从入门到高手的99个python案例

点击上方蓝字关注我吧~

大家好，想掌握Python编程语言，从零基础的小白晋升为大神？没问题！接下来我们将以轻松有趣的方式，逐一解锁Python学习路上的99个关键知识点。每一步都将结合实际应用场景、函数功能解析及简洁代码演示，带你深度领略Python的魅力！

1. hello, world! - print() 函数，你的第一个问候，输出文本。

print("Hello, Python World!")  

2. 变量小能手 - type() 和 str()，查看和转换数据类型。

x = 5  
print(type(x))  # 输出 <class 'int'>  
y = str(x)      # 将整数转为字符串  

3. 条件判断 - if、elif、else，让程序有逻辑。

age = 20  
if age >= 18:  
    print("成年人")  

4. 循环大法好 - for、while，重复执行任务。

for i in range(5):  
    print(i)  

5. 列表造房子 - [] 和 append(), 创建并添加元素。

fruits = ["apple", "banana"]  
fruits.append("orange")  

6. 字典钥匙和门 - {} 和 keys(), 存储键值对。

person = {"name": "Alice", "age": 25}  
print(person.keys())  

7. 函数是魔法 - def，封装重复代码。

def greet(name):  
    return f"Hello, {name}!"  

8. 异常处理 - try、except, 遇到错误不慌张。

try:  
    num = int("abc")  
except ValueError:  
    print("这不是数字!")  

9. 模块大援军 - import, 导入外部库增强功能。

import math  
pi = math.pi  

10. 字符串艺术 - split() 和 join(), 分割和组合文本。

words = "hello world".split()  
print("-".join(words))  

11. 文件操作入门 - open() 和 read(), 读写文件内容。

with open("file.txt", "r") as file:  
    content = file.read()  

12. 列表推导式 - 列表生成器，简洁高效。

squares = [x**2 for x in range(10)]  
print(squares)  

13. 元组不可变 - () 和 tuple(), 安全存储不可变数据。

coordinates = (1, 2, 3)  
print(coordinates[0])  # 输出 1  

14. 集合的独特性 - {} 和 set(), 去重神器。

fruits = {"apple", "banana", "apple"}  
unique_fruits = set(fruits)  
print(unique_fruits)  

15. 类与对象 - class, 创建自定义数据结构。

class Dog:  
    def __init__(self, name):  
        self.name = name  
dog = Dog("Rex")  

16. 装饰器魔法棒 - @decorator, 动态修改函数行为。

def my_decorator(func):  
    def wrapper():  
        print("Before function call")  
        func()  
        print("After function call")  
    return wrapper  
  
@my_decorator  
def say_hello():  
    print("Hello!")  
  
say_hello()  

17. 异常链追踪 - raise 和 try-except, 显示异常详情。

try:  
    raise ValueError("Custom error")  
except ValueError as e:  
    print(e)  

18. 迭代器解密 - iter() 和 next(), 遍历序列更轻量级。

numbers = [1, 2, 3]  
iterator = iter(numbers)  
print(next(iterator))  # 输出 1  

19. lambda表达式 - 快速创建小型匿名函数。

double = lambda x: x * 2  
print(double(5))  # 输出 10  

20. 函数式编程 - map()、filter(), 高阶函数处理数据。

numbers = [1, 2, 3, 4, 5]  
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))  
print(even_numbers)  # 输出 [2, 4]  

21. 生成器表达式 - 动态生成值，节省内存。

even_gen = (x for x in range(10) if x % 2 == 0)  
print(next(even_gen))  # 输出 0  

22. 内置函数大全 - len(), min(), max(), 功能强大。

string = "Python"  
print(len(string))  # 输出 6  

23. 字典的键值对操作 - keys(), values(), items(), 访问元素。

d = {"name": "Alice", "age": 25}  
print(d["name"])  # 输出 "Alice"  

24. 列表推导式优化 - 使用三元表达式简化条件。

numbers = [i for i in range(10) if i % 2 == 0 or i % 3 == 0]  
print(numbers)  

25. 列表切片操作 - [start:end:step], 选择子序列。

fruits = ["apple", "banana", "cherry", "date"]  
sliced_fruits = fruits[1:3]  
print(sliced_fruits)  # 输出 ["banana", "cherry"]  

26. 面向对象继承 - class 和 super(), 复用已有功能。

class Animal:  
    def __init__(self, name):  
        self.name = name  
  
class Dog(Animal):  
    def bark(self):  
        print(self.name + " says woof!")  
  
dog = Dog("Rex")  
dog.bark()  

27. 异常处理实践 - finally 子句, 确保清理工作。

try:  
    file.close()  
except Exception as e:  
    print("Error:", e)  
finally:  
    print("File closed.")  

28. 全局和局部变量 - 在函数内外区别变量。

global_var = "global"  
def func():  
    local_var = "local"  
    print(local_var)  # 输出 "local"  
  
print(global_var)  # 输出 "global"  
func()  

29. 模块导入优化 - 使用from ... import *, 但需谨慎。

from math import sqrt  
print(sqrt(16))  # 输出 4.0  

30. 列表和元组的区别 - 元组不可变，列表可变。

t = (1, 2, 3)  # 元组  
l = [1, 2, 3]  # 列表  
l[0] = 0  
print(l)  # 输出 [0, 2, 3]  
print(t)  # 输出 (1, 2, 3), 元组不变  

31. 列表解析与生成器表达式对比 - 生成器节省内存。

# 列表解析  
even_numbers_list = [i for i in range(10) if i % 2 == 0]  
  
# 生成器表达式  
even_numbers_generator = (i for i in range(10) if i % 2 == 0)  
print(list(even_numbers_generator))  # 输出相同，但生成器更节省内存  

32. 函数参数传递 - pass by value vs pass by reference, 对象传递。

def change_list(lst):  
    lst.append(4)  
  
original = [1, 2]  
change_list(original)  
print(original)  # 输出 [1, 2, 4], 实际上是引用传递  

33. 列表推导式与map()对比 - 列表推导简洁。

numbers = [1, 2, 3, 4]  
squared_list = [x**2 for x in numbers]  
squared_map = map(lambda x: x**2, numbers)  
print(list(squared_map))  # 输出 [1, 4, 9, 16], 相同结果，但列表推导更易读  

34. 迭代器和生成器的应用 - 节省内存和性能。

def infinite_sequence():  
    n = 0  
    while True:  
        yield n  
        n += 1  
  
gen = infinite_sequence()  
for _ in range(5):  
    print(next(gen))  # 输出前5个自然数  

35. 装饰器高级用法 - 多装饰器链。

def log_time(func):  
    def wrapper(*args, **kwargs):  
        start_time = time.time()  
        result = func(*args, **kwargs)  
        end_time = time.time()  
        print(f"{func.__name__} took {end_time - start_time} seconds.")  
        return result  
    return wrapper  
  
@log_time  
@count_calls  
def fibonacci(n):  
    pass  # 实现斐波那契数列  
  
fibonacci(10)  

36. 异常处理最佳实践 - 明确异常类型和处理。

def safe_division(a, b):  
    try:  
        result = a / b  
    except ZeroDivisionError:  
        print("Can't divide by zero!")  
        result = None  
    return result  
  
print(safe_division(10, 2))  # 输出 5  
print(safe_division(10, 0))  # 输出 Can't divide by zero!  

37. 类方法和静态方法 - @classmethod 和 @staticmethod, 提供不同访问权限。

class MyClass:  
    @classmethod  
    def class_method(cls):  
        print(f"This is a class method, {cls}")  
  
    @staticmethod  
    def static_method():  
        print("This is a static method.")  
  
MyClass.class_method()  # 输出 This is a class method, MyClass  
MyClass.static_method()  # 输出 This is a static method.  

38. 模块导入的别名 - 使用as关键字，简化导入。

import math as m  
print(m.pi)  # 输出 π 的近似值  

39. 字符串格式化 - 使用f-string或format(), 易于定制输出。

name = "Alice"  
age = 25  
print(f"My name is {name}, and I am {age} years old.")  

40. 列表推导式嵌套 - 多层次的数据处理。

matrix = [[1, 2], [3, 4]]  
transposed = [[row[i] for row in matrix] for i in range(2)]  
print(transposed)  # 输出 [[1, 3], [2, 4]]  

41. 元组解包 - 交换变量值。

a, b = 5, 10  
a, b = b, a  # 元组解包实现变量交换  
print(a, b)  # 输出 10, 5  

42. 列表推导式与列表生成式 - 生成器表达式节省内存。

# 列表推导式  
even_squares = [x**2 for x in range(10) if x % 2 == 0]  
  
# 列表生成式  
even_squares_gen = (x**2 for x in range(10) if x % 2 == 0)  
print(list(even_squares_gen))  # 输出相同，但生成器更节省内存  

43. 字典的键冲突处理 - 使用collections.defaultdict。

from collections import defaultdict  
counter = defaultdict(int)  
counter["apple"] += 1  
print(counter)  # 输出 {"apple": 1}  

44. 列表和集合的区别 - 列表有序，集合无序且不允许重复。

fruits_list = ["apple", "banana", "apple"]  
fruits_set = {"apple", "banana"}  
print(fruits_list)  # 输出 ["apple", "banana", "apple"]  
print(fruits_set)  # 输出 {"apple", "banana"}  

45. 函数返回多个值 - 使用元组或列表。

def get_name_and_age():  
    return "Alice", 25  
  
name, age = get_name_and_age()  
print(name, age)  # 输出 Alice 25  

46. 列表推导式中的条件判断 - 更灵活的控制。

odds = [x for x in range(10) if x % 2 != 0]  
print(odds)  # 输出 [1, 3, 5, 7, 9]  

47. 上下文管理器with - 自动关闭资源。

with open("file.txt", "r") as file:  
    content = file.read()  
print(content)  
# 文件会在with语句结束后自动关闭  

48. Python的魔术方法__str__ - 自定义对象的字符串表示。

class Person:  
    def __str__(self):  
        return f"Person: {self.name}"  
  
person = Person(name="Alice")  
print(person)  # 输出 Person: Alice  

49. 装饰器高级技巧 - 使用functools.wraps保持原函数信息。

from functools import wraps  
  
def timer(func):  
    @wraps(func)  
    def wrapper(*args, **kwargs):  
        start_time = time.time()  
        result = func(*args, **kwargs)  
        end_time = time.time()  
        print(f"{func.__name__} took {end_time - start_time} seconds.")  
        return result  
    return wrapper  
  
@timer  
def my_function():  
    pass  
  
my_function()  

50. 异常处理和try-except-finally - 控制流程的灵活性。

try:  
    div_by_zero = 10 / 0  
except ZeroDivisionError:  
    print("Can't divide by zero!")  
finally:  
    print("Execution completed.")  

51. 列表和数组比较 - 列表通用，NumPy数组高效。

import numpy as np  
  
normal_list = [1, 2, 3]  
np_array = np.array([1, 2, 3])  
print(np_array.shape)  # 输出 (3,), 数组有形状信息  

52. Python的内置模块datetime - 处理日期和时间。

from datetime import datetime  
now = datetime.now()  
print(now.strftime("%Y-%m-%d %H:%M:%S"))  

53. Python的os模块 - 操作文件和目录。

import os  
print(os.getcwd())  # 输出当前工作目录  

54. 列表推导式中的条件和循环 - 结合使用。

evens = [x for x in range(10) if x % 2 == 0 for y in range(5) if y % 2 == 0]  
print(evens)  

55. 迭代器和生成器的使用场景 - 数据处理和节省内存。

# 使用生成器处理大文件  
def read_large_file(file_path, chunk_size=1024):  
    with open(file_path, "r") as file:  
        while True:  
            chunk = file.read(chunk_size)  
            if not chunk:  
                break  
            yield chunk  
  
for line in read_large_file("large.txt"):  
    process(line)  

56. zip()函数 - 同时遍历多个序列。

names = ["Alice", "Bob", "Charlie"]  
ages = [25, 30, 35]  
pairs = zip(names, ages)  
print(list(pairs))  # 输出 [('Alice', 25), ('Bob', 30), ('Charlie', 35)]  

57. enumerate()函数 - 为列表元素添加索引。

fruits = ["apple", "banana", "cherry"]  
for index, fruit in enumerate(fruits):  
    print(f"{index}: {fruit}")  

58. itertools模块 - 提供高效迭代工具。

from itertools import product  
result = product("ABC", repeat=2)  
print(list(result))  # 输出 [('A', 'A'), ('A', 'B'), ('A', 'C'), ..., ('C', 'C')]  

59. json模块 - 序列化和反序列化数据。

import json  
data = {"name": "Alice", "age": 25}  
json_data = json.dumps(data)  
print(json_data)  

60. 递归函数 - 用于解决分治问题。

def factorial(n):  
    if n == 0 or n == 1:  
        return 1  
    else:  
        return n * factorial(n - 1)  
  
print(factorial(5))  # 输出 120  

61. os.path模块 - 文件路径处理。

import os.path  
path = "/home/user/documents"  
print(os.path.exists(path))  # 输出 True 或 False  

62. random模块 - 随机数生成。

import random  
random_number = random.randint(1, 10)  
print(random_number)  

63. re模块 - 正则表达式操作。

import re  
text = "Today is 2023-04-01"  
match = re.search(r"\d{4}-\d{2}-\d{2}", text)  
print(match.group())  # 输出 "2023-04-01"  

64. requests库 - 发送HTTP请求。

import requests  
response = requests.get("https://api.example.com")  
print(response.status_code)  

65. Pandas库 - 大数据处理。

import pandas as pd  
df = pd.DataFrame({"Name": ["Alice", "Bob"], "Age": [25, 30]})  
print(df)  

66. matplotlib库 - 数据可视化。

import matplotlib.pyplot as plt  
plt.plot([1, 2, 3, 4])  
plt.show()  

67. logging模块 - 日志记录。

import logging  
logger = logging.getLogger(__name__)  
logger.info("This is an info message")  

68. asyncio库 - 异步编程。

import asyncio  
async def slow_task():  
    await asyncio.sleep(1)  
    return "Task completed"  
  
loop = asyncio.get_event_loop()  
result = loop.run_until_complete(slow_task())  
print(result)  

69. contextlib模块 - 非阻塞上下文管理。

from contextlib import asynccontextmanager  
@asynccontextmanager  
async def acquire_lock(lock):  
    async with lock:  
        yield  
  
async with acquire_lock(lock):  
    # do something  

70. asyncio.gather - 异步并发执行。

tasks = [asyncio.create_task(task) for task in tasks_to_run]  
results = await asyncio.gather(*tasks)  

71. asyncio.sleep - 异步等待一段时间。

await asyncio.sleep(2)  # 程序在此暂停2秒  

72. asyncio.wait - 等待多个任务完成。

done, pending = await asyncio.wait(tasks, timeout=10)  

73. asyncio.subprocess - 异步执行外部命令。

import asyncio.subprocess as sp  
proc = await sp.create_subprocess_exec("ls", "-l")  
await proc.communicate()  

74. concurrent.futures库 - 多线程/进程执行。

from concurrent.futures import ThreadPoolExecutor, ProcessPoolExecutor  
  
with ThreadPoolExecutor() as executor:  
    results = executor.map(function, arguments)  

75. timeit模块 - 测试代码执行速度。

import timeit  
print(timeit.timeit("your_code_here", globals=globals()))  

76. pickle模块 - 序列化和反序列化对象。

import pickle  
serialized = pickle.dumps(obj)  
deserialized = pickle.loads(serialized)  

77. logging.handlers模块 - 多种日志输出方式。

handler = RotatingFileHandler("app.log", maxBytes=1000000)  
formatter = logging.Formatter("%(asctime)s - %(levelname)s - %(message)s")  
handler.setFormatter(formatter)  
logger.addHandler(handler)  

78. asyncio.Queue - 异步队列。

queue = asyncio.Queue()  
await queue.put(item)  
result = await queue.get()  

79. asyncio.Event - 异步信号量。

event = asyncio.Event()  
event.set()  # 设置信号  
await event.wait()  # 等待信号  

80. asyncio.Lock - 互斥锁，防止并发修改。

async with await asyncio.Lock():  # 获取锁后执行  
    critical_section()  

81. asyncio.gather和asyncio.wait_for的区别 - 异步任务管理。

• gather: 并行执行多个任务，等待所有任务完成。

• wait_for: 等待单个任务完成，其他任务继续运行。

82. asyncio.sleep和asyncio.sleep_after - 异步延时和定时任务。

• sleep: 直接暂停当前协程。

• sleep_after: 定义一个延迟后执行的任务。

83. aiohttp库 - HTTP客户端库。

import aiohttp  
async with aiohttp.ClientSession() as session:  
    async with session.get("https://example.com") as response:  
        data = await response.text()  

84. asyncio.shield - 防止被取消任务中断。

async def task():  
    await shield(some_long_running_task())  
  
# 如果外部取消任务，task将继续运行，不会影响内部任务  
asyncio.create_task(task())  

85. asyncio.run - 简化异步程序执行。

asyncio.run(main_coroutine())  

86. asyncio.iscoroutinefunction - 检查是否为协程函数。

if asyncio.iscoroutinefunction(some_function):  
    await some_function()  

87. asyncio.all_tasks - 获取所有任务。

tasks = asyncio.all_tasks()  
for task in tasks:  
    task.cancel()  

88. asyncio.wait_for和asyncio.timeout - 设置超时限制。

try:  
    result = await asyncio.wait_for(some_task, timeout=5.0)  
except asyncio.TimeoutError:  
    print("Task timed out")  

89. asyncio.sleep_timeout - 异步睡眠并设置超时。

await asyncio.sleep_timeout(10, asyncio.TimeoutError)  

90. asyncio.current_task - 获取当前正在执行的任务。

current_task = asyncio.current_task()  
print(current_task)  

91. asyncio.sleep的超时支持 - asyncio.sleep现在接受超时参数。

try:  
    await asyncio.sleep(1, timeout=0.5)  # 如果超过0.5秒还没完成，则会抛出TimeoutError  
except asyncio.TimeoutError:  
    print("Sleep interrupted")  

92. asyncio.shield的高级用法 - 可以保护整个协程。

@asyncio.coroutine  
def protected_coroutine():  
    try:  
        await some_task()  
    except Exception as e:  
        print(f"Error occurred: {e}")  
        # 使用shield保护，即使外部取消任务，也会继续处理错误  
  
asyncio.create_task(protected_coroutine())  

93. asyncio.wait的回调函数 - 使用回调函数处理完成任务。

done, _ = await asyncio.wait(tasks, callback=handle_completed_task)  

94. asyncio.gather的返回值 - 可以获取所有任务的结果。

results = await asyncio.gather(*tasks)  

95. asyncio.Queue的get_nowait - 不阻塞获取队列元素。

if not queue.empty():  
    item = queue.get_nowait()  
else:  
    item = await queue.get()  

96. asyncio.Event的clear - 清除事件状态。

event.clear()  
await event.wait()  # 现在需要再次调用set()来触发  

97. asyncio.Event的is_set - 检查事件是否已设置。

if event.is_set():  
    print("Event is set")  

98. asyncio.subprocess.PIPE - 连接到子进程的输入/输出管道。

proc = await asyncio.create_subprocess_exec(  
    "python", "-c", "print('Hello from child')", stdout=asyncio.subprocess.PIPE  
)  
output, _ = await proc.communicate()  
print(output.decode())  

99. asyncio.run_coroutine_threadsafe - 在子线程中执行协程。

loop = asyncio.get_running_loop()  
future = loop.run_coroutine_threadsafe(some_async_coroutine(), thread_pool)  
result = await future.result()  

好了，今天就这些了，希望对大家有帮助。都看到这了，点个赞再走吧～

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。让你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《CSDN大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取