Python 零基础入门最典型的问题不是学不会，而是不知道按什么顺序学。很多学习者在收藏夹里存了几百个视频，今天看变量、明天看爬虫，最后连一个完整的项目都跑不起来。数据分析、爬虫这两个方向对 Python 学习者来说是最常见的就业切入点，但它们的公共基础其实只有一小块：变量、流程控制、函数、数据结构、文件操作、异常处理。把这些基础按顺序吃透，再进入数据分析工具链和爬虫项目，效率会高很多。
这篇文章不讨论“一周精通”这类说法是否成立，而是给出一条可复现的学习路线：先装对环境，再学语法核心，然后分别进入数据分析与爬虫两条主线，通过项目验证结果，最后补齐工程化习惯。文中的代码都可以直接复制运行，遇到错误也能按第 6 章的排查表定位。
1. 环境准备：Python 零基础第一步不是写代码，而是装对解释器
很多初学者第一节课就被卡在环境上：命令行找不到 Python、包装到了错误的解释器、代码在 PyCharm 能跑但命令行报错。这些问题并不是基础差，而是环境概念没有理清。
1.1 版本选择：不要盲目追最新版
Python 官方每年发布一个大版本，但第三方库的兼容性是滞后于官方版本的。对零基础学习者和数据分析、爬虫方向来说，优先选择稳定版本，而不是追求最新。
| 版本 | 适用情况 | 说明 |
|---|---|---|
| Python 3.10 | 稳妥选择 | 多数第三方库兼容良好 |
| Python 3.11 | 性能更好 | 数据分析场景可优先考虑 |
| Python 3.12 及更新 | 新版特性多 | 使用前先确认 pandas、numpy、scrapy 等库已有对应支持 |
如果原始教程没有指定版本，安装前先确认自己要用的库是否支持当前解释器版本。版本不一致会表现为pip install成功，但import时报错，或者某些扩展包没有预编译版本。
1.2 安装与验证命令
Windows 建议从 Python 官网下载安装包，勾选“Add Python to PATH”。macOS 和 Linux 自带 Python，但版本可能较老，建议使用系统包管理器安装新版。
安装完成后，在终端执行：
python --version pip --version如果输出显示 Python 3.10 以上版本，说明安装成功。如果提示command not found，Windows 用户需要检查 PATH，macOS 用户可换成python3。
1.3 集成开发环境：VS Code 与 PyCharm 二选一
PyCharm 对初学者更友好，项目创建、虚拟环境、运行按钮都帮你处理好了。VS Code 更轻量，但需要手动配置 Python 插件和解释器路径。这里要注意：无论选哪个编辑器，右下角或设置里的解释器都必须指向你创建的那个虚拟环境，否则会出现“编辑器里能运行，但终端导入失败”的诡异问题。
1.4 虚拟环境：依赖隔离是必须养成的习惯
数据分析项目会安装 pandas、numpy、matplotlib，爬虫项目会安装 requests、beautifulsoup4、scrapy。不同项目对同一个库的版本要求可能不同，如果全部装到系统 Python 里，升级一个项目就会连带影响另一个项目。
创建虚拟环境的标准流程：
python -m venv venv # Windows venv\Scripts\activate # macOS / Linux source venv/bin/activate激活后，命令行提示符前面会出现(venv)。此时再执行pip install，包会安装到当前虚拟环境，而不是系统环境。
注意：判断包是否装对位置，不要只看 pip 是否提示成功，要执行
pip list查看安装目录，或者python -c "import pandas; print(pandas.__version__)"验证。
2. 语法核心：按这个顺序学，才不会学了后面忘了前面
Python 语法内容很多，但零基础阶段真正需要掌握的只有一小块。常见的错误是过早学习面向对象、装饰器、生成器，结果基础还不牢就去看爬虫教程，最后看到一半又回来看语法。
2.1 变量、类型与输入输出
Python 是动态类型语言，变量不需要声明类型，但类型转换必须显式做。
name = "张三" age = 25 score = 89.5 print(f"姓名：{name}，年龄：{age}，成绩：{score}") print(type(name), type(age), type(score))这里需要理解str、int、float的区别，以及字符串拼接与 f-string 的区别。很多报错都发生在str和int直接相加的时候。
2.2 流程控制与函数
if、for、while是所有语言的公共基础。Python 的关键点是缩进：同一个代码块必须使用相同的缩进级别，混用空格和 Tab 会直接报IndentationError。
def calculate_average(scores): if not scores: return 0 return sum(scores) / len(scores) scores = [88, 92, 75, 60] print(f"平均分：{calculate_average(scores):.2f}")函数部分要重点理解参数、返回值和作用域。零基础学习者最常见的坑是把函数内部的变量当成了全局变量，在函数外直接访问导致NameError。
2.3 数据结构：列表、字典、集合、元组
这四种结构在后续的数据分析和爬虫中几乎每天都要用，建议对比如下：
| 结构 | 特点 | 典型用途 |
|---|---|---|
| 列表 list | 有序、可变 | 保存一组数据，支持索引与切片 |
| 字典 dict | 键值对、可变 | 保存单个对象的多个属性，如一条爬虫数据 |
| 集合 set | 无序、去重 | 去重、交集并集计算 |
| 元组 tuple | 有序、不可变 | 固定结构，如坐标、函数返回多个值 |
列表推导式是 Python 中非常常用的写法，理解它比多写三行 for 循环更有价值：
nums = [1, 2, 3, 4, 5] squares = [n * n for n in nums if n % 2 == 0] print(squares) # [4, 16]2.4 文件操作与异常处理
爬虫之后要把数据写到文件，数据分析要读取 CSV 文件，所以文件读写是必须掌握的。
with open("data.txt", "w", encoding="utf-8") as f: f.write("第一行\n第二行\n") with open("data.txt", "r", encoding="utf-8") as f: content = f.read() print(content)with语句会在代码块结束后自动关闭文件，比手动调用f.close()更安全。异常处理也要从这一阶段开始养成习惯，不要用裸except吞掉所有异常：
try: num = int(input("请输入数字：")) print(100 / num) except ValueError: print("输入的不是数字") except ZeroDivisionError: print("不能除以 0")这样写的原因是：异常处理后仍然需要知道发生了什么，只写except Exception会让程序出问题时没有任何线索，排查成本非常高。
2.5 面向对象与常用内置模块
面向对象在入门阶段不需要深入，但要理解类、对象、属性和方法的关系，因为爬虫框架 scrapy、数据分析工具 pandas 中到处是对象和方法调用。常用内置模块os、json、datetime、re需要重点掌握，尤其是json和re，它们分别是数据交换和文本匹配的基础工具。
3. 数据分析路线：从 NumPy 到 pandas，再到可视化
数据分析是 Python 最成熟的就业方向之一。很多教程直接讲 pandas，但 pandas 的底层依赖 NumPy，不理解数组和向量化操作，后面会遇到很多奇怪的问题。
3.1 NumPy：先理解数组为什么比列表快
NumPy 的核心是ndarray，它是一个同质的数值数组，支持向量化运算。普通列表做加法是拼接，NumPy 数组做加法是逐元素相加：
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr + 1) # [2 3 4 5] print(arr * 2) # [2 4 6 8] print(arr[arr > 2]) # 布尔索引，结果为 [3 4]学习 NumPy 不需要掌握所有函数，重点是数组创建、索引切片、形状操作和聚合运算。reshape、sum、mean、max、where这几个足够覆盖 80% 的日常使用。
3.2 pandas：读取、清洗、聚合三板斧
pandas 的两种核心对象是Series和DataFrame。学习顺序建议为：读取数据 -> 查看结构 -> 清洗缺失值 -> 分组聚合 -> 导出结果。
import pandas as pd df = pd.read_csv("sales.csv", encoding="utf-8") print(df.head()) print(df.info()) # 删除缺失值 df = df.dropna(subset=["amount"]) # 按城市分组求销售额总和 result = df.groupby("city")["amount"].sum().reset_index() print(result) result.to_csv("sales_result.csv", index=False, encoding="utf-8-sig")utf-8-sig在导出 CSV 时有特殊作用：Excel 打开 UTF-8 编码的 CSV 会出现中文乱码，而utf-8-sig会写入 BOM 头，Excel 能正常识别。这是数据分析中非常常见的坑。
3.3 数据可视化：Matplotlib 与 Pyecharts
Matplotlib 是基础可视化库，适合数据探索阶段；Pyecharts 生成的图表更美观，适合做报表和网页展示。
import matplotlib.pyplot as plt cities = ["北京", "上海", "广州"] amounts = [12000, 18000, 9500] plt.bar(cities, amounts) plt.title("各城市销售额") plt.xlabel("城市") plt.ylabel("销售额") plt.show()如果是中文系统，Matplotlib 默认字体可能显示为方块。解决方法是显式指定中文字体，例如plt.rcParams["font.sans-serif"] = ["SimHei"]，同时设置plt.rcParams["axes.unicode_minus"] = False避免负号显示异常。
3.4 最小数据分析案例：完成一条可复用链路
下面这个例子把读取、清洗、聚合、可视化串起来，新人可以把这段代码跑通后，替换成自己的数据文件：
import pandas as pd import matplotlib.pyplot as plt # 模拟数据 data = { "city": ["北京", "上海", "北京", "广州", "上海"], "amount": [100, 200, 150, 80, 300], } df = pd.DataFrame(data) result = df.groupby("city")["amount"].sum().sort_values(ascending=False) print(result) result.plot(kind="bar") plt.title("城市销售额汇总") plt.show()跑通示例后，可以尝试自己完成：读取一个真实的 CSV 文件、处理缺失值、按日期列聚合、输出可视化。这个闭环就是数据分析日常工作的大致缩影。
4. 爬虫路线：从 requests 到数据解析，先跑通再优化
爬虫的本质是模拟浏览器向服务器发起请求，然后把响应内容中需要的数据提取出来。零基础学习者不要一上来就学习 scrapy 框架，先掌握 requests + BeautifulSoup 这条最小链路。
4.1 爬虫基本流程
一个完整的爬虫包含四个步骤：发送请求、获取响应、解析数据、保存结果。
import requests from bs4 import BeautifulSoup url = "https://example.com/news" headers = { "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36" } resp = requests.get(url, headers=headers, timeout=10) resp.encoding = resp.apparent_encoding soup = BeautifulSoup(resp.text, "html.parser") titles = soup.select(".news-title a") for item in titles: print(item.get_text(strip=True))headers中的User-Agent用于告诉服务器客户端类型，很多网站会拒绝没有 User-Agent 的请求。resp.encoding如果设置不对，中文会乱码，可以用resp.apparent_encoding推断编码。
4.2 数据解析的三种方式
| 方式 | 适合场景 | 示例 |
|---|---|---|
| 正则表达式 re | 提取文本中的固定模式，如邮箱、手机号 | re.findall(r"1[3-9]\d{9}", text) |
| BeautifulSoup | HTML 结构清晰，适合 CSS 选择器 | soup.select(".price") |
| XPath / lxml | 复杂嵌套结构 | html.xpath("//div[@class='title']/text()") |
初学者建议优先掌握 BeautifulSoup 的select方法，它和 CSS 选择器语法一致，学习成本最低。
4.3 会话、Cookie 与请求频率
有些网站需要登录后才能看到数据，此时需要维护登录状态。requests 的Session对象会在多次请求之间自动保持 Cookie：
session = requests.Session() session.post("https://example.com/login", data={"username": "test", "password": "123456"}) resp = session.get("https://example.com/user/info")这里要强调的是：爬虫请求频率必须控制，连续高频请求会加重目标服务器负担，也可能触发反爬机制。在循环请求之间加延迟是基本工程习惯：
import time for page in range(1, 6): print(f"抓取第 {page} 页") time.sleep(2)4.4 合规边界：不是所有数据都可以抓
写爬虫之前，先看目标网站的robots.txt，了解哪些路径允许爬取。尊重网站的条款、不抓取个人隐私数据、不进行高频并发请求，是开发者应当遵守的底线。爬虫技术本身是中性工具，但使用是否合规取决于目的和方式。学习阶段建议选择公开的、允许访问的网站作为练习对象，例如公开 API 或开放数据集。
注意：生产环境的爬虫项目还需要考虑请求失败重试、数据存储、日志记录、增量抓取和异常告警，这些在入门阶段可以先用 print 和 CSV 完成，但要在设计时留出扩展位置。
5. 分阶段实战项目：用完成度验证学习效果
看教程和会做项目之间的差距，只有通过自己从头到尾完成项目来填补。项目选择要遵循“能跑通、能看到结果、能扩展”三个原则。
5.1 阶段划分与项目选型
| 阶段 | 项目示例 | 覆盖知识点 |
|---|---|---|
| 入门 | 天气数据采集与统计 | requests、数据解析、csv 保存 |
| 进阶 | 电商评论采集与词频统计 | 分页、请求头、正则、jieba 分词 |
| 综合 | 销售数据分析报表 | pandas 清洗、groupby、matplotlib 输出 |
| 工程化 | 定时爬虫 + 数据入库 + 告警 | 定时任务、SQLite、日志、异常重试 |
入门项目不需要复杂，重点是完整跑通“请求 -> 解析 -> 保存 -> 读取 -> 分析 -> 可视化”这条链路。比如抓取某城市的天气信息，保存到 CSV，再用 pandas 统计一周平均温度，最后画一条折线图。
5.2 项目完成度自检
完成一个项目后，用以下问题自检：
- 程序是否能在无人值守的情况下跑完？
- 中间某一步失败时，日志是否能说明失败原因？
- 保存的数据能否被 pandas 正确读取并分析？
- 修改数据来源后，代码改动量是否可控？
- 请求频率是否过快，是否会被目标网站拒绝？
如果某个问题答不上来，说明对应环节的知识还需要补。项目不是为了“写出来”，而是为了让知识形成闭环。
5.3 不要追求项目数量，要追求项目完成度
很多学习者喜欢同时开十个项目，最后每个项目都只写了开头。更有效的做法是：一个项目从第一行代码写到数据可视化，再回头重构一遍。重构时关注函数拆分、异常处理、配置提取，这些过程比新项目带来的提升更大。
6. 高频报错与排查方法：遇到问题先看现象再查原因
零基础阶段遇到的报错，90% 都是固定几种类型。与其到处问人，不如建立一套自己的排查顺序：先看报错信息的第一行，再定位到具体文件和行号，最后查关键词。
6.1 “exit code 0” 但程序没有任何输出
这是 PyCharm 和 VS Code 中很常见的问题：代码运行结果显示Process finished with exit code 0，但控制台没有内容。exit code 0 表示程序正常结束，没有输出是因为代码逻辑中根本没有执行到打印语句，或者输出被缓存。
排查步骤：
- 检查入口代码是否在
if __name__ == "__main__":内被正确调用。 - 检查函数是否被调用，还是只定义没有调用。
- 检查是否使用了
print，还是使用了logging但日志级别设置过高。 - 如果文件中有循环，检查循环条件是否一开始就不满足。
# 错误写法：只定义函数，没有调用 def main(): print("开始运行") # 正确写法 if __name__ == "__main__": main()6.2 UnicodeEncodeError 与中文乱码
Windows 命令行默认编码可能是 GBK，当程序输出中文时可能报UnicodeEncodeError。解决路径有几种：文件读写时明确指定encoding="utf-8"，CSV 导出使用utf-8-sig，网页响应使用resp.apparent_encoding推断编码。
6.3 pip 安装失败与依赖源问题
pip install失败常见原因包括网络超时、依赖库需要编译、版本冲突。国内网络环境可以把 pip 源切换为镜像源：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple如果某个库安装后立即import报错，先检查是否激活了对应虚拟环境，再检查解释器路径，最后看库是否支持当前 Python 版本。
6.4 爬虫请求被拒绝或返回非预期内容
现象是requests.get返回 403 或返回一个验证页面。常见原因是缺少 User-Agent、请求频繁触发反爬、需要 Cookie。处理方式是先添加浏览器的 User-Agent，再使用 Session 保持状态，最后降低请求频率。如果仍被拒绝，应当停止尝试，检查目标网站是否明确禁止爬取。
| 问题现象 | 常见原因 | 检查方式 | 处理建议 |
|---|---|---|---|
| exit code 0 但无输出 | 函数未调用或输出被缓存 | 检查入口与 print | 补全调用，使用 flush |
| 中文乱码 | 编码不匹配 | 打印响应编码 | 指定 utf-8 或 utf-8-sig |
| pip 安装失败 | 网络源不稳定 | 查看报错尾部 | 切换镜像源并重试 |
| 请求返回 403 | 缺少 headers 或频率过高 | 查看响应状态码 | 添加 User-Agent 并限速 |
7. 从入门到能干活：补齐工程化习惯
能跑通教程和能解决实际问题之间，差的不是 Python 语法，而是工程习惯。对于想进入数据分析或爬虫岗位的学习者，以下习惯应当在入门阶段就开始培养。
7.1 组织代码：不要把全部逻辑写在一个文件里
一个爬虫脚本至少应该拆分成三部分：请求模块、解析模块、存储模块。每个模块的输入输出要清晰，这样后期替换数据来源或改变存储方式时，只需要改一个模块。
project/ ├── main.py # 入口 ├── scraper.py # 请求逻辑 ├── parser.py # 数据解析 ├── storage.py # 数据存储 └── requirements.txt # 依赖清单7.2 用日志替代 print，只记录关键状态
学习阶段用print没问题，但生产环境需要记录时间、级别、定位信息，推荐使用logging：
import logging logging.basicConfig( level=logging.INFO, format="%(asctime)s - %(levelname)s - %(message)s", ) logger = logging.getLogger(__name__) logger.info("开始抓取第 1 页")7.3 配置外置化：把 URL、账号、频率从代码中剥离
把固定配置放在config.py或环境变量中，代码不要硬编码。这样修改目标地址、调整请求间隔时不需要改主逻辑，也避免敏感信息提交到代码仓库。
7.4 学习路径复核清单
在进入下一个阶段之前，对照下面的清单确认自己已经具备对应能力：
- 能独立创建虚拟环境并安装依赖库。
- 能用列表、字典、集合解决常见数据处理问题。
- 能用 pandas 读取 CSV、清洗缺失值、分组聚合。
- 能画出一张中文显示的柱状图或折线图。
- 能用 requests 和 BeautifulSoup 完成一个简单页面的数据采集。
- 能把采集结果保存为 CSV，并再次读取分析。
- 能解释 exit code 0、403、UnicodeEncodeError 的含义和排查方向。
- 知道哪些网站不该爬、爬取时要注意什么合规边界。
这一套路径走完，Python 基础、数据分析、爬虫三条线就已经形成了一个能够自循环的能力闭环。之后再看框架、看源码、做更复杂的项目，都会比直接从视频中间开始学要顺畅得多。真正检验掌握程度的，不是看完了多少集，而是能不能关掉教程，从空目录开始写出一个能跑、能保存、能分析数据的完整脚本。
