2024年超详细的Python3学习路径规划

前言

基于Python3.5+

1.第一阶段基础（必须）


Python3 环境搭建	Python3 基础语法	Python3 基本数据类型
Python3 数据类型转换	Python3 解释器	Python3 注释
Python3 运算符	Python3 数字(Number)	Python3 字符串
Python3 列表	Python3 元组	Python3 字典
Python3 集合	Python3 条件控制	Python3 循环语句
Python3 推导式	Python3 迭代器与生成器	Python3 函数
Python3 lambda	Python3 模块	Python3 输入和输出
Python3 错误和异常	Python3 面向对象

2.第二阶段基础

Python3 pip （必须）

pip 是 Python 包管理工具，该工具提供了对 Python 包的查找、下载、安装、卸载的功>能。


Python3 正则表达式	Python3 enum（枚举）	Python3 MySQL(PyMySQL) （必须）
Python3 requests 模块	Python3 函数式注解	Python3 多线程（必须）
Python3 XML 解析	Python3 JSON （必须）	Python pyecharts模块

关于 pyecharts模块

ECharts 是由百度开发的一款强大的开源数据可视化库，而 Pyecharts 则是 ECharts 的 Python 封装，使得在 Python 中使用 ECharts 变得更加方便。

3.Web开发基础

推荐使用 Djiango Rest Framework框架进行web-api开发
1.Django Rest Framework(DRF)框架搭建步骤
2.django-rest-framework官网

4.推荐了解的库，根据你的需要来

内置库：

通用库：

time— 时间访问和转换
datetime— 基本日期和时间类型
calendar— 常规日历相关功能
collections— 容器数据类型
bisect— 数组二分算法
array— 高效的数值数组
weakref— 弱引用
types— 动态类型创建和内置类型的名称
copy— 浅拷贝和深拷贝操作
pprint— 数据漂亮的打印机

结构化标记处理工具：

html— 超文本标记语言支持
html.parser— 简单的 HTML 和 XHTML 解析器
html.entities— HTML 通用实体的定义
XML 处理模块
xml.etree.ElementTree — ElementTreeXML API
xml.dom— 文档对象模型 API
xml.dom.minidom— 最小的 DOM 实现
xml.dom.pulldom— 支持构建部分 DOM 树
xml.sax— 支持 SAX2 解析器
xml.sax.handler— SAX 处理程序的基类
xml.sax.saxutils— SAX 实用程序
xml.sax.xmlreader— XML 解析器的接口
xml.parsers.expat — 使用 Expat进行快速 XML 解析

数据压缩和归档：

gzip— 支持gzip文件
zipfile— 处理 ZIP 存档
tarfile— 读取和写入 tar 归档文件

加密服务：

hashlib— 安全哈希和消息摘要
hmac— 用于消息身份验证的密钥哈希
secrets— 生成用于管理密钥的安全随机数

并发执行:

threading— 基于线程的并行性
multiprocessing— 基于进程的并行性
multiprocessing.shared_memory— 提供共享内存，以便跨进程直接访问
并发包
concurrent.futures— 启动并行任务
queue— 同步的队列类

网络和进程间通信:

asynchronous— 异步 I/O
socket— 低级网络接口
ssl— 套接字对象的 TLS/SSL 包装器
select— 等待 I/O 完成
选择器— 高级 I/O 多路复用

第三方库：

进度条

1.tqdm

安装
pip install tqdm

#!/usr/bin/python3
# -*- coding: utf-8 -*-
from tqdm import tqdm
import timedef tqdm_process_do(items):pbar = tqdm(items)for char in pbar:time.sleep(0.25)#pbar.set_description("当前进度")#pbar.update(21)if __name__ == "__main__":tqdm_process_do(range(100))

2.rich.progress

安装
pip install rich

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import time
from rich.progress import track, Progress
# 基础用法
def rich_progress_base_do(items):for i in track(items, description="Processing..."):time.sleep(0.1)  # Simulate work being done# 高级用法  以下演示的是三个任务：下载 （Processing）加工 烹饪
def rich_advice_progress_do():with Progress() as progress:task1 = progress.add_task("[red]Downloading...", total=100)task2 = progress.add_task("[green]Processing...", total=100)## 如果想隐藏任务 可以设置visible为Falsetask3 = progress.add_task("[cyan]Cooking...", total=100, visible=False)while not progress.finished:progress.update(task1, advance=5)progress.update(task2, advance=4)progress.update(task3, advance=3)time.sleep(0.1)def do_work(task):print("回调处理此任务-----------")# 迅时进度  这个不会在控制台展示
def rich_progress_transient_do():with Progress(transient=True) as progress:task = progress.add_task("Working", total=100)do_work(task)# 打印/日志
# progress.console
def rich_progress_console_do(items,processTiltle="当前进度",rowJobDesc="当前处理项:"):with Progress() as progress:task = progress.add_task(processTiltle, total=len(items))for job in items:progress.console.print(f"{rowJobDesc} #{job}")run_job(job)progress.advance(task)def run_job(job):passif __name__ == "__main__":print("-----------基础用法-------------")rich_progress_base_do(range(50))print("-----------高级用法-------------")rich_advice_progress_do()print("-----------迅时用法-------------")rich_progress_transient_do()print("-----------打印/日志用法-------------")rich_progress_console_do(range(50))#如果不确定的进度
#当您添加任务时，它会自动启动，
#1.先调用 add_task（） 设置=》 start=False  total=None
#2.当你有步骤数时，你可以调用 start_task（）
#3.然后像往常一样 update（）

from time import sleep
from urllib.request import urlopenfrom rich.progress import wrap_fileresponse = urlopen("https://www.textualize.io")
size = int(response.headers["Content-Length"])with wrap_file(response, size) as file:for line in file:print(line.decode("utf-8"), end="")sleep(0.1)

import os.path
import sys
from concurrent.futures import ThreadPoolExecutor
import signal
from functools import partial
from threading import Event
from typing import Iterable
from urllib.request import urlopenfrom rich.progress import (BarColumn,DownloadColumn,Progress,TaskID,TextColumn,TimeRemainingColumn,TransferSpeedColumn,
)progress = Progress(TextColumn("[bold blue]{task.fields[filename]}", justify="right"),BarColumn(bar_width=None),"[progress.percentage]{task.percentage:>3.1f}%","•",DownloadColumn(),"•",TransferSpeedColumn(),"•",TimeRemainingColumn(),
)done_event = Event()def handle_sigint(signum, frame):done_event.set()signal.signal(signal.SIGINT, handle_sigint)def copy_url(task_id: TaskID, url: str, path: str) -> None:"""Copy data from a url to a local file."""progress.console.log(f"Requesting {url}")response = urlopen(url)# This will break if the response doesn't contain content lengthprogress.update(task_id, total=int(response.info()["Content-length"]))with open(path, "wb") as dest_file:progress.start_task(task_id)for data in iter(partial(response.read, 32768), b""):dest_file.write(data)progress.update(task_id, advance=len(data))if done_event.is_set():returnprogress.console.log(f"Downloaded {path}")def download(urls: Iterable[str], dest_dir: str):"""Download multiple files to the given directory."""with progress:with ThreadPoolExecutor(max_workers=4) as pool:for url in urls:filename = url.split("/")[-1]dest_path = os.path.join(dest_dir, filename)task_id = progress.add_task("download", filename=filename, start=False)pool.submit(copy_url, task_id, url, dest_path)if __name__ == "__main__":# Try with https://releases.ubuntu.com/20.04/ubuntu-20.04.3-desktop-amd64.isoif sys.argv[1:]:download(sys.argv[1:], "./")else:print("Usage:\n\tpython downloader.py URL1 URL2 URL3 (etc)")

3.alive-progress

安装
pip install alive-progress

#!/usr/bin/python3
# -*- coding: utf-8 -*-
# 导入 alive-progress 库
from alive_progress import alive_bar
import timedef alive_process_do(items):with alive_bar(len(items), force_tty=True) as bar:for item in items:# process itembar()  # 推进进度条time.sleep(0.1)if __name__ == "__main__":alive_process_do(range(100))

需要注意的是 alive-progress 并不像 tqdm 等进度条库一样会自动更新，只有我们程序调用了 bar 才会让进度条 +1.

Q&A
解决Pycharm不显示进度条

处理excel：

1.openpyxl的

用于读取和写入 Excel 2010 文件的推荐包（即：xlsx/xlsm/xltx/xltm ）
官方文档: https://openpyxl.readthedocs.io/en/stable/

from openpyxl import load_workbook, Workbook
from day01.calTime import CalTime# 50万数据-（50w行-10列） 大概需要90s 
#如果是10万+数据需要写入 可以使用xlsxwriter来代替
# 如果是.xls可以使用 xlread来进行读取##'get_index', 'get_sheet_by_name', 'get_sheet_names','worksheets','sheetnames'
##, 'remove', 'remove_sheet', 'save', , 'style_names', 'template'
# , 'read_only' 'write_only'
wb = load_workbook(filename='data/infile-3k.xlsx', read_only=True)
sheetnames = wb.get_sheet_names()  # wb.sheetnames
worksheet1 = wb.get_sheet_by_name("Sheet1")  # wb["Sheet1"]
sheets_count = len(sheetnames)  # sheets_count =len(wb.worksheets)
index1 = wb.get_index(worksheet1)for sn in sheetnames:ws = wb.get_sheet_by_name(sn)for row in ws.rows:for cell in row:print(cell.value)# for ws in wb.worksheets:
#     print(ws.title)
#     for row in ws.rows:
#         for cell in row:
#             print(cell.value)# 与普通工作簿不同，只读工作簿将使用延迟加载。 
#必须使用该方法显式关闭工作簿
wb.close()

2.xlsxwriter

用于写入数据、格式化信息，特别是 Excel 2010 格式（即：.xlsx）图表的替代包
只能写,大量数据时推荐使用

图表:

1.pyecharts

pyecharts 是一个基于 ECharts 的 Python 数据可视化库，它允许用户使用 Python 语言生成各种类型的交互式图表和数据可视化。(ECharts 是由百度开发的一款强大的开源数据可视化库)
pyecharts 特点与功能：

简单易用： Pyecharts 提供了直观而友好的 API，使得用户能够快速上手，轻松生成各种图表。
丰富的图表类型： 支持多种常见的图表类型，包括线图、柱状图、散点图、饼图、地图等，满足不同场景的需求。
支持主流数据格式： 能够处理常见的数据格式，如列表、字典、Pandas DataFrame 等。
交互性： 生成的图表可以具有交互性，用户可以通过鼠标悬停、缩放等方式与图表进行互动。
丰富的配置选项： 提供了丰富的配置选项，允许用户自定义图表的样式、布局等属性。
支持主题： 提供多种主题，用户可以根据需要选择合适的主题，使图表更符合应用的整体风格。

数据处理:

1.pandas

#!/usr/bin/python3
# -*- coding: utf-8 -*-
import pandas as pd
import pprint
#读取和写入 支持格式 .csv .xls .html .hdf5 .json .GBQ .Sql /Parquet
from day01.calTime import CalTime#查看 pandas DataFrame 的前 8 行。
#ld = df.head(8)
#print(ld)#查看 pandas DataFrame 的最后 8 行。
#ld = df.tail(8)
#print(ld)# int64  float64 object
##将数据转化成 excel
#df.to_excel("titanic.xlsx", sheet_name="passengers", index=False,header=True)#查看DataFrame
#print(df.info())#Series 中的数据是有序的。
#可以将 Series 视为带有索引的一维数组。 可以是list/tuple/dict
#索引可以是唯一的，但不是必须的。 如果是list tuple 则索引个数需要与数据个数一致 dict则没那么多要求
#数据可以是标量、列表、NumPy 数组等。###我想存储泰坦尼克号的乘客数据。对于许多乘客，我知道姓名（字符）、年龄（整数）和性别（男性/女性）数据。df = pd.DataFrame({"Name": ["Braund, Mr. Owen Harris","Allen, Mr. William Henry","Bonnell, Miss. Elizabeth",],"Age": [22, 35, 58],"Sex": ["male", "male", "female"],}
)#df.to_excel("ttnkh.xlsx")
#我只想看age部分
## way-1
# age_part =df["Age"]## way-2 (重新加载series 列名为Age)
# age_part = pd.Series([22, 35, 58], name="Age")
# pprint.pprint(age_part)#我想知道乘客的最大年龄
#print(df["Age"].max())
#print(pd.Series([22, 35, 58], name="Age").max())#我对数据表的数值数据的一些基本统计感兴趣
## 平均值(mean) 总数(count) 最小(min) /大(max)值 各个年龄度占比
#print(df.describe())# df = pd.read_excel('data/infile-500k.xlsx')
## for col in df.columns:
##     series = df[col]
# df.to_csv("data/500k-data.csv")
calTime = CalTime()
titanic = pd.read_csv("data/500k-data.csv")
datas = titanic.head(1)for ind,row in datas.iterrows():print(ind,row)calTime.print_and_write()
#方法和属性 方便第一次检查。head tail info dtypes