Python 基础教程 · 10 分钟上手实操课

视频时长：10 分钟 ｜ 平台：YouTube ｜ 目标观众：零基础初学者 这是一份实操驱动的录播脚本，每一句讲解都紧跟一次真实的终端演示。请按章节顺序录制，确保观众每 10–20 秒都能看到屏幕上的变化。

开场 Hook（0:00 – 0:20）

【镜头：紧贴终端光标，黑色背景】

【旁白】

Python 是全球最受欢迎的编程语言之一，从谷歌、Instagram 到 NASA 都在用它。 它能写网站、做数据分析、自动化办公、甚至驱动人工智能模型——这些场景你今天都会看到一点。 Python 的设计哲学是"代码应该像英语一样好读"，所以同样一个功能，Python 往往只需要其他语言 1/3 的代码量。 学习曲线平缓，生态极其丰富，是初学者进入编程世界最友好的入口之一。 接下来的 10 分钟，我会带你从一行代码写起，到一个完整的小项目结束。我们直接开始。

第一章 · 第一次运行 Python（0:20 – 2:20）

章节介绍

Python 是一门解释型、动态类型的高级语言——你不用管内存，不用声明变量类型，写完就能直接运行。这种"开箱即用"的特性让它的开发反馈非常快，非常适合初学者。

这一章我们完成三件事：确认环境、用交互模式写第一行代码、把代码保存成 .py 文件运行。

Demo 1.1 · 检查 Python 是否已安装

Screen

打开 macOS 的 Terminal（macOS/Linux）或 PowerShell（Windows）。屏幕中央是光标闪烁的命令行。

Command

python3 --version

Output

Python 3.12.4

Narration

我们先确认一下 Python 装好了没有。注意一定要写 python3——很多系统同时装了 Python 2 和 Python 3，Python 2 已经在 2020 年停止维护了，我们只用 3。看到版本号就说明一切就绪。

Demo 1.2 · 用交互模式当计算器

Screen

终端里继续敲命令。输入后立即回车，下方立刻出现结果。

Command

python3

Output

Python 3.12.4 (main, ...)
Type "help", "copyright", "credits" or "license" for more information.
>>>

Narration

输入 python3 之后，我们进入了 Python 的交互模式——你写一行，它立刻执行一行。这个 >>> 就是提示符。你可以把它当成一个超级计算器。

Demo 1.3 · 写第一行代码

Screen

光标停在 >>> 后面，我们开始输入。

Command

print("Hello, Python!")
2 + 3
print("I'm", 25, "years old")

Output

Hello, Python!
5
I'm 25 years old

Narration

print() 是 Python 里第一个要认识的函数——它的作用就是把东西打印到屏幕上。 你看，我可以直接算 2 + 3，Python 立刻告诉我答案是 5。 第二个 print 我把字符串和数字混在一起传进去，Python 自动用空格把它们拼起来。这就是动态类型的好处——你不用告诉 Python 哪些是字符串、哪些是数字，它自己会判断。 我们用 exit() 退出交互模式。

Demo 1.4 · 把代码写进文件再运行

Screen

退出交互模式后，我们新建一个文件。先用 cd 切到桌面，新建一个 python_demo 文件夹。

Command

cd ~/Desktop
mkdir python_demo
cd python_demo
touch hello.py
ls

Output

hello.py

Narration

交互模式适合做实验，但真正的代码要存在文件里。我们创建一个 hello.py——Python 文件的约定后缀就是 .py。 注意 cd 是切换目录，mkdir 创建文件夹，touch 创建空文件，ls 查看当前目录的内容。这是所有写代码的人每天都要用的几个命令。

Demo 1.5 · 用 echo 写入第一段脚本

Screen

我们用 cat 命令直接把代码写进 hello.py。

Command

cat > hello.py << 'EOF'
name = "Python"
print(f"Hello, {name}!")
print("2 + 3 =", 2 + 3)
EOF
cat hello.py

Output

name = "Python"
print(f"Hello, {name}!")
print("2 + 3 =", 2 + 3)

Narration

这里用了一个小技巧：cat > 文件 << 'EOF' 让我们从终端直接往文件里写多行内容，写完用 EOF 结束。 注意那个 f"Hello, {name}!"——这是 Python 的f-string，在字符串前面加一个 f，就能用大括号直接嵌入变量，比传统的拼接方式清爽多了。

Demo 1.6 · 运行脚本

Screen

在终端输入运行命令，光标跳到下一行，结果立刻出现。

Command

python3 hello.py

Output

Hello, Python!
2 + 3 = 5

Narration

python3 hello.py 这一行命令的意思是：用 Python 解释器去执行 hello.py 这个文件。 看，输出和我们在交互模式里看到的一模一样。这就是 Python 最朴素的开发循环：写文件 → 运行 → 看结果。 第一章结束，我们已经能跑 Python 了。

第一章小结

Key Takeaway：Python 的开发循环是"写文件 → python3 文件名 → 看输出"，没有编译、没有复杂的工程配置。

Practical Use Case：日常学习、写小工具、做数据探索时，绝大多数人都用这种最简单的文件 + 命令行的方式。

Transition：接下来我们要把数据存起来、并且组织好——第二章讲变量和数据结构。

第二章 · 变量与数据结构（2:20 – 4:40）

章节介绍

数据本身没有价值，被组织起来的数据才有价值。这一章我们认识 Python 内置的四大容器：列表、元组、字典、集合，以及 Python 最优雅的语法糖——列表推导式。

Demo 2.1 · 变量赋值

Screen

继续在终端里，进入 Python 交互模式。

Command

python3

Output

>>>

Narration

重新进入交互模式。这次我们玩数据。

Command

age = 25
name = "小明"
pi = 3.14159
is_student = True
print(type(age), type(name), type(pi), type(is_student))

Output

<class 'int'> <class 'str'> <class 'float'> <class 'bool'>

Narration

在 Python 里，= 不是"等于"，是赋值——把右边的值装进左边这个变量。 你看，我写了四个变量，但完全没声明类型。type() 函数告诉我们：age 是整数，name 是字符串，pi 是浮点数，is_student 是布尔值。 这是动态类型——Python 自己会根据赋的值决定类型，省掉了大量样板代码。

Demo 2.2 · 列表：最常用的容器

Screen

继续在交互模式。

Command

fruits = ["苹果", "香蕉", "橙子"]
fruits.append("葡萄")
fruits[0]
fruits[-1]
len(fruits)

Output

['苹果', '香蕉', '橙子', '葡萄']
'苹果'
'葡萄'
4

Narration

方括号 [] 定义的就是列表——有序、可改、可重复。 append() 在末尾加一个；fruits[0] 取第一个元素；fruits[-1] 取最后一个——负数索引是从后往前数；len() 拿到长度。 这是 Python 里出场率最高的数据结构，没有之一。

Demo 2.3 · 字典：用名字取数据

Screen

继续。

Command

user = {"name": "小明", "age": 25, "city": "北京"}
user["name"]
user.get("email", "未填写")
user["age"] = 26
user

Output

'小明'
'未填写'
{'name': '小明', 'age': 26, 'city': '北京'}
}

Narration

花括号 {} 配合键值对，就是字典——你不再用位置（第几个）取数据，而是用"名字"取。 当你不知道某个键存不存在时，用 .get() 而不是 []——后者会直接报错，前者可以给一个默认值。 修改值只要重新赋值就行。这跟列表、字典的本质是一样的：Python 里所有东西都是对象，操作它们都靠方法。

Demo 2.4 · 集合：自动去重

Screen

继续。

Command

nums = [1, 2, 2, 3, 3, 3, 4]
unique = set(nums)
unique
"苹果" in unique

Output

{1, 2, 3, 4}
False

Narration

集合用 set() 创建，最大的特点就是去重——同样元素只留一个。 而且 in 判断在集合里是 O(1) 的速度，比列表快得多。要快速判断某个东西存不存在，用集合；要保留顺序，用列表。

Demo 2.5 · 列表推导式：一行搞定循环

Screen

继续。

Command

squares = [x ** 2 for x in range(10) if x % 2 == 0]
squares

Output

[0, 4, 16, 36, 64]

Narration

这一行是 Python 最优雅的语法之一——列表推导式。 从 0 到 9 里挑出偶数，每个数算平方，放进列表。 读法是：[对每个 x 做什么 for x in 范围 if 条件]。 它把"遍历 + 筛选 + 转换"压成一行。但记住，超过 2 层嵌套就该拆成普通循环，否则反而不易读。

第二章小结

Key Takeaway：列表管顺序、字典管键值、集合管去重、列表推导式管"一行做完循环"——选对容器，代码量少一半。

Practical Use Case：处理 JSON 数据、写爬虫、做数据分析时，这四个数据结构是 90% 场景的主力。

Transition：数据有了，下一步要把"重复的逻辑"封装起来——第三章讲函数和模块。

第三章 · 函数与模块（4:40 – 6:40）

章节介绍

复制粘贴是万恶之源。函数让你"给一段代码起个名字"，模块让你"把相关函数放进同一个文件"。这一章我们写第一个自己的工具。

Demo 3.1 · 定义第一个函数

Screen

退出交互模式，新建一个文件。

Command

exit()
cat > utils.py << 'EOF'
def greet(name: str, greeting: str = "你好") -> str:
    return f"{greeting}，{name}！"

print(greet("小明"))
print(greet("小红", "欢迎"))
EOF
python3 utils.py

Output

你好，小明！
欢迎，小红！

Narration

def 关键字定义函数，圆括号里是参数，return 返回结果。 注意 greeting: str = "你好"——这是带默认值的参数。调用时不传就用默认值，传了就用你的。 那个 -> str 是类型提示，不影响运行，但 IDE 和读者能一眼看出应该返回什么类型——非常推荐写上。

Demo 3.2 · 用 import 加载模块

Screen

继续在同一文件里加内容。

Command

cat >> utils.py << 'EOF'

import math
import random

print("圆周率是", math.pi)
print("随机选一个幸运儿：", random.choice(["小明", "小红", "小刚"]))
EOF
python3 utils.py

Output

你好，小明！
欢迎，小红！
圆周率是 3.141592653589793
随机选一个幸运儿： 小红

Narration

import 把别人写好的模块加载进来。Python 自带了标准库，math 做数学、random 生成随机数、datetime 处理时间——这些都是开箱即用。 看到 math.pi 这种写法了吗？模块名 + 点 + 函数名，这就是命名空间，避免名字冲突。 永远不要写 from module import *——你不知道哪些名字进了你的代码库，会非常难调试。

Demo 3.3 · 拆成两个文件：自制模块

Screen

新建第二个文件 app.py，让 app.py 引用 utils.py。

Command

cat > app.py << 'EOF'
from utils import greet

def main():
    users = ["小明", "小红", "小刚"]
    for u in users:
        print(greet(u, "晚上好"))

main()
EOF
ls
python3 app.py

Output

app.py
utils.py
晚上好，小明！
晚上好，小红！
晚上好，小刚！

Narration

现在我们有两个文件：utils.py 装着通用函数，app.py 是主程序。 from utils import greet 的意思是：从 utils 模块里只把 greet 这一项拿出来用。 模块就是 .py 文件，没有黑魔法。Python 看到 import 就去同目录找，找到就把那个文件执行一遍，把里面的函数、变量给你用。 注意——文件名 utils.py 千万别和标准库冲突，否则会被你自己的文件覆盖掉。

Demo 3.4 · 默认参数陷阱

Screen

回到交互模式演示一个常见 bug。

Command

python3

Output

>>>

Command

def add_item(item, bucket=[]):
    bucket.append(item)
    return bucket

print(add_item("苹果"))
print(add_item("香蕉"))
print(add_item("橘子", []))

Output

['苹果']
['苹果', '香蕉']
['橘子']

Narration

注意看！我连续两次调用 add_item，第一次返回 ['苹果']，第二次变成了 ['苹果', '香蕉']——坑就这么埋下了。 这是 Python 最经典的陷阱之一：默认参数只在函数定义时创建一次。那个空列表被所有调用共享。 正确写法是把默认值设成 None，在函数内部再初始化。

Command

def add_item(item, bucket=None):
    if bucket is None:
        bucket = []
    bucket.append(item)
    return bucket

Output

（定义成功，无输出）

Narration

把默认参数改成 None，再用 if 初始化——这是Python 圈里人人都该会的肌肉记忆。

第三章小结

Key Takeaway：def 定义函数，import 加载模块——这两个词是 Python 工程化的起点。

Practical Use Case：写工具脚本、做后端服务、做数据处理流水线，函数和模块都是最基本的组织单位。

Transition：程序现在能写、能跑、能复用——但还缺少两件事：记忆（文件）和韧性（异常处理）。

第四章 · 文件 I/O 与异常处理（6:40 – 8:30）

章节介绍

程序运行在内存里，关掉就没了。要让数据"活下来"，得写到文件。同时，真实世界充满意外——文件不存在、权限不够、网络断了——异常处理就是程序的保险。

Demo 4.1 · 写入文件

Screen

退出交互模式，新建一个文件。

Command

exit()
cat > diary.py << 'EOF'
from datetime import datetime

entry = input("写一句今天的心情：")
timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")

with open("diary.txt", "a", encoding="utf-8") as f:
    f.write(f"[{timestamp}] {entry}\n")

print("已保存到 diary.txt")
EOF
python3 diary.py

Output

写一句今天的心情：今天学完了 Python 基础！
已保存到 diary.txt

Narration

input() 让程序停下来等你输入。datetime.now() 拿到当前时间。 重点是 with open(...) as f——with 语句会自动在代码块结束时关闭文件，哪怕中间出错了也会关。 "a" 是追加模式（append），每次写都接着上次的内容往下加，不会覆盖。

Demo 4.2 · 读取并显示全部日记

Screen

再跑一次刚才的脚本，录入第二条；然后我们写一段读取的代码。

Command

echo "今天学了 Python 基础！" | python3 diary.py
cat > read_diary.py << 'EOF'
with open("diary.txt", "r", encoding="utf-8") as f:
    print(f.read())
EOF
python3 read_diary.py

Output

[2026-07-06 14:23:01] 今天学了 Python 基础！

Narration

"r" 是读取模式，f.read() 一次性读出全部内容。 注意 encoding="utf-8"——不加这一行，中文会乱码。这是个新手必踩的坑。

Demo 4.3 · 处理文件不存在的异常

Screen

新建一段演示异常处理的脚本。

Command

cat > safe_read.py << 'EOF'
filename = input("要读取哪个文件？")
try:
    with open(filename, "r", encoding="utf-8") as f:
        content = f.read()
        print(f"读取到 {len(content)} 个字符")
except FileNotFoundError:
    print(f"❌ 文件 {filename} 不存在")
except PermissionError:
    print(f"❌ 没有权限读取 {filename}")
EOF
echo "不存在的.txt" | python3 safe_read.py
echo "diary.txt" | python3 safe_read.py

Output

❌ 文件 不存在的.txt 不存在
读取到 65 个字符

Narration

try / except 是 Python 的异常处理——试着做，出错就走备用方案。 注意我写的是 except FileNotFoundError——指定具体错误类型。永远不要写裸的 except:——它会把 Ctrl+C 也吞掉，让你连程序都停不下来。 第一种情况文件不存在，触发 FileNotFoundError；第二种正常读到内容。这就是程序的韧性。

第四章小结

Key Takeaway：with 管资源开关，try/except 管意外——这两个写在一起，你的程序就能在真实世界稳定运行。

Practical Use Case：任何要读取配置文件、解析日志、抓取网络数据的脚本，都需要这套组合拳。

Transition：四个基础概念我们都学完了——接下来把它们组合起来，做一个完整的小项目。

第五章 · 实战项目：CSV 数据分析小工具（8:30 – 9:40）

项目介绍

我们要做一个真实可用的小工具：读取一个 CSV 销售数据文件，统计每个产品的总销售额和平均价格，并把报告写回一个新的文件。 这个项目会把第一章到第四章的所有概念串起来：变量与字典存数据、函数封装逻辑、文件 I/O 读写、异常处理兜底。

Demo 5.1 · 准备测试数据

Screen

我们先创建一个 sales.csv 模拟销售数据。

Command

cat > sales.csv << 'EOF'
product,price,quantity
苹果,5.5,100
香蕉,3.2,150
橙子,4.8,80
苹果,5.5,50
香蕉,3.2,200
EOF
cat sales.csv

Output

product,price,quantity
苹果,5.5,100
香蕉,3.2,150
橙子,4.8,80
苹果,5.5,50
香蕉,3.2,200

Narration

这就是一个普通的 CSV 文件：每行一条记录，逗号分隔字段。 我们的任务是：把相同产品的销售额加起来，算平均价格，输出报告。

Demo 5.2 · 写分析脚本

Screen

创建 analyze.py。

Command

cat > analyze.py << 'EOF'
from collections import defaultdict

def load_sales(path: str) -> list[dict]:
    """读取 CSV，返回 [{'product': ..., 'price': ..., 'quantity': ...}, ...]"""
    rows = []
    with open(path, "r", encoding="utf-8") as f:
        header = f.readline().strip().split(",")
        for line in f:
            values = line.strip().split(",")
            row = dict(zip(header, values))
            row["price"] = float(row["price"])
            row["quantity"] = int(row["quantity"])
            rows.append(row)
    return rows

def summarize(rows: list[dict]) -> dict:
    """按产品汇总：总销售额、总销量、平均价"""
    summary = defaultdict(lambda: {"qty": 0, "revenue": 0.0})
    for r in rows:
        summary[r["product"]]["qty"] += r["quantity"]
        summary[r["product"]]["revenue"] += r["price"] * r["quantity"]
    return {
        product: {
            "qty": data["qty"],
            "revenue": round(data["revenue"], 2),
            "avg_price": round(data["revenue"] / data["qty"], 2),
        }
        for product, data in summary.items()
    }

def save_report(summary: dict, path: str) -> None:
    """把报告写回文件"""
    with open(path, "w", encoding="utf-8") as f:
        f.write("product,quantity,revenue,avg_price\n")
        for product, data in summary.items():
            f.write(f"{product},{data['qty']},{data['revenue']},{data['avg_price']}\n")

def main():
    try:
        rows = load_sales("sales.csv")
        report = summarize(rows)
        save_report(report, "report.csv")
        print(f"✅ 分析完成，共 {len(report)} 个产品，报告已写入 report.csv")
        for product, data in report.items():
            print(f"  - {product}: 销量 {data['qty']}, 销售额 {data['revenue']}, 均价 {data['avg_price']}")
    except FileNotFoundError:
        print("❌ 找不到 sales.csv，请先准备数据文件")

if __name__ == "__main__":
    main()
EOF
python3 analyze.py

Output

✅ 分析完成，共 3 个产品，报告已写入 report.csv
  - 苹果: 销量 150, 销售额 825.0, 均价 5.5
  - 香蕉: 销量 350, 销售额 1120.0, 均价 3.2
  - 橙子: 销量 80, 销售额 384.0, 均价 4.8

Narration

看，这个 50 行的脚本用到了我们学过的所有东西： 文件 I/O——with open(...) 读写 CSV； 数据结构——列表存原始行、字典存单行、嵌套字典存汇总； 函数与模块——load_sales / summarize / save_report / main 四个函数各司其职； 异常处理——try / except FileNotFoundError 兜底； 列表推导式与 f-string——把字典优雅地转成字符串。 defaultdict 是标准库的小神器——你不用先判断 key 存不存在，第一次访问它会自动创建默认值。 if __name__ == "__main__": 的意思是：只有直接运行这个文件时才执行 main，被别人 import 时不执行——这是写可复用模块的标准姿势。

Demo 5.3 · 验证报告文件

Screen

看一眼生成的文件。

Command

cat report.csv

Output

product,quantity,revenue,avg_price
苹果,150,825.0,5.5
香蕉,350,1120.0,3.2
橙子,80,384.0,4.8

Narration

文件写出来了，结构和原始数据对齐，可以直接用 Excel 打开，或者喂给别的程序继续处理。 这个项目虽然小，但已经是一个真实可用的迷你工具——你把它换成公司真实的销售数据、客户日志、考试成绩，立刻就能跑。

课程收尾（9:40 – 10:00）

我们学到了什么

我们从一行 print("Hello, Python!") 开始，走到了写一个完整的 CSV 数据分析工具。

中间我们掌握了：

• 第一章：用 python3 文件名 跑 Python，理解"写了就能跑"的开发循环；
• 第二章：四大数据结构——列表、字典、集合、元组，加上列表推导式；
• 第三章：用 def 写函数、用 import 用别人的代码、用模块组织自己的代码；
• 第四章：用 with open 安全读写文件，用 try/except 兜住意外。

你现在能做什么

你不再只是"读懂 Python 的人"，而是能写出能跑、能复用、能扛住异常的小工具的人。 你可以写自动化脚本批量改文件、爬网页抓数据、做 Excel 报表、写小后台服务——这些都是 Python 真实世界的常见用法。

下一步学什么

• 数据方向：学 pandas，处理 Excel/CSV 像切菜一样；
• Web 方向：学 Flask 或 FastAPI，半小时搭一个 HTTP 接口；
• 自动化方向：继续练习文件 I/O 和字符串处理，做日常脚本；
• AI 方向：学 requests 调大模型 API，把 Python 当成 AI 工具的粘合剂。

编程不是看完视频就会的——写一行，跑一行，比看十遍教程都有用。 今天的脚本和示例数据都在视频简介里，下载下来自己跑一遍、改造一遍，你就真正跨进了 Python 世界。 我们下期见。

录制备注（给后期 / 剪辑）

• 每段 Demo 的Command 块和Output 块就是字幕与画面切换的天然节点，建议每个代码块对应一次"打字 → 回车 → 出结果"的镜头切换。
• 开场 Hook 与每章结尾的"章节小结"段落用旁白纯音 + 终端光标画面，避免镜头静止。
• 实战项目章节（5.1 – 5.3）建议把 analyze.py 拆成 3 个镜头分别录制，最后一段可展示用 VSCode 打开脚本的同步效果（如果教学需要）。
• 全程保持 macOS 终端深色背景 + 等宽字体（如 JetBrains Mono），分辨率 1080p，确保代码清晰可读。