先说个有意思的现象我见过太多人学 Python花了两个星期把语法书翻完结果一到写代码就大脑空白连个爬虫都跑不起来。转头又去问“python基础到底要学什么”然后被一堆名词吓退装饰器、虚拟环境、pip、解释器……还没开始写第一行代码就先被环境折磨得想放弃。这其实不是 Python 难而是大部分人少了一条“从零到能干活”的路。我写这篇博文就是想把你需要走过的路从头到尾串一遍Python 到底怎么选版本、怎么安装、怎么配环境、核心语法该练哪些、学到什么程度可以去碰爬虫和数据分析以及新手最常见的坑怎么避免。不管你是完全零基础还是学过一点但一直没入门照着这篇走至少能把“基础”这两个字真正落地。看完之后你会发现Python 基础不是背出来的是用出来的。1. 学Python前先把这几件事想清楚1.1 Python到底能干什么哪些人真的需要学它先说个我自己的判断标准。Python 不是万能的它擅长的是“把想法快速跑通”数据分析、爬虫、自动化脚本、后端接口、人工智能模型训练这些场景里 Python 的生态是最完整的别人写 100 行你写 10 行就能搞定。但如果你是做 iOS 客户端、底层驱动、嵌入式这种对性能和硬件要求极高的领域Python 就明显不是首选。那什么人应该把 Python 基础好好学一遍我总结下来就三类非计算机专业但想用代码提升工作效率的人比如运营每天要整理表格用 Python 脚本一跑就完事数据方向的人做数据分析、数据可视化、量化策略回测Python 是绕不开的标配想转行做后端或人工智能的Python 作为第一门语言上手最快基础打牢后再学其他语言也容易得多。所以学之前先别急问自己一个问题我学了 Python 之后具体要拿它做什么这个问题明确了你才知道基础要学到什么深度也不会被“XXX一定要学”这种清单带偏。1.2 Python 2还是3、装哪个版本、多版本怎么共存现在的 Python 3 是绝对的主流Python 2 早在 2020 年就停止官方维护了。如果你在网上看到老教程还让你装 Python 2直接关掉这个页面没必要在一个被淘汰的版本上浪费时间。Python 3 本身也分小版本比如 3.8、3.9、3.10、3.11、3.12。总有人纠结“我该装哪个”。我的建议很简单装目前的主流稳定版。到 2025 年左右Python 3.10 到 3.12 都是很稳的选择太新的版本比如刚发布的 3.13虽然功能新但部分第三方库可能还没来得及适配容易踩坑。你如果只是学习选 3.10 或 3.11 就够了生态兼容性最好。还有一个很常见的问题“我电脑上已经有一个 Python 了还能装别的版本吗”当然可以。我自己的电脑上就同时装着 3.8、3.10、3.11 三个版本因为有些老项目用的库只支持旧版本新项目又想用新特性。但新手我不建议一上来就玩多版本因为环境变量一旦配乱系统可能分不清你敲python命令到底打开的哪个版本后续全是莫名其妙的报错。如果你确实需要多版本共存除了手动配置环境变量也可以直接使用 pyenv 这类版本管理工具它能帮你在不同目录或项目里自动切换 Python 版本比手动折腾环境变量省心很多。2. 从零完成Python安装与环境配置2.1 Windows下安装Python的完整流程以及环境变量那点坑这是新手卡得最多的一关我认认真真讲一遍。先去 Python 官网下载安装包。官网首页会自动显示最新的稳定版本点 Download 进去往下找 Windows installer (64-bit) 这个文件。下载后运行特别注意一点安装界面最下方有一个 “Add Python to PATH” 选项默认是不勾选的一定要手动勾上。这个勾选决定着你以后能不能在命令行里直接敲python启动解释器不勾的话哪怕装好了一运行python就会提示“不是内部或外部命令”。安装路径默认在C:\Users\你的用户名\AppData\Local\Programs\Python\Python311\建议保持默认不要为了“看起来整洁”改到中文路径。之前有学生把 Python 装到D:\软件\Python这种目录结果部分第三方库在编译安装时解析不了中文路径报错报得非常痛苦。装完之后验证一下按 WinR 输入 cmd 打开命令行敲python看到类似于Python 3.11.x的版本信息就说明安装成功了。再试一下pip --version如果也能正常显示说明包管理工具也没问题。如果之前没勾“Add Python to PATH”也不用重装手动配置环境变量就行右键“此电脑”选属性进入高级系统设置点环境变量在系统变量里找到 Path新增两条一条是 Python 安装目录本身另一条是它的Scripts子目录pip 默认在这里。配好后重新打开命令行就生效了。2.2 Linux下安装Python多版本管理才是关键Linux 的情况和 Windows 不太一样。很多发行版自带 Python比如 Ubuntu 22.04 默认带 Python 3.10但系统里可能还有个别程序依赖旧版本所以我的第一建议是千万不要轻易卸载系统自带的 Python很可能导致系统工具罢工。在 Linux 上装 Python我推荐优先用包管理器。Ubuntu/Debian 系统就执行sudo apt update sudo apt install python3 python3-pip但这里有个问题包管理器里的版本往往偏旧。如果你需要装一个指定版本比如想用 3.11我建议下载源码编译安装或者用更省事的 pyenv 来管。pyenv 的安装方式不复杂核心是三条命令的维度安装 pyenv 本体然后pyenv install 3.11.4安装指定版本最后在项目目录用pyenv local 3.11.4把当前目录绑定到这个版本。这样你在这个目录里敲python就是 3.11.4到别的目录又是系统默认版本互不干扰。我换了 pyenv 之后就再没手动配过 Linux 的 Python 环境变量真的省心非常多。装完还得确认一个事python和python3这两个命令。有些 Linux 系统里python指向的是 Python 2或者根本没定义只有python3能用。所以写完脚本执行时要么统一用python3要么自己做个软链接指向目标版本不然脚本可能被错误的解释器执行报错原因非常隐蔽。2.3 给Python装包pip换源和虚拟环境这两件事要一起解决Python 之所以强大很大程度上是因为 PyPI 上有几十万个现成的库可以直接用装库的命令是pip install 库名。但国内网络环境的现实问题就是直接连 PyPI 下载经常慢到怀疑人生甚至中途超时失败。解决方法是换用国内镜像源。我习惯用清华或者阿里云的镜像一条命令永久生效pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple之后你再执行pip install下载速度会明显提升。如果你只想临时用一次镜像就直接在命令后面加参数pip install requests -i https://pypi.tuna.tsinghua.edu.cn/simple再说虚拟环境。我见过太多新手把所有库装到同一个全局环境今天装 A 项目要求版本高一点的 numpy明天装 B 项目又要求版本低一点装来装去就把环境搞坏了。虚拟环境就是给每个项目开一个独立空间项目之间的库互不影响这才是 Python 工程化开发的正确方式。Python 自带venv模块创建一个虚拟环境就两步python -m venv myenvWindows 下激活命令是myenv\Scripts\activateLinux/Mac 下是source myenv/bin/activate。激活之后命令行提示符前面会出现(myenv)字样这时候你 pip 装的任何库都只存在于这个虚拟环境里。用完想退出敲deactivate即可。3. 用VSCode搭一套Python开发环境3.1 为什么我推荐VSCode而不是一上来就PyCharm我见过很多初学者上来就装 PyCharm然后被它密密麻麻的设置界面劝退。PyCharm 确实是个非常强大的 IDE尤其适合大型项目但它的缺点是内存占用大、启动慢、配置项多新手很容易在配置上分心。VSCode 走的是轻量路线装完核心插件之后写 Python 的体验足够顺滑而且它不只是能写 Python以后你学前端、写 Markdown、连服务器用的还是同一个工具边际成本低。当然这也不是绝对的。如果你就是喜欢一个开箱即用的“全家桶”那 PyCharm Community Edition社区版也够用免费的功能对于学习阶段也完全够。我个人的建议是第一门语言用 VSCode 更合适因为它让你理解“编辑器和语言是两回事”这个认知在以后很值钱。3.2 从插件安装到解释器选择一步步配好VSCodeVSCode 配置 Python 环境核心就三步。第一步装官方 Python 插件。打开 VSCode左侧栏点扩展图标搜索 “Python”选微软官方发布的那一个发布者是 Microsoft点安装。装完之后代码高亮、智能提示、代码补全这些基础功能就都出来了。第二步让 VSCode 知道你用哪个 Python 解释器。按下快捷键 CtrlShiftP输入 “Python: Select Interpreter”会列出你系统里所有发现的 Python 版本。这里要重点注意如果你创建了虚拟环境一定要选虚拟环境路径里那个解释器而不是全局的。判断方法很简单看路径里有没有myenv或者.venv这种字样。选错了就会出现“命令行里运行python没问题但 VSCode 里一运行就提示找不到模块”这种极其常见的问题。第三步设置终端。VSCode 自带的终端默认会读取你选好的解释器。但在 Windows 上我建议把它默认终端切换成 Git Bash 或者 PowerShell不要用 CMD。因为 CMD 在激活虚拟环境和传参方面表现一般容易出兼容性问题。具体设置路径是CtrlShiftP 输入 “Terminal: Select Default Profile”然后选 PowerShell。配置好之后新建一个.py文件写一行最简单的代码测试print(hello python)点右上角的三角形运行按钮右侧底部会输出结果说明环境已经全部打通了。配置过程中还有一个常见问题VSCode 提示 “Linter pylint is not installed”。这是 VSCode 想通过 pylint 帮你检查代码风格和潜在错误但环境里没装。解决方式很简单按提示点 “Install” 让它自动装或者在终端里pip install pylint。这一步不影响代码运行但建议装上它对找低级错误真的很有帮助。4. Python语法基础用大白话讲一遍4.1 变量、类型和类型转换先把数据这块地基打牢Python 的变量比其他语言要友好很多不需要先声明“我是整数还是字符串”直接赋值就行。比如age 25Python 会自动识别 age 是整数name 小明它会识别成字符串。这大大降低了初学时期的心理负担。最基础的类型大致有这么几种整数int、浮点数float、字符串str、布尔值boolTrue/False、列表list、元组tuple、字典dict和集合set。你现阶段不需要全部掌握但前六个一定要熟悉因为它们的应用场景极其高频。类型转换是新手容易忽略的一个重点。举个最经典的例子age input(请输入你的年龄) print(明年你就 age 1 岁了)上面这段代码会报错。因为input()返回的一定是字符串字符串和整数不能直接用拼接。正确的做法是先转换类型age input(请输入你的年龄) age_int int(age) print(明年你就 str(age_int 1) 岁了)int()把字符串转成整数str()把整数转回字符串用于拼接。这类数据类型的显式转换在日常代码中到处都是尤其是从文件、接口、命令行读进来的数据全都是字符串不转换就做不了数学运算。很多人学 Python 基础是跳过类型的觉得“反正不用声明”结果写了几百行代码之后就翻车比如一个列表里的元素明明是字符串却拿去直接和数字比较报错找半天。所以我的建议是学语法的时候每学一个新类型都故意制造几个“类型不匹配”的报错亲手修一遍比背十遍文档都管用。4.2 流程控制和函数把代码结构从“直线”变成“树”流程控制就是告诉程序什么情况下走哪条路。if/elif/else做判断for和while做循环。这些语法如果你看过教程大概能抄着用但真正容易出问题的点是缩进。Python 用缩进表示代码块同一个块里的代码缩进必须一致。我见过有人混用 Tab 和空格程序一运行就报IndentationError非常崩溃。VSCode 里可以配置成“按 Tab 时插入空格”从根源上解决这个混乱。函数是结构化的第一步。你写一段代码如果某个逻辑要在三个地方重复用就直接把它包成一个函数。def calculate_area(radius): pi 3.14159 return pi * radius * radius这里radius是参数return是返回值。用的时候直接area calculate_area(5)就行。很多新手看教程时有个误区“函数我懂了但为什么要写函数”简单说就是不写函数你也能跑通一段代码代码到 50 行还行到 500 行的时候你改一个逻辑要在十个地方同步改两天之后你自己都忘了哪里改过。写函数是把代码“管”起来的第一步每个函数只做一件事出错时定位也快。作用域是另一个必须理解的坑。函数内部定义的变量默认外面是访问不到的这叫局部变量但如果函数内部要用一个全局存在的变量就得小心了。最简单的建议函数尽量只通过参数接受数据通过 return 返回结果不要直接去改全局变量。这种“纯函数”的思路后期写复杂项目会救你很多次。4.3 装饰器、李白打酒和爱心代码这些经典例子能帮你理解“函数也是对象”装饰器是 Python 基础阶段最容易劝退人的知识点我见过很多工作了两三年的编程者一聊到装饰器还是只能说“好像很高级但不会用”。其实装饰器的核心就一句话在不动一个函数代码的前提下为它增加额外的功能。举个最好理解的例子你想知道某个函数运行了多久原本的做法是去函数体里手动加计时代码但如果你有多个函数都要计时加来加去就污染了原函数。装饰器把这个“包装”动作抽离出来import time def timer(func): def wrapper(*args, **kwargs): start time.time() result func(*args, **kwargs) print(f函数执行耗时: {time.time() - start:.2f} 秒) return result return wrapper timer def slow_function(): time.sleep(1) print(任务完成) slow_function()运行之后它会输出任务完成然后自动打印执行耗时而slow_function本身没有任何计时代码。原因在于装饰器本质上把slow_function这个函数对象替换成了wrapper这个新函数对象。理解“函数在 Python 里也是一种对象可以传来传去”这个思路装饰器就不神秘了。网上流传的“李白打酒”和“爱心代码”其实都是非常合适的练手项目。“李白打酒”是一道经典的递归题李白无事街上走提壶去买酒遇店加一倍见花喝一斗三遇店和一花喝光壶中酒。问壶中原有多少酒。这道题用递归写核心就是把“倒推”的逻辑表达出来练函数和递归非常合适。“爱心代码”则是用数学公式生成心形图案练的是循环、列表和字符串输出的组合运用。这些例子比死磕语法书有意思得多做完一个就能实实在在感受到“自己会写代码了”。5. 在基础之上开始动手做点常见的事5.1 用numpy做数据分析与可视化基础阶段能跑到什么程度热词里出现了“python数据分析与可视化”和“python安装numpy库的方法”说明很多人学 Python 基础是奔着数据处理去的。先说安装numpy 是第三方库不能直接 import得先装。在命令行执行pip install numpy即可。如果速度慢就用前面说的镜像源。安装完成后做一个最简单的数据分析流程有一个列表存着五天的温度你要算平均温度和最高温度。import numpy as np temperatures [25, 28, 30, 27, 29] arr np.array(temperatures) print(f平均温度: {np.mean(arr)}) print(f最高温度: {np.max(arr)})这段代码背后体现了 numpy 和普通列表最大的区别numpy 的数组支持“向量化运算”比如arr * 2会对每个元素都乘 2而普通列表同样写法则是一条一条执行甚至看情况报错。学习基础阶段你不需要把所有 numpy 函数都背下来你只需要理解当数据量变大、计算变复杂时为什么别人用 numpy 写两行就能搞定而你用纯 Python 写个 for 循环要写十行。数据分析另一个绕不开的东西是可视化。最常用的库是 matplotlib安装方式同样是pip install matplotlib。画一张最简单的折线图import matplotlib.pyplot as plt x [1, 2, 3, 4, 5] y [25, 28, 30, 27, 29] plt.plot(x, y) plt.xlabel(天数) plt.ylabel(温度) plt.title(一周温度变化) plt.show()很多新手在这一步会遇到一个问题plt.show()卡住不动或者弹不出窗口。这通常是后端渲染的问题。如果在 VSCode 里运行可以改成import matplotlib matplotlib.use(TkAgg)放在import matplotlib.pyplot as plt之前强制指定一个更通用的后端。这种小坑不实际操作一次看多少教程都记不住。另外补一句pandas 是比 numpy 更高一层的数据处理库处理 Excel 表格、CSV 数据非常方便。但你一定要先把 numpy 基础打牢再学 pandas 才能理解它为什么这么设计不建议跳级。5.2 爬虫入门学多少基础才够动手写第一个爬虫“python爬虫”是搜索热词也是很多人学 Python 的直接动力。写一个带 requests 库的简单爬虫你只需要前面这些基础变量、循环、类型转换、函数和if判断。比如爬一个网页标题代码可以这样import requests url https://example.com response requests.get(url) response.encoding utf-8 print(response.text[:200])如果response.text是一堆乱码多半是编码问题改response.encoding utf-8或者gbk就能解决。这就是爬虫新手最常遇到的第一个问题。但要提醒一句爬虫入门容易进阶非常深。你要处理反爬、登录验证、数据解析、并发下载每一块都是一门课。而且爬取公众数据必须遵守网站的规则控制访问频率不要做破坏性请求。学习爬虫的价值在于它能把“请求-响应”的互联网基本原理串一遍这个认知对以后做接口开发、Web 开发都有帮助。5.3 量化交易、SQLAlchemy、接口开发基础之后可以撬动的方向热词里“python量化交易策略代码”也是一个高频词。很多零基础的朋友以为量化交易是大神的专利其实如果只是写一个最基础的双均线策略核心代码可能不到二十行。拿 pandas 读股票历史数据然后算 5 日均线和 20 日均线金叉买入死叉卖出用 Python 完全能实现。但我要泼一盆冷水量化交易的核心从来不是“会用 Python”而是你的策略逻辑有没有效、资金管理和回测设计是否合理。Python 只是工具不能保证盈利。所以我的建议是把量化当成学习的驱动器没问题别把它当成“躺着赚钱”的捷径。“python sqlalchemy搭建”也是另一个进阶方向。SQLAlchemy 是 Python 里操作数据库最常用的 ORM 库它的核心思想是让你不用手写 SQL而是用 Python 类来定义数据库表结构。比如定义一张用户表from sqlalchemy import create_engine, Column, Integer, String from sqlalchemy.orm import declarative_base Base declarative_base() class User(Base): __tablename__ users id Column(Integer, primary_keyTrue) name Column(String(50))这段代码背后需要你对“类与对象”有清晰认知所以你说它难吗如果你基础阶段把类和对象学扎实了看到这段代码完全能理解不会觉得突兀。SQLAlchemy 是通向 Python 后端开发的一座桥学完之后你就能用 Python 写真正存数据、查数据的接口服务了。“python post接口”则是网联应用里最常见的需求。一个最简单的 POST 接口其实就是定义一个函数接收请求参数处理好之后把结果返回给调用方。用 Flask 框架实现代码非常短from flask import Flask, request app Flask(__name__) app.route(/hello, methods[POST]) def hello(): data request.json return {msg: f你好{data.get(name, 陌生人)}}这个例子前面加了个app.route装饰器——你看装饰器又出现了。所以前面我说装饰器是基础阶段的一个重要节点是因为后续很多框架代码都会用到它。基础阶段的每一个知识点在真实项目中都能找到它的影子。5.4 想发布给别人用还得学会“python转exe”和“python打包成exe”热词里“python转exe文件”和“python打包成exe”出现的频率不低。很多人自己写了个小工具想直接发给同事用但对方电脑没装 Python所以就需要把 Python 脚本打包成 Windows 可执行文件。这个工具就是 PyInstaller安装命令pip install pyinstaller打包一个脚本pyinstaller -F your_script.py打包完成后在dist目录下会生成一个同名.exe文件。-F参数的意思是打包成单文件方便拷贝。实测下来PyInstaller 对界面程序比如 Tkinter、PyQt兼容不错但有一些冷门库可能打不进去需要手动加 hidden import。新手做打包练习时找最简单的命令行脚本练手最合适别一上来就打包几十个模块的大项目容易出一堆看不懂的配置问题。6. 新手最容易踩的坑我替你踩一遍6.1 环境相关的高频报错几乎人人都会遇到第一pip 不是内部或外部命令。这就是环境变量没配好把 Python 的Scripts目录加入 Path。或者你用python -m pip也能绕过这个问题但长期来看还是配置好环境变量因为后面 VSCode、虚拟环境很多地方都要读这个 Path。第二No module named xxx。新手最容易犯的错是明明 pip 已经装了某个库可是代码一运行还是提示找不到。原因大多是“装库的解释器”和“运行代码的解释器”不是同一个。比如你在全局环境里pip install numpy但 VSCode 里选中的是虚拟环境解释器自然就找不到了。排查思路很清晰先运行import sys; print(sys.executable)看当前解释器路径再在命令行里pip show numpy看装到了哪个路径一对比就知道问题在哪了。第三SyntaxError: invalid syntax。通常是语法写错了但新手最常见的原因是全角/半角符号搞混了比如把英文括号打成了中文括号。VSCode 的代码高亮在这种情况下会变色多看几眼就能发现。第四IndentationError: unexpected indent。前面说的Tab 和空格混用。建议把编辑器设置里的Insert Spaces打开统一用空格缩进并且把 Tab 键宽度设为 4 个空格这几乎能规避一半以上的新手缩进报错。6.2 一张表解决常见问题问题原因解决思路python 不是内部或外部命令环境变量未配置手动添加 Python 和 Scripts 目录到 Pathpip 安装了库但代码提示找不到解释器不一致检查并统一 VSCode/终端使用的解析器中文乱码编码未统一文件顶部加# -*- coding: utf-8 -*-读取时设置 encoding代码运行很快但什么结果都没有函数定义后没有调用检查是否漏了最后的函数调用语句列表下标越界不理解索引从 0 开始用len()获取长度循环时注意上限变量被莫名修改函数内部改了全局变量别在函数里直接赋全局变量用 return 返回打包 exe 后体积巨大PyInstaller 默认打包完整 Python 解释器正常现象可配合--onefile或 UPX 压缩6.3 再补几个能救命的实操心得写代码前先把问题拆成小步骤每一步用 print 输出结果验证再继续。新手最大的问题不是不会写而是写完一大段才发现逻辑错了定位半天。print 大法虽然原始但它真实有效。遇到报错先读最后一行不要从第一行开始看。最后一行才是错误类型和位置前面的大段 traceback 往往只是调用链。用 VSCode 断点调试而不是只靠 print。按 F9 在代码行前打红点按 F5 运行调试能看到每一行变量的值这对理解代码执行过程非常有帮助。善用dir()和help()两个内置函数。dir(list)会列出列表所有可用的方法help(list.append)会解释这个方法怎么用。不用每次都在网上搜Python 自带的文档就够用。7. 学完基础之后下一步怎么走才不迷茫很多人把基础学完之后反而更迷茫因为“基础阶段”到底结束没有没人给你定义。我的判断标准是你能不依赖教程自己写一个 100 行左右的小工具比如给某个文件夹里所有文件自动重命名或者能把一个 CSV 文件读进来做简单的筛选统计。如果能你的基础就过关了。之后往哪个方向走取决于你最初的问题。想做数据分析的直接学 pandas 和 matplotlib然后找一份公开数据集从清洗到可视化完整做一个项目想学爬虫的用 requests 加 BeautifulSoup 爬一个静态网站练手再逐渐解锁登录、反爬模拟想走后端的学 Flask 或 FastAPI配合 SQLAlchemy 做一个短链接服务之类的完整小应用然后部署到服务器想转 AI 的先把 numpy 练熟再学 PyTorch因为 AI 模型的数据操作本质就是张量的数学运算numpy 基础会直接影响你后面能不能顺畅读模型代码。如果你是那种“都想看看”的人我也建议选一条主路先走其他方向暂时了解即可。贪多嚼不烂这是所有技术学习最朴素的道理。我自己带过不少零基础的初学者最大的感受是卡住他们的从来不是智力而是“遇到一个报错就停下来等答案”的习惯。Python 基础并不难难的是学会自己定位问题、拆解问题然后一点一点把问题磨掉。你照着上面这些步骤走一遍装好环境、跑通第一个脚本、写完第一个小工具之后那种“这东西我居然能搞定”的成就感比看一百篇教程都管用。我最后再分享一个自己常做的小习惯每学一个新的语法或函数我会立刻改一改运行看故意改错看它会报什么错再改回来。这套“主动踩坑”的方法让我对每个知识点的记忆远深于单纯阅读。你也可以试试Python 基础阶段不怕犯错怕的是不敢犯错。