv 的新环境，并安装 Python 3.12
conda create --name myenv python=3.12

# 激活环境
conda activate myenv

# 在当前环境中安装包
conda install numpy matplotlib

# 查看已安装的包
conda list

# 退出当前环境
conda deactivate

使用大语言模型（LLM）辅助学习

在学习编程的过程中，遇到问题和挑战是在所难免的。我们强烈推荐你利用大语言模型（例如 gpt、deepseek 等）来作为你的学习伙伴。你可以：

• 提问概念：当你不理解某个编程概念（如“什么是递归？”）时，可以向它提问。
• 寻求代码解释：如果你不明白某段代码的作用，可以把它粘贴进去，让模型为你解释。
• 调试代码：当你遇到错误时，可以将错误信息和相关代码发给模型，它通常能帮助你找到问题所在。
• 生成代码片段：你可以用自然语言描述你想要实现的功能，让模型为你生成相应的代码。

善用大语言模型，可以让你的编程学习之旅更加顺畅和高效。