Python源代码(.py)
    ↓ 解释器读取
字节码(.pyc，可选缓存) 
    ↓ 虚拟机执行
机器码执行结果

# Python - 1行print("Hello, World!")# Java - 5行public class HelloWorld {
    public static void main(String[] args) {
        System.out.println("Hello, World!");
    }}# C++ - 7行#include <iostream>int main() {
    std::cout << "Hello, World!" << std::endl;
    return 0;}

# 传统方式（其他语言常见）squares = []for x in range(10):
    if x % 2 == 0:
        squares.append(x ** 2)# Pythonic方式（一行）squares = [x**2 for x in range(10) if x % 2 == 0]# 结果: [0, 4, 16, 36, 64]

# 同一个变量可指向不同类型data = "Hello"      # strdata = 42           # intdata = [1, 2, 3]    # list# 鸭子类型：不关注类型，只关注行为class Dog:
    def speak(self):
        return "Woof!"class Cat:
    def speak(self):
        return "Meow!"def animal_sound(animal):
    # 不检查类型，只要有speak方法即可
    return animal.speak()print(animal_sound(Dog()))  # Woof!print(animal_sound(Cat()))  # Meow!

# 1. 面向过程（脚本式）def process_data(data):
    return [x*2 for x in data if x > 0]# 2. 面向对象class DataProcessor:
    def __init__(self, factor):
        self.factor = factor    
    def process(self, data):
        return [x * self.factor for x in data]# 3. 函数式编程from functools import reduce, partial# Lambda、map、filter、reducenumbers = [1, 2, 3, 4, 5]squared = list(map(lambda x: x**2, numbers))  # [1, 4, 9, 16, 25]evens = list(filter(lambda x: x % 2 == 0, numbers))  # [2, 4]product = reduce(lambda x, y: x * y, numbers)  # 120# 偏函数double = partial(lambda x, y: x * y, y=2)print(double(5))  # 10# 4. 异步编程（现代Python核心）import asyncioasync def fetch_data(url):
    print(f"Fetching {url}...")
    await asyncio.sleep(1)  # 模拟网络延迟
    return f"Data from {url}"async def main():
    urls = ['api/1', 'api/2', 'api/3']
    # 并发执行，而非顺序执行
    results = await asyncio.gather(*[fetch_data(u) for u in urls])
    print(results)asyncio.run(main())

# CPython C API - 编写C扩展模块# ctypes - 直接调用动态链接库# Cython - Python语法写C扩展# Numba - JIT编译Python数值代码# 示例：Numba加速数值计算from numba import jitimport time@jit(nopython=True)  # 编译为机器码def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        a, b = b, a + b    return a# 对比：纯Python版本慢100倍以上start = time.time()print(fibonacci(1000000))print(f"耗时: {time.time() - start:.4f}秒")

# 变量与数据结构name = "Alice"                    # 字符串（不可变）age = 30                          # 整数（任意精度）height = 1.75                     # 浮点数is_student = False                # 布尔值scores = [85, 90, 78, 92]         # 列表（有序可变）person = {"name": "Bob", "age": 25}  # 字典（键值对）unique_items = {1, 2, 3, 3, 3}    # 集合（去重，结果{1, 2, 3}）coordinates = (10, 20)            # 元组（不可变序列）# 控制流if age >= 18 and not is_student:
    status = "成年工作者"elif age >= 18:
    status = "成年学生"else:
    status = "未成年人"# 循环for score in scores:
    if score >= 90:
        grade = "A"
    elif score >= 80:
        grade = "B"
    else:
        grade = "C"
    print(f"分数: {score}, 等级: {grade}")# while循环与else子句（Python特色）count = 0while count < 5:
    print(count)
    count += 1else:
    print("循环正常结束（未被break）")# 函数定义def calculate_bmi(weight: float, height: float) -> float:
    """
    计算BMI指数
    :param weight: 体重（kg）
    :param height: 身高（m）
    :return: BMI值
    """
    if height <= 0:
        raise ValueError("身高必须大于0")
    return weight / (height ** 2)# 类与对象class BankAccount:
    # 类属性
    bank_name = "Python Bank"
    
    def __init__(self, owner: str, balance: float = 0.0):
        self.owner = owner          # 实例属性
        self._balance = balance     # 受保护属性（约定）
        self.__pin = "1234"         # 私有属性（名称修饰）
    
    @property
    def balance(self):
        """属性装饰器：getter"""
        return self._balance    
    def deposit(self, amount: float):
        if amount <= 0:
            raise ValueError("存款金额必须为正")
        self._balance += amount        return self  # 支持链式调用
    
    def withdraw(self, amount: float):
        if amount > self._balance:
            raise ValueError("余额不足")
        self._balance -= amount        return self# 使用account = BankAccount("Alice", 1000.0)account.deposit(500).withdraw(200)  # 链式调用print(f"当前余额: {account.balance}")

# 1. 模式匹配（Structural Pattern Matching，3.10+）def handle_command(command):
    match command:
        case ["quit"]:
            return "Exiting..."
        case ["load", filename]:
            return f"Loading {filename}"
        case ["save", filename, *options]:
            return f"Saving {filename} with {len(options)} options"
        case {"type": "error", "message": msg}:
            return f"Error: {msg}"
        case _:
            return "Unknown command"# 2. 联合类型与类型提示（3.10+）from typing import Union  # 旧方式# 新方式：使用 | 运算符def process(value: int | str | None) -> str:
    match value:
        case int():
            return f"Integer: {value}"
        case str():
            return f"String: {value}"
        case None:
            return "Nothing"# 3. 更精确的错误提示（3.10+）# 改进的SyntaxError、IndentationError提示，指向具体位置# 4. 性能优化（3.11+）# - 解释器启动速度提升10-15%# - 整体性能提升10-60%（不同场景）# - 错误处理零成本异常# 5. 异常组与except*（3.11+）# 处理多个同时发生的异常

# NumPy - 数值计算基石import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])print(arr.shape)  # (2, 3)print(arr @ arr.T)  # 矩阵乘法# Pandas - 数据处理与分析import pandas as pd
df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35],
    'salary': [5000, 6000, 7000]})print(df[df['age'] > 25]['salary'].mean())  # 6500.0# Matplotlib - 数据可视化import matplotlib.pyplot as plt
plt.plot([1, 2, 3], [1, 4, 9])plt.title("Simple Plot")plt.show()# PyTorch - 深度学习框架import torchimport torch.nn as nnclass Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(10, 1)
    
    def forward(self, x):
        return self.fc(x)# Transformers - 预训练模型库from transformers import pipeline
classifier = pipeline("sentiment-analysis")result = classifier("I love Python!")# [{'label': 'POSITIVE', 'score': 0.9998}]

from fastapi import FastAPIfrom pydantic import BaseModelfrom typing import Optional
app = FastAPI(title="Python API Demo")class Item(BaseModel):
    name: str
    price: float
    is_offer: Optional[bool] = None@app.get("/")def read_root():
    return {"message": "Hello Python!"}@app.get("/items/{item_id}")def read_item(item_id: int, q: Optional[str] = None):
    return {"item_id": item_id, "q": q}@app.post("/items/")def create_item(item: Item):
    return {"item_name": item.name, "item_price": item.price}# 运行：uvicorn main:app --reload# 自动文档：http://localhost:8000/docs