简介面向零基础 Python 自学者与希望系统梳理开发技能的进阶者这份《Python-100-Days (附源码).zip》按 100 天节奏组织学习路径从变量、数据类型、控制流等基础语法逐步推进到面向对象、文件操作、网络编程、数据分析与 Django/Flask 等 Web 开发实践每个阶段配合可直接运行的 Python 源码与说明文档便于按天打卡、边学边练。压缩包共有 812 个文件约 82.17MB主要包含 py 源码示例219 个、png/jpg/gif 图表与演示图386 个、md/html 学习笔记与页面152 个另有少量 sql、json、csv 等数据文件和资源文件目录按 Day 分组清晰适合按章节跳转或反复回看。资源包含 .gitignore、README.md 等工程化配套文件可帮助学习者同时理解项目规范。已有 889 人学习下载对想通过源码实战从入门走向进阶的读者来说是一套覆盖广、结构明确、阶段拆解细致的 Python 自学资料能帮助建立完整的编程知识体系。1. 一个压缩包半部 Python 实战史这个Python-100-Days源码包把上百个按天拆分的示例文件塞进一个zip。它不按教科书章节线性前进而是用天数把Python基础语法、面向对象、网络编程、数据分析、Web开发串成一条能跑起来的路径。真正打开压缩包你会发现里面混着Example04.class、scrapy.cfg甚至USvideos.csv这种“脏乱”恰恰是真实项目的常态。它适合两类人一是有其他语言基础、想快速摸清Python生态的开发者二是要带新人做训练营、需要现成源码做对照的老手。别急着从Day01开始抄代码先把它拆开搞清哪些能用、哪些要扔再谈100天。2. 解包先修课目录归档、虚拟环境与 python 版本选择2.1 从 zip 到可读目录先做减法压缩包不是仓库zip里的文件结构可能被拍平。我的习惯是先建一个工作目录解压后立刻做一次“体检”把明显无关的文件辨认出来而不是直接开始读源码。命令如下mkdir -p ~/py100 cd ~/py100 unzip ../Python-100-Days*.zip # 体检找出不是 Python 源码的文件确认它们的分部情况 find . \( -name *.class -o -name *.cfg -o -name *.csv \) | sort | head -30第一条命令负责建目录并进入第二条解压第三条把压缩包里出现的.class、.cfg、.csv一次性列出来。这里的逻辑是.class是 Java 编译产物基本可以确定是打包时混进来的.cfg不一定没用后面讲爬虫时 scrapy.cfg 还能当配置模板.csv是数据文件通常对应 Day71-85 数据分析阶段的练习素材不能删。先看到它们在哪再决定怎么处理。这个阶段我会做一个目录清单把压缩包里出现过的关键区间列出来。下面这张表是我结合摘要和源码目录习惯做的判断用来自测“学习地图”目录区间核心内容环境建议Day01-15变量、类型、控制流、函数Python 3.10Day16-20类、继承、多态、封装不需要额外依赖Day41-55异常、正则、文件操作标准库即可Day66-70网络编程、并发需要 requests / asyncioDay71-85pandas matplotlib seaborn建议先建虚拟环境Day91-100Web 框架 / 机器学习基础Django 或 scikit-learn注意这张表的“Day01-15”和“Day91-100”是我按这份资源的常见组织形式补的原包没有给出所有区间。真正确认的方式是解压后逐个目录看一眼别把 README.md 当作永远可靠的地图。2.2 Python 版本选择与虚拟环境这块必须放在“读代码”之前。Day71-85 要装 pandas、matplotlib直接往系统 Python 里 pip install 很容易把环境搞乱尤其 macOS 和 Linux 自带的 Python 往往被系统工具依赖。我一般用 pyenv virtualenv 隔离pyenv install 3.10.11 pyenv virtualenv 3.10.11 py100 pyenv local py100 python --version解释一下每条命令pyenv install安装指定版本pyenv virtualenv基于这个版本创建虚拟环境pyenv local是在当前目录写一个.python-version文件让后续所有 python 命令自动指向该环境。最后一句确认版本。如果你不想装 pyenv直接用系统自带的也是一种做法python3 -m venv ~/py100/.venv source ~/py100/.venv/bin/activate两种方式的差别在于 pyenv 可以同时管理多个 Python 小版本适合要对照 Day01-15 和 Day71-85 不同依赖的场景venv 则更轻。无论哪种建成之后都要先升级 pip 再装依赖否则安装 pandas 时容易出现 prebuilt wheel 找不到的问题。2.3 用两条命令跑通“hello”链路环境准备好后先验证源码能不能被当前解释器读通而不是急着看内容。一个非常快的 smoke test 是用py_compile把每个 Python 文件都编译一遍python -m py_compile Day01-15/*.py Day16-20/*.py参数Day01-15/*.py是让 shell 展开成文件列表py_compile只负责编译不执行代码所以即使里面有调用外部服务的模块也不会真的联网。如果这条命令没有报 SyntaxError说明这批文件的语法至少兼容当前 Python 版本。接着挑一个最简单的文件执行python Day01-15/example01.py如果输出符合预期整条“解压-建环境-运行”的链路就通了。常见报错里最值得注意的不是语法错误而是ImportError——说明某个示例用了较老版本的第三方库比如旧 pandas API 在新版本里被改名。这种问题先记下来等跑到对应章节再处理。3. 前 55 天的编程地基语法、类型、函数与异常3.1 从零开始类型转换和控制流很多带着编程经验的人会跳过基础目录这反而容易踩TypeError。比如字符串和整数做加法是 Python 入门最典型的报错原因是 Python 是强类型语言不会隐式把数字拼进字符串。源码包里 Day01-15 的示例通常会用类似下面的代码演示转换num_str 42 num int(num_str) # 字符串转整数 print(num str(num)) # 整数转回字符串后再拼接 if num 40 and num % 2 0: print(有效数字)代码里int(num_str)是类型转换str(num)是为了拼接字符串时避免 TypeError。and后面的取模判断演示了控制流中逻辑运算符的优先级先算%再算最后才参与and。如果你想让自己更快熟悉转换规则参考下面这张表逐条试目标类型常用函数失败场景整数int(x)字符串不是纯数字时抛 ValueError浮点float(x)同上字符串str(x)基本不会失败列表list(iterable)传入不可迭代对象会抛 TypeError布尔bool(x)空值、0、空容器转 False这里想强调一件事源码包不是文档它不会告诉你每个转换的边界。比如int(4.2)会报错而float(4.2)可以成功这种差异只有亲手跑一遍才能变成肌肉记忆。3.2 函数与面向对象Day16-20 的重心Day16-20 把重心移到类和对象上核心是多态和继承。很多自学者在这里开始抄不动源码因为看到super().__init__()就一头雾水。实际上你只需要记住一句话子类的__init__如果想复用父类初始化逻辑就调用super()。class Video: def __init__(self, title: str, views: int 0): self.title title self.views views def stat(self) - str: return f{self.title}: {self.views} views class TrendingVideo(Video): def __init__(self, title: str, views: int, rank: int 1): super().__init__(title, views) # 复用父类字段 self.rank rank def stat(self) - str: return f{super().stat()} (rank {self.rank})super().__init__是调用父类构造器它省掉了重复给 title 和 views 赋值的三行代码。stat方法用了类型注解- str这在 3.10 里是合法语法但如果你的解释器版本太低就会报错。所以前面第 2 章的版本选择不是可有可无的旧版本读新语法会直接把 Day16-20 卡死。多态的本质是“不同对象响应同一方法名”。上面TrendingVideo覆写stat后你用Video类型变量接收它调用stat()时仍会执行子类版本。这种特性在后面的数据分析阶段会反复出现比如 pandas 的DataFrame.plot()会根据后端选择不同绘图库但调用方式一致。3.3 异常处理与正则Day41-55 的常见坑Day41-55 的主题覆盖异常、正则、文件目录操作。源码包里很多示例为了演示“能跑”经常省略异常处理直接裸写file.write()或re.search()。我建议你看的时候反过来自己给示例补try/except。比如文件不存在时读写操作最常见的报错是FileNotFoundErrorimport re from pathlib import Path path Path(USvideos.csv) try: line path.read_text(encodingutf-8).splitlines() except FileNotFoundError: print(文件不存在说明你还没运行数据准备脚本) else: pattern re.compile(r,\s*\d{4,},) sample [l for l in line[:20] if pattern.search(l)] print(f找到 {len(sample)} 行包含长数字的记录)这里read_text(encodingutf-8)指定了编码避免 Windows 下默认 GBK 读取 CSV 乱码re.compile预先编译正则在循环里复用比每次调用re.search(pattern, l)快。代码里的else块是try的隐藏分支没有异常才执行所以sample只在文件存在时才会被赋值这是很多教程不会强调的细节。正则本身要小心的不是匹配不到而是过早编写复杂表达式。上面,\s*\d{4,},只能在示例数据上工作真实 USvideos.csv 的字段里可能含有逗号简单按逗号切分是错的。拿到这种文件第一步永远是pandas.read_csv而不是手写正则解析这就是下一章要进入的地带。4. 真正的工程感爬虫、CSV 数据分析与可视化4.1 把 scrapy.cfg 的残留变成爬虫入口压缩包里的 scrapy.cfg 看起来和 Python 学习内容无关但它是爬虫工程里“配置与代码分离”的很好的反面教材。一个标准 Scrapy 项目scrapy.cfg 通常只有三五行[settings] default usvideos.settings [deploy] project usvideos第一行指定了项目默认的 settings 模块Scrapy 启动时会根据它找到爬虫配置[deploy]这一段是给 Scrapy Cloud 部署用的本地跑完全可以忽略。如果你的目标只是学 Python 网络请求不必为此装上整个 Scrapy使用 requests 就足够了。源码包网络编程阶段通常也会用 requests 演示 HTTP 请求生命周期import requests url https://example.com/api/videos params {trending: true, limit: 100} resp requests.get(url, paramsparams, timeout10) resp.raise_for_status() data resp.json() for item in data[:5]: print(item[title], item[views])params参数会自动编码查询串比手写?trendingtruelimit100更安全raise_for_status()会在状态码不是 2xx 时抛出异常避免后续拿到一个 404 页面还硬解析。这个示例里数据是假想的换成真实接口时要注意鉴权 header比如resp.headers[X-RateLimit-Remaining]用来判断是否快触发限流。使用 requests 时默认参数最容易踩坑下表可以随手查参数作用容易出现的问题timeout等待响应的最大秒数不设置会无限阻塞params查询字符串字典值不是字符串时抛 TypeErrorheaders请求头缺少 User-Agent 被服务端拒绝verifySSL 证书校验抓测试环境时可设为 False“把 scrapy.cfg 当入口”的意思是学习时不要只读源码还要读配置文件。很多初学者以为写个爬虫就是写urlopen但当项目规模变大代理、下载延迟、User-Agent 轮换这些都需要外置配置而不是硬编码在脚本里。4.2 用 pandas 读取 USvideos.csv 做清洗与统计USvideos.csv 是压缩包里最值得利用的数据文件。用 pandas 读 CSV 不是open().readline()那种逐行解析而是直接获得带列名的二维表import pandas as pd df pd.read_csv(USvideos.csv, nrows1000, parse_dates[publish_time]) print(df.shape) print(df.dtypes.to_dict()) print(df[category_id].value_counts().head())nrows1000表示只读前 1000 行适合内存不足或快速验证的场景parse_dates指定将publish_time列解析成datetime64类型后续才能做按小时、按日期的聚合。value_counts()是 Series 方法用来做频数统计这里展示的是每一类视频的出现次数。数据清洗是这一章真正要练的。USvideos.csv 里常见三个坑标题字段可能包含转义引号views/likes列会混进低概率的缺失值category_id 看起来是数字但本质是分类变量。处理方式通常是df[views] pd.to_numeric(df[views], errorscoerce) df df.dropna(subset[views]) df[views] df[views].astype(int64) category_names {1: Autos, 2: Comedy, 24: Entertainment, 25: News} df[category] df[category_id].map(category_names)pd.to_numeric配合errorscoerce会把无法转换的单元格置成NaN接着dropna删掉这些行最后astype(int64)转成整数。这里最容易犯的错是直接.astype(int)一旦数据里有1,234这种千分位字符串整个转换会抛ValueError并中断后续步骤。map 方法里传入字典就能把分类编号转成可读名称方便后续画图时图例可读。4.3 可视化的参数选择让趋势说话数据分析示例不能只停留在统计量画图才是把结论讲清楚的手段。matplotlib 最关键的参数不是颜色而是坐标系和数据范围。对视频播放量这种跨度很大的数据直接用柱状图会全挤在底部正确做法是对数坐标import matplotlib.pyplot as plt df[views].hist(bins50) plt.yscale(log) plt.xlabel(views) plt.ylabel(count) plt.tight_layout() plt.savefig(views_dist.png, dpi150)bins50控制直方图分箱数量太小会丢失细节太大又容易产生空洞plt.yscale(log)把 y 轴改成对数尺度避免右偏数据把图形压成一条线。savefig里的dpi150是输出分辨率做博客配图够用做论文就需要 300 以上。这张图保存下来之后你可以快速判断数据到底是幂律分布还是近似正态从而决定后续用均值还是中位数做数据摘要这个选择会影响很多数据分析结论。5. 并发与工程化细节多进程、协程与 .gitignore 的边界5.1 多进程、多线程与协程怎么选Day66-70 涉及网络编程和并发这是很多 Python 开发者最容易用错模块的地方。简单总结CPU 密集用多进程IO 密集用多线程或协程Python 的 GIL 使多线程在纯计算场景没有加速效果。看下面的代码示例from concurrent.futures import ProcessPoolExecutor def compute_square(n: int) - int: return n * n with ProcessPoolExecutor(max_workers4) as pool: results list(pool.map(compute_square, range(1000)))ProcessPoolExecutor启动 4 个进程池pool.map会把range(1000)切块分发给子进程结果保持原顺序。with块会等待所有任务结束并回收资源不会出现僵尸进程。这段代码的关键参数是max_workers4在 8 核机器上通常设成 4 或 8设置成 CPU 核数加 4 反而会让上下文切换开销变大。纯 IO 密集场景用协程通常比多线程更省资源。一个典型的 asyncio 版本import asyncio async def fetch_one(url: str): await asyncio.sleep(0.1) # 模拟网络请求 return url async def main(): tasks [fetch_one(fhttps://example.com/{i}) for i in range(10)] result await asyncio.gather(*tasks) return result result asyncio.run(main())async def定义协程await asyncio.sleep(0.1)模拟耗时操作asyncio.gather并发收集所有协程结果。调用asyncio.run(main())是 Python 3.7 之后的统一入口旧代码里的loop asyncio.get_event_loop(); loop.run_until_complete(main())已经过时。这里要注意的是协程不能替代多进程处理 CPU 计算因为await只是把控制权交还事件循环计算仍然在同一个线程里。下面这张表可以当作项目选型速查场景GIL 影响推荐方案示例大量数值计算严重multiprocessing / ProcessPoolExecutor矩阵运算大量休眠或网络等待较小asyncio 协程爬虫请求共享可变状态有多进程队列 / 加锁消费者模型5.2 源码包里的“脏文件”其实是最好的排错素材解压时看到的.class文件和重复的scrapy.cfg经常让人怀疑下载错了。我的态度是不要急着删把它们当作排错训练素材。先用系统的file命令确认文件类型file Example04.class head -5 USvideos.csvfile输出如果包含 “Java class data”就基本可以确定与 Python 无关head -5用来快速预览 CSV 字段避免在不知道列名的情况下写解析代码。把两类文件分开处理.class文件统一移到_junk/目录USvideos.csv留在原处当数据源。这样做的理由是源码包本身很可能来自某个课程工程目录里面混入了 Java 示例硬要把它修成“纯洁”仓库反而丢掉了甄别的机会。真正的坑不是脏文件而是文件名里有$字符比如Example05$RequestHandler.class。这种文件在 shell 里需要转义才能操作用rm直接删很可能误伤同级文件。安全做法是用引号包裹或用 find 执行删除find . -name *.class -exec rm -i {} \;-exec rm -i {}会逐个询问是否删除\;是 exec 参数的结束符。如果文件太多不想交互把-i去掉即可但建议先加-print看一遍结果再真正删除。5.3 用好 .gitignore让学习仓库保持干净如果这个源码包要放进你自己的 GitHub 仓库.gitignore不是可有可无的。示例源码运行后必然产生__pycache__、编译缓存、虚拟环境和编辑器配置这些文件提交上去会污染代码历史。一个最小且可用的.gitignore长这样__pycache__/ *.py[cod] .venv/ .vscode/ .history/第一行忽略所有 Python 字节码缓存目录第二行忽略.pyc、.pyo、.pyd文件第三行把虚拟环境整个忽略后两行是编辑器私有目录。注意.gitignore只对未跟踪的文件生效如果某个文件已经被git add进去再加 ignore 规则也不会让它消失必须先用git rm --cached取消跟踪。这是源码包里 .gitignore 存在的真正意义它不是给 Python 解释器用的而是给 Git 提交边界用的。6. 把 100 天压成 30 天为源码包建立个人练习索引6.1 快速定位按知识点标记源码一百天的代码不可能全部重跑我的做法是先给所有.py文件建索引再按自己的目标圈定要精读的目录。用 Python 标准库即可完成from pathlib import Path root Path(.) for folder in sorted(root.glob(Day*)): py_files list(folder.rglob(*.py)) if not py_files: continue sizes sum(f.stat().st_size for f in py_files) print(f{folder.name}: {len(py_files)} 个文件, {sizes // 1024} KB)glob(Day*)匹配当前目录下所有 Day 开头的目录rglob(*.py)递归查找子目录里的 Python 文件sum累加字节数换算成 KB。这样几秒钟就能得到一个“哪些天有实际内容、哪些天只有文档”的概览后续决定跳过哪一段就有依据。再配合rg做知识点标记rg -l asyncio|await --glob *.py Day* | sort-l只打印文件名--glob *.py限定扩展名Day*限定目录范围。把这类命令组合成一个 shell 别名以后做技术复盘就能直接搜索“哪个文档讲过高阶并发”不需要打开 IDE 逐个翻。6.2 建立回归验证的简单命令压缩包源码最容易出现的问题是“某个示例只能在自己的环境跑”当你换版本后 import 直接失败。我习惯在精读完一个目录后立刻把该目录编译一遍作为回归检查。python -m py_compile Day16-20/*.py echo PASS Day16-20如果输出PASS说明这批代码语法上没有破坏如果要更严格可以选一个代表性脚本运行后比较它的退出码python Day71-85/data_analysis.py echo exit$?$?是 shell 的上一条命令退出码0 表示正常结束非 0 表示异常。如果想只检查与 asyncio 相关的示例就把Day*参数替换成rg -l async def Day* --glob *.py返回的文件列表这条检查命令就能从 100 天收窄到任何一个具体知识点。本文还有配套的精品资源点击获取 Python-100-Days源码包拆解：从环境搭建到数据分析实战
简介面向零基础 Python 自学者与希望系统梳理开发技能的进阶者这份《Python-100-Days (附源码).zip》按 100 天节奏组织学习路径从变量、数据类型、控制流等基础语法逐步推进到面向对象、文件操作、网络编程、数据分析与 Django/Flask 等 Web 开发实践每个阶段配合可直接运行的 Python 源码与说明文档便于按天打卡、边学边练。压缩包共有 812 个文件约 82.17MB主要包含 py 源码示例219 个、png/jpg/gif 图表与演示图386 个、md/html 学习笔记与页面152 个另有少量 sql、json、csv 等数据文件和资源文件目录按 Day 分组清晰适合按章节跳转或反复回看。资源包含 .gitignore、README.md 等工程化配套文件可帮助学习者同时理解项目规范。已有 889 人学习下载对想通过源码实战从入门走向进阶的读者来说是一套覆盖广、结构明确、阶段拆解细致的 Python 自学资料能帮助建立完整的编程知识体系。1. 一个压缩包半部 Python 实战史这个Python-100-Days源码包把上百个按天拆分的示例文件塞进一个zip。它不按教科书章节线性前进而是用天数把Python基础语法、面向对象、网络编程、数据分析、Web开发串成一条能跑起来的路径。真正打开压缩包你会发现里面混着Example04.class、scrapy.cfg甚至USvideos.csv这种“脏乱”恰恰是真实项目的常态。它适合两类人一是有其他语言基础、想快速摸清Python生态的开发者二是要带新人做训练营、需要现成源码做对照的老手。别急着从Day01开始抄代码先把它拆开搞清哪些能用、哪些要扔再谈100天。2. 解包先修课目录归档、虚拟环境与 python 版本选择2.1 从 zip 到可读目录先做减法压缩包不是仓库zip里的文件结构可能被拍平。我的习惯是先建一个工作目录解压后立刻做一次“体检”把明显无关的文件辨认出来而不是直接开始读源码。命令如下mkdir -p ~/py100 cd ~/py100 unzip ../Python-100-Days*.zip # 体检找出不是 Python 源码的文件确认它们的分部情况 find . \( -name *.class -o -name *.cfg -o -name *.csv \) | sort | head -30第一条命令负责建目录并进入第二条解压第三条把压缩包里出现的.class、.cfg、.csv一次性列出来。这里的逻辑是.class是 Java 编译产物基本可以确定是打包时混进来的.cfg不一定没用后面讲爬虫时 scrapy.cfg 还能当配置模板.csv是数据文件通常对应 Day71-85 数据分析阶段的练习素材不能删。先看到它们在哪再决定怎么处理。这个阶段我会做一个目录清单把压缩包里出现过的关键区间列出来。下面这张表是我结合摘要和源码目录习惯做的判断用来自测“学习地图”目录区间核心内容环境建议Day01-15变量、类型、控制流、函数Python 3.10Day16-20类、继承、多态、封装不需要额外依赖Day41-55异常、正则、文件操作标准库即可Day66-70网络编程、并发需要 requests / asyncioDay71-85pandas matplotlib seaborn建议先建虚拟环境Day91-100Web 框架 / 机器学习基础Django 或 scikit-learn注意这张表的“Day01-15”和“Day91-100”是我按这份资源的常见组织形式补的原包没有给出所有区间。真正确认的方式是解压后逐个目录看一眼别把 README.md 当作永远可靠的地图。2.2 Python 版本选择与虚拟环境这块必须放在“读代码”之前。Day71-85 要装 pandas、matplotlib直接往系统 Python 里 pip install 很容易把环境搞乱尤其 macOS 和 Linux 自带的 Python 往往被系统工具依赖。我一般用 pyenv virtualenv 隔离pyenv install 3.10.11 pyenv virtualenv 3.10.11 py100 pyenv local py100 python --version解释一下每条命令pyenv install安装指定版本pyenv virtualenv基于这个版本创建虚拟环境pyenv local是在当前目录写一个.python-version文件让后续所有 python 命令自动指向该环境。最后一句确认版本。如果你不想装 pyenv直接用系统自带的也是一种做法python3 -m venv ~/py100/.venv source ~/py100/.venv/bin/activate两种方式的差别在于 pyenv 可以同时管理多个 Python 小版本适合要对照 Day01-15 和 Day71-85 不同依赖的场景venv 则更轻。无论哪种建成之后都要先升级 pip 再装依赖否则安装 pandas 时容易出现 prebuilt wheel 找不到的问题。2.3 用两条命令跑通“hello”链路环境准备好后先验证源码能不能被当前解释器读通而不是急着看内容。一个非常快的 smoke test 是用py_compile把每个 Python 文件都编译一遍python -m py_compile Day01-15/*.py Day16-20/*.py参数Day01-15/*.py是让 shell 展开成文件列表py_compile只负责编译不执行代码所以即使里面有调用外部服务的模块也不会真的联网。如果这条命令没有报 SyntaxError说明这批文件的语法至少兼容当前 Python 版本。接着挑一个最简单的文件执行python Day01-15/example01.py如果输出符合预期整条“解压-建环境-运行”的链路就通了。常见报错里最值得注意的不是语法错误而是ImportError——说明某个示例用了较老版本的第三方库比如旧 pandas API 在新版本里被改名。这种问题先记下来等跑到对应章节再处理。3. 前 55 天的编程地基语法、类型、函数与异常3.1 从零开始类型转换和控制流很多带着编程经验的人会跳过基础目录这反而容易踩TypeError。比如字符串和整数做加法是 Python 入门最典型的报错原因是 Python 是强类型语言不会隐式把数字拼进字符串。源码包里 Day01-15 的示例通常会用类似下面的代码演示转换num_str 42 num int(num_str) # 字符串转整数 print(num str(num)) # 整数转回字符串后再拼接 if num 40 and num % 2 0: print(有效数字)代码里int(num_str)是类型转换str(num)是为了拼接字符串时避免 TypeError。and后面的取模判断演示了控制流中逻辑运算符的优先级先算%再算最后才参与and。如果你想让自己更快熟悉转换规则参考下面这张表逐条试目标类型常用函数失败场景整数int(x)字符串不是纯数字时抛 ValueError浮点float(x)同上字符串str(x)基本不会失败列表list(iterable)传入不可迭代对象会抛 TypeError布尔bool(x)空值、0、空容器转 False这里想强调一件事源码包不是文档它不会告诉你每个转换的边界。比如int(4.2)会报错而float(4.2)可以成功这种差异只有亲手跑一遍才能变成肌肉记忆。3.2 函数与面向对象Day16-20 的重心Day16-20 把重心移到类和对象上核心是多态和继承。很多自学者在这里开始抄不动源码因为看到super().__init__()就一头雾水。实际上你只需要记住一句话子类的__init__如果想复用父类初始化逻辑就调用super()。class Video: def __init__(self, title: str, views: int 0): self.title title self.views views def stat(self) - str: return f{self.title}: {self.views} views class TrendingVideo(Video): def __init__(self, title: str, views: int, rank: int 1): super().__init__(title, views) # 复用父类字段 self.rank rank def stat(self) - str: return f{super().stat()} (rank {self.rank})super().__init__是调用父类构造器它省掉了重复给 title 和 views 赋值的三行代码。stat方法用了类型注解- str这在 3.10 里是合法语法但如果你的解释器版本太低就会报错。所以前面第 2 章的版本选择不是可有可无的旧版本读新语法会直接把 Day16-20 卡死。多态的本质是“不同对象响应同一方法名”。上面TrendingVideo覆写stat后你用Video类型变量接收它调用stat()时仍会执行子类版本。这种特性在后面的数据分析阶段会反复出现比如 pandas 的DataFrame.plot()会根据后端选择不同绘图库但调用方式一致。3.3 异常处理与正则Day41-55 的常见坑Day41-55 的主题覆盖异常、正则、文件目录操作。源码包里很多示例为了演示“能跑”经常省略异常处理直接裸写file.write()或re.search()。我建议你看的时候反过来自己给示例补try/except。比如文件不存在时读写操作最常见的报错是FileNotFoundErrorimport re from pathlib import Path path Path(USvideos.csv) try: line path.read_text(encodingutf-8).splitlines() except FileNotFoundError: print(文件不存在说明你还没运行数据准备脚本) else: pattern re.compile(r,\s*\d{4,},) sample [l for l in line[:20] if pattern.search(l)] print(f找到 {len(sample)} 行包含长数字的记录)这里read_text(encodingutf-8)指定了编码避免 Windows 下默认 GBK 读取 CSV 乱码re.compile预先编译正则在循环里复用比每次调用re.search(pattern, l)快。代码里的else块是try的隐藏分支没有异常才执行所以sample只在文件存在时才会被赋值这是很多教程不会强调的细节。正则本身要小心的不是匹配不到而是过早编写复杂表达式。上面,\s*\d{4,},只能在示例数据上工作真实 USvideos.csv 的字段里可能含有逗号简单按逗号切分是错的。拿到这种文件第一步永远是pandas.read_csv而不是手写正则解析这就是下一章要进入的地带。4. 真正的工程感爬虫、CSV 数据分析与可视化4.1 把 scrapy.cfg 的残留变成爬虫入口压缩包里的 scrapy.cfg 看起来和 Python 学习内容无关但它是爬虫工程里“配置与代码分离”的很好的反面教材。一个标准 Scrapy 项目scrapy.cfg 通常只有三五行[settings] default usvideos.settings [deploy] project usvideos第一行指定了项目默认的 settings 模块Scrapy 启动时会根据它找到爬虫配置[deploy]这一段是给 Scrapy Cloud 部署用的本地跑完全可以忽略。如果你的目标只是学 Python 网络请求不必为此装上整个 Scrapy使用 requests 就足够了。源码包网络编程阶段通常也会用 requests 演示 HTTP 请求生命周期import requests url https://example.com/api/videos params {trending: true, limit: 100} resp requests.get(url, paramsparams, timeout10) resp.raise_for_status() data resp.json() for item in data[:5]: print(item[title], item[views])params参数会自动编码查询串比手写?trendingtruelimit100更安全raise_for_status()会在状态码不是 2xx 时抛出异常避免后续拿到一个 404 页面还硬解析。这个示例里数据是假想的换成真实接口时要注意鉴权 header比如resp.headers[X-RateLimit-Remaining]用来判断是否快触发限流。使用 requests 时默认参数最容易踩坑下表可以随手查参数作用容易出现的问题timeout等待响应的最大秒数不设置会无限阻塞params查询字符串字典值不是字符串时抛 TypeErrorheaders请求头缺少 User-Agent 被服务端拒绝verifySSL 证书校验抓测试环境时可设为 False“把 scrapy.cfg 当入口”的意思是学习时不要只读源码还要读配置文件。很多初学者以为写个爬虫就是写urlopen但当项目规模变大代理、下载延迟、User-Agent 轮换这些都需要外置配置而不是硬编码在脚本里。4.2 用 pandas 读取 USvideos.csv 做清洗与统计USvideos.csv 是压缩包里最值得利用的数据文件。用 pandas 读 CSV 不是open().readline()那种逐行解析而是直接获得带列名的二维表import pandas as pd df pd.read_csv(USvideos.csv, nrows1000, parse_dates[publish_time]) print(df.shape) print(df.dtypes.to_dict()) print(df[category_id].value_counts().head())nrows1000表示只读前 1000 行适合内存不足或快速验证的场景parse_dates指定将publish_time列解析成datetime64类型后续才能做按小时、按日期的聚合。value_counts()是 Series 方法用来做频数统计这里展示的是每一类视频的出现次数。数据清洗是这一章真正要练的。USvideos.csv 里常见三个坑标题字段可能包含转义引号views/likes列会混进低概率的缺失值category_id 看起来是数字但本质是分类变量。处理方式通常是df[views] pd.to_numeric(df[views], errorscoerce) df df.dropna(subset[views]) df[views] df[views].astype(int64) category_names {1: Autos, 2: Comedy, 24: Entertainment, 25: News} df[category] df[category_id].map(category_names)pd.to_numeric配合errorscoerce会把无法转换的单元格置成NaN接着dropna删掉这些行最后astype(int64)转成整数。这里最容易犯的错是直接.astype(int)一旦数据里有1,234这种千分位字符串整个转换会抛ValueError并中断后续步骤。map 方法里传入字典就能把分类编号转成可读名称方便后续画图时图例可读。4.3 可视化的参数选择让趋势说话数据分析示例不能只停留在统计量画图才是把结论讲清楚的手段。matplotlib 最关键的参数不是颜色而是坐标系和数据范围。对视频播放量这种跨度很大的数据直接用柱状图会全挤在底部正确做法是对数坐标import matplotlib.pyplot as plt df[views].hist(bins50) plt.yscale(log) plt.xlabel(views) plt.ylabel(count) plt.tight_layout() plt.savefig(views_dist.png, dpi150)bins50控制直方图分箱数量太小会丢失细节太大又容易产生空洞plt.yscale(log)把 y 轴改成对数尺度避免右偏数据把图形压成一条线。savefig里的dpi150是输出分辨率做博客配图够用做论文就需要 300 以上。这张图保存下来之后你可以快速判断数据到底是幂律分布还是近似正态从而决定后续用均值还是中位数做数据摘要这个选择会影响很多数据分析结论。5. 并发与工程化细节多进程、协程与 .gitignore 的边界5.1 多进程、多线程与协程怎么选Day66-70 涉及网络编程和并发这是很多 Python 开发者最容易用错模块的地方。简单总结CPU 密集用多进程IO 密集用多线程或协程Python 的 GIL 使多线程在纯计算场景没有加速效果。看下面的代码示例from concurrent.futures import ProcessPoolExecutor def compute_square(n: int) - int: return n * n with ProcessPoolExecutor(max_workers4) as pool: results list(pool.map(compute_square, range(1000)))ProcessPoolExecutor启动 4 个进程池pool.map会把range(1000)切块分发给子进程结果保持原顺序。with块会等待所有任务结束并回收资源不会出现僵尸进程。这段代码的关键参数是max_workers4在 8 核机器上通常设成 4 或 8设置成 CPU 核数加 4 反而会让上下文切换开销变大。纯 IO 密集场景用协程通常比多线程更省资源。一个典型的 asyncio 版本import asyncio async def fetch_one(url: str): await asyncio.sleep(0.1) # 模拟网络请求 return url async def main(): tasks [fetch_one(fhttps://example.com/{i}) for i in range(10)] result await asyncio.gather(*tasks) return result result asyncio.run(main())async def定义协程await asyncio.sleep(0.1)模拟耗时操作asyncio.gather并发收集所有协程结果。调用asyncio.run(main())是 Python 3.7 之后的统一入口旧代码里的loop asyncio.get_event_loop(); loop.run_until_complete(main())已经过时。这里要注意的是协程不能替代多进程处理 CPU 计算因为await只是把控制权交还事件循环计算仍然在同一个线程里。下面这张表可以当作项目选型速查场景GIL 影响推荐方案示例大量数值计算严重multiprocessing / ProcessPoolExecutor矩阵运算大量休眠或网络等待较小asyncio 协程爬虫请求共享可变状态有多进程队列 / 加锁消费者模型5.2 源码包里的“脏文件”其实是最好的排错素材解压时看到的.class文件和重复的scrapy.cfg经常让人怀疑下载错了。我的态度是不要急着删把它们当作排错训练素材。先用系统的file命令确认文件类型file Example04.class head -5 USvideos.csvfile输出如果包含 “Java class data”就基本可以确定与 Python 无关head -5用来快速预览 CSV 字段避免在不知道列名的情况下写解析代码。把两类文件分开处理.class文件统一移到_junk/目录USvideos.csv留在原处当数据源。这样做的理由是源码包本身很可能来自某个课程工程目录里面混入了 Java 示例硬要把它修成“纯洁”仓库反而丢掉了甄别的机会。真正的坑不是脏文件而是文件名里有$字符比如Example05$RequestHandler.class。这种文件在 shell 里需要转义才能操作用rm直接删很可能误伤同级文件。安全做法是用引号包裹或用 find 执行删除find . -name *.class -exec rm -i {} \;-exec rm -i {}会逐个询问是否删除\;是 exec 参数的结束符。如果文件太多不想交互把-i去掉即可但建议先加-print看一遍结果再真正删除。5.3 用好 .gitignore让学习仓库保持干净如果这个源码包要放进你自己的 GitHub 仓库.gitignore不是可有可无的。示例源码运行后必然产生__pycache__、编译缓存、虚拟环境和编辑器配置这些文件提交上去会污染代码历史。一个最小且可用的.gitignore长这样__pycache__/ *.py[cod] .venv/ .vscode/ .history/第一行忽略所有 Python 字节码缓存目录第二行忽略.pyc、.pyo、.pyd文件第三行把虚拟环境整个忽略后两行是编辑器私有目录。注意.gitignore只对未跟踪的文件生效如果某个文件已经被git add进去再加 ignore 规则也不会让它消失必须先用git rm --cached取消跟踪。这是源码包里 .gitignore 存在的真正意义它不是给 Python 解释器用的而是给 Git 提交边界用的。6. 把 100 天压成 30 天为源码包建立个人练习索引6.1 快速定位按知识点标记源码一百天的代码不可能全部重跑我的做法是先给所有.py文件建索引再按自己的目标圈定要精读的目录。用 Python 标准库即可完成from pathlib import Path root Path(.) for folder in sorted(root.glob(Day*)): py_files list(folder.rglob(*.py)) if not py_files: continue sizes sum(f.stat().st_size for f in py_files) print(f{folder.name}: {len(py_files)} 个文件, {sizes // 1024} KB)glob(Day*)匹配当前目录下所有 Day 开头的目录rglob(*.py)递归查找子目录里的 Python 文件sum累加字节数换算成 KB。这样几秒钟就能得到一个“哪些天有实际内容、哪些天只有文档”的概览后续决定跳过哪一段就有依据。再配合rg做知识点标记rg -l asyncio|await --glob *.py Day* | sort-l只打印文件名--glob *.py限定扩展名Day*限定目录范围。把这类命令组合成一个 shell 别名以后做技术复盘就能直接搜索“哪个文档讲过高阶并发”不需要打开 IDE 逐个翻。6.2 建立回归验证的简单命令压缩包源码最容易出现的问题是“某个示例只能在自己的环境跑”当你换版本后 import 直接失败。我习惯在精读完一个目录后立刻把该目录编译一遍作为回归检查。python -m py_compile Day16-20/*.py echo PASS Day16-20如果输出PASS说明这批代码语法上没有破坏如果要更严格可以选一个代表性脚本运行后比较它的退出码python Day71-85/data_analysis.py echo exit$?$?是 shell 的上一条命令退出码0 表示正常结束非 0 表示异常。如果想只检查与 asyncio 相关的示例就把Day*参数替换成rg -l async def Day* --glob *.py返回的文件列表这条检查命令就能从 100 天收窄到任何一个具体知识点。本文还有配套的精品资源点击获取