基础语法

注释

在 Python 代码中,我们一般使用 # (hash, hashtag, hashmark) 符号来添加注释。

注意 # 只能注释当行，而'''或"""可以用来注释多行。

下面是 Python 中注释的使用例子：

def my_function(x, y):
   """
   这个自定义函数计算两个数值x和y的和
   函数输入为:
   x: The first number to be added.
   y: The second number to be added.
   函数输出为:
   The sum of x and y.
   """
   return x + y

# 打印结果
print(my_function(1.5,2))

提示

Jupyter Notebook 中注释和取消注释的快捷键为 Ctrl + /。

缩进

在 Python 中，缩进是非常重要的。缩进是指在代码行前面留出的空格（space）或制表符（Tab），它们用于表示代码块的开始和结束。

缩进的大小没有严格规定，一般情况下建议使用四个空格作为缩进，并不鼓励使用制表符（tab）缩进。

缩进在条件语句、循环语句、函数定义中用来表示代码块之间层级关系。下面是使用缩进的例子：

# 定义变量x,从用户输入中获取数值
x = float(input("请输入一个数值:"))
# 定义变量abs_x,用来存放绝对值

abs_x = x
# 如果x为正数
if x > 0:
    print("x is positive")

# 如果x为零
elif x == 0:
    print("x is zero")

# 如果x为负数
else:
    print("x is negative")
    # 计算负数绝对值
    abs_x = -x

print("该数值的绝对值为:", abs_x)

提示

如果缩进有误编译器会报错,报错内容为 IndentationError: unindent does not match any outer indentation level。

变量

在 Python 中，变量（variable）是用于存储数据值的标识符。它用于引用内存中的值，这些值可以是数字、字符串、列表、字典、函数等各种类型的数据。下表是 Python 的变量种类和说明：

数据类型	type()	特点	举例
数字（Number）	int、float	包括整数、浮点数等	x = 10、y = 3.14
字符串（String）	str	一系列字符的序列	s = 'hello,world
列表（List）	list	一组有序的元素，可以修改	a = [1, 2, 3, 4]、b = ['apple', 'banana', 'orange']
元组（Tuple）	tuple	一组有序的元素，不能修改	a = (1, 2, 3, 4)、b = ('apple', 'banana', 'orange')
集合（Set）	set	一组无序的元素，不允许重复	e = {1, 2, 3, 4}、f = {'apple', 'banana', 'orange'}
字典（Dictionary）	dict	一组键-值对，键必须唯一	g = {'name': 'Tom', 'age': 18}
布尔（Boolean）	bool	代表 True 和 False 两个值	x = True、y = False
None 类型	NoneType	代表空值或缺失值	z = None

在 Python 中，变量是动态类型的，这意味着我们可以在运行时为变量分配不同类型的值。不需要提前声明变量的类型，Python 会根据所赋予的值自动确定其类型。在 Python 中，可以使用内置的 type() 函数来判定数据的类型。type() 函数返回一个表示对象类型的值。

变量命名规则

Python 中的变量命名规则和建议如下:

• 变量名必须是一个合法的标识符，即由字母、数字和下划线组成，且不能以数字开头。例如，x、my_var、var_1 等都是合法的标识符。注意，变量名不能以数字开头，比如 1_variable 作为变量名不合法。

• 变量名区分大小写。例如，my_var 和 My_var 是不同的变量名。

• 变量名应该具有描述性，能够清晰地表达其所代表的内容。例如，name 可以代表人名，age 可以代表年龄等。

• 变量名应该尽量简洁明了，但不要过于简短或过于复杂。避免使用单个字母或缩写作为变量名，除非上下文明确。

• 变量名不应该与 Python 中的保留函数 (关键字) 重名，否则会导致语法错误。例如，不能使用 if、else、while 等关键字作为变量名。

• 在特定的上下文中，可以使用特定的命名约定。例如，类名应该使用驼峰命名法（camelCase），函数名和变量名应该使用下划线分隔法（snake_case）等。

变量赋值

在 Python 中，我们可以使用等号 = 将一个值赋给一个变量。

可以同时给多个变量赋值，用逗号分隔每个变量，并用等号将值分配给变量。例如：

x, y, z = 1, 2, 3

可以使用链式赋值的方式给多个变量赋相同的值。例如：

x = y = z = 0

可以使用增量赋值的方式对变量进行递增或递减。例如：

x += 1 # 等价于 x = x + 1

导入包

Python 包是一组相关的模块和函数的集合，用于实现特定的功能或解决特定的问题。包通常由一个顶层目录和一些子目录和文件组成，其中包含了实现特定功能的模块和函数。Python 中有很多常用的包，包括数据处理和可视化、机器学习和深度学习、网络编程、Web 开发等。其中，常用的可视化包包括 Matplotlib、Seaborn、Plotly 等，机器学习常用的包包括 NumPy、Pandas、Statsmodels、Scikit-learn、TensorFlow 等。

• Matplotlib 是 Python 中最流行的绘图库之一，可用于创建各种类型的静态图形，如线图、散点图、柱状图、等高线图等。

• Seaborn 是基于 Matplotlib 的高级绘图库，提供了更美观、更丰富的图形元素和绘图样式。

• Plotly 是一款交互式绘图库，可用于创建各种类型的交互式图形，如散点图、热力图、面积图、气泡图等，支持数据可视化的各个方面，包括统计学可视化、科学可视化、金融可视化等。

• NumPy 是 Python 中常用的数值计算库，提供了数组对象和各种数学函数，用于高效地进行数值计算和科学计算。

• Pandas 是 Python 中常用的数据处理库，提供了高效的数据结构和数据分析工具，可用于数据清洗、数据处理和数据可视化。

• Scikit-learn 是 Python 中常用的机器学习库，提供了各种常见的机器学习算法和模型，包括分类、回归、聚类、降维等。

• TensorFlow 是谷歌开发的机器学习框架，提供了各种深度学习模型和算法，可用于构建神经网络、卷积神经网络、循环神经网络等深度学习模型。

导入包

下面以 NumPy 为例介绍几种常用的导入包的方式。

第一种，直接导入整个 Numpy 包：

import numpy

这种方式会将整个 NumPy 包导入到当前的命名空间中，需要使用完整的包名进行调用，例如：

a = numpy.array([1, 2, 3])

第二种，导入 NumPy 包并指定别名：

import numpy as np

这种方式会将 NumPy 包导入到当前的命名空间中，并使用别名 np 来代替 NumPy，例如：

a = np.array([1, 2, 3])

第三种，导入 NumPy 包中的部分模块或函数：

from numpy import array

这种方式会将 NumPy 包中的 array 函数导入到当前的命名空间中，可以直接调用该函数，例如：

a = array([[1, 2, 3]])

第四种，导入 NumPy 包中的所有模块或函数：

from numpy import *

这种方式会将 NumPy 包中的所有函数和模块导入到当前的命名空间中，可以直接调用任意函数或模块，例如：

a = array([1, 2, 3])

b = random.rand(3, 3)

在实际应用中，可以根据需要选择和使用适当的导入方式。一般来说，建议使用第二种（导入 NumPy 包并指定别名）或第三种方式（导入部分模块或函数），这样既可以简化代码，又不会导入太多无用的函数或模块，从而提高代码的可读性和性能。