Kalax524

Python 总目录 这个文件夹是一套「从零基础到能独立做项目」的 Python 知识地图。不要把它当成一次性读完的教材，而要当成 Obsidian 里的长期索引：先建立全局结构，再不断把代码、报错、项目经验补进去。 推荐学习顺序 1. 学习路线图 2. 基础语法与运行方式 3. 数据类型与容器 4

代码质量与项目结构 代码质量的目标不是「看起来高级」，而是让代码容易读、容易改、容易运行。 可读性原则 - 名字表达意图。 - 函数短小且职责单一。 - 复杂条件拆成有名字的变量。 - 避免过深嵌套。 - 重复出现三次以上再考虑抽象。 命名习惯 - 变量和函数： snake case - 类： Pa

类型注解与数据模型 类型注解不会让 Python 变成静态语言，但能让代码更清楚、更容易被工具检查。 基础类型注解 常见写法： Optional 与 Union A B 表示值可以是 A 或 B。 类型别名 用于提高可读性。 TypedDict 适合描述结构固定的字典。 Protocol Proto

并发、异步与性能 先写正确，再写清楚，最后再优化性能。 性能判断 优化前先回答： - 程序慢在哪里？ - 是 CPU 计算慢，还是 I/O 等待慢？ - 数据量会增长到多大？ - 有没有简单算法改进？ 计时 更系统可以用： - timeit - cProfile - line profiler GI

数据库与持久化 持久化就是让数据在程序结束后仍然存在。 选择存储方式 - 少量配置：JSON、TOML、YAML。 - 表格数据：CSV、Excel。 - 结构化查询：SQLite、PostgreSQL、MySQL。 - 缓存和队列：Redis。 - 文档数据：MongoDB。 SQL 基础 必须掌

测试、调试与日志 会测试和调试，才算真正能写项目。 测试的价值 - 防止改代码时破坏旧功能。 - 迫使你写更清晰的函数。 - 给未来的自己留下可运行文档。 - 让重构更有底气。 pytest 基础 运行： 测试命名 常见结构： pytest 默认发现： - test .py - test.py -

数据分析与可视化 数据分析方向的核心是：读取数据、清洗数据、理解数据、展示结论。 常用工具 - Jupyter：交互式分析。 - NumPy：数组和数值计算。 - Pandas：表格数据处理。 - Matplotlib：基础绘图。 - Seaborn：统计图表。 - Plotly：交互式图表。 -

自动化脚本与命令行工具 自动化是 Python 最容易立刻产生价值的方向。 适合自动化的任务 - 批量重命名文件。 - 整理下载目录。 - 处理 CSV、Excel、JSON。 - 定时生成报告。 - 调用 API 同步数据。 - 批量压缩、复制、移动文件。 - 自动发送提醒。 脚本基本结构 命令行

网络、Web 与 API Web 方向的核心是理解 HTTP、数据格式、接口设计和后端框架。 HTTP 基础 必须掌握： - 请求方法： GET 、 POST 、 PUT 、 PATCH 、 DELETE - 状态码： 200 、 201 、 400 、 401 、 403 、 404 、 500