全栈数据工程师养成攻略：Python 基本语法

Python简单易学，但又博大精深。许多人号称精通Python，却不会写Pythonic的代码，对很多常用包的使用也并不熟悉。学海无涯，我们先来了解一些Python中最基本的内容。

Python的特点

解释型语言，无需编译即可运行 
提供了交互式命令行 
基于对象的编程思想 
跨平台和良好的兼容性，在Windows、Mac、Linux上都可运行 
简单好用而且功能强大

中文编码

很多同学在打开数据时会遇上乱码问题，其原因是字符集的编码问题。Linux和Mac默认的编码集是UTF8，而Windows则是ASCII。如果数据编码的字符集，和你使用Python进行处理时所用的字符集不同，则会出现乱码问题。

这里是一篇参考文章，http://www.cnblogs.com/huxi/archive/2010/12/05/1897271.html，详细地介绍了Python中文编码所涉及的内容。

另外，我个人的习惯是在Python代码的头部加入以下内容，其中第二行声明了使用UTF8字符集。

变量

Python中的变量可以看作是一个个容器，里面存放着我们需要使用到的值。Python对变量名的要求和其他语言一样：可以包括英文、数字以及下划线，但不能以数字开头，区分大小写。当然我推荐，变量名用纯英文就很好，并且取一些有意义的名称，便于自己理解每个变量的作用。

Python是一门弱类型的语言，在使用变量时无需声明其类型。Python中的变量包括以下几类：数值、字符串、列表、元组、字典。

数值

数值包括整型和浮点型，分别对应整数和浮点数，后者精度更高。

字符串也就是我们经常接触到的文本，可以往里面放任意长度的内容，用单引号或双引号括起来。应当注意，中文以及中文符号只能出现在字符串內，如果在下面第三行中使用了中文输入法的逗号 ， ，Python将报错。

使用 + 可以拼接两个字符串。

使用 len() 可以得到字符串的长度。

使用切片可以访问字符串中的某个字符或某个片段。

列表

列表好比一条队伍，里面依次存放着多个变量。列表和字符串类似，但字符串中的每个元素都是字符，而列表中的每个元素可以是任意类型的变量。

使用 len() 可以获得列表的长度。

列表元素的按下标访问和赋值等操作，和字符串都是类似的。

使用 del 删除列表中的某个元素。

元组

元组和列表类似，唯一的不同是元组中的元素在初始化之后不能再更改，因此可以理解成一个只读的变量。

字典

字典是一种极为重要的变量类型，使用一个key来访问相应的value，即一种键值对的数据形式。

所以能够总结出字典和列表的不同。列表中的元素是有序对等的，所以是用下标来赋值和访问，而字典中的元素是无序的，所以是用key来操作相应的value。

使用 has_key() 判断字典中是否有某个key。

如果访问不存在的key，Python将会报错。在赋值的时候，如果key已经存在，则会用新的value覆盖已有的value。

注释

被注释的代码将不会运行，可以看作是写给自己和其他程序猿阅读的一些笔记和说明，提高代码可读性。

在Sublime中，选中需要注释的内容，按Ctrl+/即可完成注释。

保留字符

在Python中，有一些字符串具有某些特定功能，如 import 、 class 等。我们在选择变量名时，应注意避开这些保留字符。

行和缩进

在Python中，代码块的边界不是通过大括号等符号进行显式划分，而是通过行的缩进实现的。连续相同缩进水平的代码处于同一个代码块，在使用 for 、 while 、 if 、 try 等语法时需要注意每行代码的缩进。

运算符

运算符的作用是根据已有的变量生成新的变量，主要有以下几种：

算术运算符：+，-，*，/，%，即加、减、乘、除、取余 
比较运算符：==，!=，>，<，>=，<=，即等于、不等于、大于、小于、大于等于、小于等于 
赋值运算符：=，+=，-=，*=，/=，%=，即赋值、加赋值、减赋值、乘赋值、除赋值、取余赋值 
逻辑运算符：and，or，not，即与、或、非

条件

在写代码的时候，往往需要根据某些条件进行判断，并根据判断结果执行不同的分支代码。

需要注意的是，但凡出现了 if 和 elif ，就需要加上相应的条件判断，并且注意代码的缩进。

在Sublime中输入 if 会出现相应的提示，可以方便地补全代码，在换行时光标也会自动跳到合适的缩进处。

循环

如果需要打印从1到100的100个数，肯定不会傻傻地写100行print代码，而是会用循环来处理类似的重复性工作。

while 循环

while 循环的思想是，只要某一条件成立，就不断执行循环体里的代码，直到条件不再成立。

for 循环

for 循环的循环次数一般是事先预知的，将一个标志变量从某个起始值迭代到某个终止值后即结束。

循环控制

循环控制主要包括三种： pass 、 continue 、 break 。

pass 表示什么也不做，只是占一行代码的位置；continue 表示立即退出本轮循环，继续执行后续轮循环；break 表示立即推出循环，后续循环也不再执行。

时间

在处理数据时，很多地方都会涉及到时间，例如数据产生的时间。

先介绍一下时间戳的概念，时间戳指的是从1970年1月1日0时0分0秒开始，到某一时刻所经历的秒数，可以是整数或者小数，后者的精度更高。

为什么需要时间戳这样的一个概念？因为对于同一个时刻，不同人的描述可能不同，毕竟文本的形式千变万化，而时间戳使得时间的表达得到了统一，每个时刻只能用唯一的整数或浮点数来表示，同时也便于计算时间差这样的处理。

关于时间戳，最常用的处理便是时间戳和时间文本之间的转换，例如将 2016年10月1日 10时0分0秒 转为时间戳。

其中， %Y 、 %m 等都是时间字段，前者表示四位的年份，后者表示两位的月份。

文件

文件操作包括向文件中写内容，以及从文件中读内容，使用 open() 打开一个文件。

异常

Python代码中可能会出现一些可以预知的问题，例如字典访问的key不存在。如果不加处理，发生问题的时候Python便会报错并退出，可能之前跑了很久又要重头再来。因此，我们需要对可能出现的异常进行捕捉和处理。异常的结构由 try 、 except 、 else 、 finally 四部分组成。

函数

函数的作用是代码模块化，将可重用的代码封装成一个函数，这样在需要使用的时候就只需调用写好的函数即可，而不用重新写一遍代码。

函数的使用包括两个部分，函数的定义和函数的调用。除此之外，函数可以有一个或多个参数，参数之间以逗号分开，为函数的功能提供更多的灵活性。

补充学习

以上所介绍的，都是Python中最基础和最常用的内容，先掌握这些就可以跟上后续章节。

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf