脚本编写：

• 1. Python 安装和环境设置
• 2. 运行和修改 Python 脚本
• 3. 与用户输入交互
• 4. 处理异常
• 5. 读写文件
• 6. 导入本地、标准和第三方模块
• 7. 在解释器中进行实验

Jupyter Notebook的常用快捷键

esc是命令模式

esc+A上方添加cell
esc+B下方添加cell
esc+D,D删除单元格
esc+M单元转入MarkDown状态

shift+enter：运行

1. 安装Python和环境设置

方法 1：安装 Anaconda
如果对数据科学方面的 Python 感兴趣，强烈建议安装 Anaconda，即使已经在计算机上安装了 Python。学习设置环境，需要安装 Python 、Jupyter Notebook、NumPy、pandas、Matplotlib 和 Seaborn。

Anaconda 包含大量专门针对数据科学的库和软件分发版本，某些库和软件比较难安装。可以很轻松地在计算机上设置不同的环境，以便在不同版本的 Python 和软件包之间快速切换！

中文网站上搜索安装Anaconda的教程，参考知乎帖子。

方法 2：安装 Python
如果对学习面向数据科学的 Python 不感兴趣，并且计算机尚未安装 Python 3，那么现在该安装 Python 3 了！请转到 Python 下载页面并找到适用于的操作系统、以 3 开头的最新版本（例如 Python 3.5.2）。

配置 Python 编程环境

推荐的文本编辑器 - （暂时不需要用）

对于 Mac：

• Visual Studio Code
• Sublime Text
• TextWrangler
• Atom
• emacs
• vim

对于 Windows：

• Visual Studio Code
• Sublime Text
• Notepad++
• Atom

对于 Linux：

• Visual Studio Code
• Sublime Text
• Atom
• emacs
• vim

设置：
文本编辑器
终端/命令行
网络浏览器
显示器选项

** Atom有很多插件， 可设置soft tab, 可用Pylint 指出代码中实用功能

** 终端常用命令

ls
如果只输入python 而没有输入要运行的脚本（.py文件）, 会进入交互的python界面， exit()退出 , 或者 control D (on Mac or Linus) , control Z on windows

2. 运行和修改 Python 脚本

1. 打开终端并使用 cd 命令转到包含所下载文件的目录。
2. 在位于该文件所在的目录，运行该文件：输入 python first_script.py，然后按下 Enter 键

3. 与用户输入交互

• 使用内置函数 input 获取用户的原始输入，该函数接受一个可选字符串参数，用于指定在要求用户输入时向用户显示的消息。

• input 函数获取用户输入的任何内容并将其存储为字符串。

name = input("Enter your name: ")
print("Hello there, {}!".format(name.title()))

• 如果想将输入解析为字符串之外的其他类型，例如整数，需要用新的类型封装结果并从字符串转换为该类型。如果输入不是整数 ，需要封装为float再转换为整数

num = int(float(input("Enter an integer")))
print("hello" * num)

• 可以使用内置函数 eval 将用户输入解析为 Python 表达式。该函数会将字符串评估为一行 Python 代码。

result = eval(input("Enter an expression: "))
print(result)

如果用户输入 2 * 3，输出为 6。

4. 错误和异常

Python 中有两种类型的错误：语法错误和异常。

如果没有使用正确的语法，并且 Python 不知道如何运行代码，会发生语法错误。

如果 Python 在执行代码时遇到意外情形，会发生异常，即使你采用了正确的语法，也可能会发生异常。

1.处理错误和异常

Try 语句

可以使用 try 语句处理异常。可以使用 4 个子句

• try：这是 try 语句中的唯一必需子句。该块中的代码是 Python 在 try 语句中首先运行的代码。
• except：如果 Python 在运行 try 块时遇到异常，它将跳到处理该异常的 except 块。
• else：如果 Python 在运行 try 块时没有遇到异常，它将在运行 try 块后运行该块中的代码。
• finally：在 Python 离开此 try 语句之前，在任何情形下它都将运行此 finally 块中的代码，即使要结束程序，例如：如果 Python 在运行 except 或 else 块中的代码时遇到错误，在停止程序之前，依然会执行此finally 块。

为何在 Python 中需要 finally 子句？

2.指定异常

可以指定要在 except 块中处理哪个错误，如下所示：

try:
    # some code
except ValueError:
    # some code

现在它会捕获 ValueError 异常，但是不会捕获其他异常。如果我们希望该处理程序处理多种异常，我们可以在 except 后面添加异常元组。

try:
    # some code
except (ValueError, KeyboardInterrupt):
    # some code

或者，如果希望根据异常执行不同的代码块，可以添加多个 except 块。

try:
    # some code
except ValueError:
    # some code
except KeyboardInterrupt:
    # some code

3.访问错误消息

在处理异常时，依然可以如下所示地访问其错误消息：

try:
    # some code
except ZeroDivisionError as e:
   # some code
   print("ZeroDivisionError occurred: {}".format(e))

应该会输出如下所示的结果：

ZeroDivisionError occurred: division by zero

因此依然可以访问错误消息，即使已经处理异常以防止程序崩溃！

如果没有要处理的具体错误，依然可以如下所示地访问消息：

try:
    # some code
except Exception as e:
   # some code
   print("Exception occurred: {}".format(e))

Exception 是所有内置异常的基础类。可以在此处详细了解 Python 的异常。

5. 读写文件

读写文件
以下是如何在 Python 中读写文件的方式。

读取文件
f = open('my_path/my_file.txt', 'r')
file_data = f.read()
f.close()

1. 使用内置函数 open 打开文件。

• 需要文件路径字符串。
• open 函数会返回文件对象，它是一个 Python 对象，Python 通过该对象与文件本身交互。
• 将此对象赋值给变量 f。

2. 可以在 open 函数中指定可选参数。参数之一是打开文件时采用的模式。 r，即只读模式, 是模式参数的默认值。
3. 使用 read 访问文件对象的内容。该 read 方法会接受文件中包含的文本并放入字符串中。在此示例中，我们将该方法返回的字符串赋值给变量 file_data。
4. 处理完文件后，使用 close 方法释放该文件占用的系统资源。

写入文件
f = open('my_path/my_file.txt', 'w')
f.write("Hello there!")
f.close()

1.以写入 ('w') 模式打开文件。

• 如果文件不存在，Python 将为你创建一个文件。
• 如果以写入模式打开现有文件，该文件中之前包含的所有内容将被删除。
• 如果你打算向现有文件添加内容，但是不删除其中的内容，可以使用附加 ('a') 模式，而不是写入模式。
  2.使用 write 方法向文件中添加文本。
  3.操作完毕后，关闭文件。

With
Python 提供了一个特殊的语法，该语法会在使用完文件后自动关闭该文件。

with open('my_path/my_file.txt', 'r') as f:
    file_data = f.read()

该 with 关键字使你能够打开文件，对文件执行操作，并在缩进代码（在此示例中是读取文件）执行之后自动关闭文件。现在，我们不需要调用 f.close() 了！你只能在此缩进块中访问文件对象 f。

整行读取

Python 将使用语法 for line in file 循环访问文件中的各行内容。 我可以使用该语法创建列表中的行列表。因为每行依然包含换行符，可以使用 .strip() 删掉换行符。

camelot_lines = []
with open("camelot.txt") as f:
    for line in f:
        camelot_lines.append(line.strip())

print(camelot_lines)

6. 导入本地、标准和第三方模块

6.1 导入本地脚本

我们实际上可以导入其他脚本中的 Python，如果你处理的是大型项目，需要将代码整理成多个文件并重复利用这些文件中的代码，则导入脚本很有用。

如果你要导入的 Python 脚本与当前脚本位于同一个目录下，只需输入 import，然后是文件名，无需扩展名 .py。

import useful_functions

Import 语句写在 Python 脚本的顶部，每个导入语句各占一行。
import 语句会创建一个模块(Module)对象，叫做 useful_functions。模块是包含定义和语句的 Python 文件。要访问导入模块中的对象，需要使用点记法。

import useful_functions
useful_functions.add_five([1, 2, 3, 4])

可以为导入模块添加别名(Alias)，以使用不同的名称引用它。

import useful_functions as uf
uf.add_five([1, 2, 3, 4])

使用 if main 块 ****

如果不希望导入可执行语句：

通常在 if name == "main" 块中编写可执行语句。

或者，将它们包含在function main() 中并在 if name 块中调用该函数 (???)

• 每当我们运行此类脚本时，Python 实际上会为所有模块Module(i.e. 某个脚本）设置一个特殊的内置变量 name。（Python actually sets a special build in variable called name

• 当我们运行脚本时，Python 会将此模块识别为主程序，并将此模块的 name 变量设为字符串 "main"。

• 对于该脚本中导入的任何模块，这个内置 name 变量会设为该模块的名称(for any modules that are imported in the script, this built-in name variable is just set to the name of that module)。因此，条件 if __name__ == "__main__"会检查该模块是否为主程序。

尝试 if main 块并访问导入模块中的对象！

6.2 导入标准库：

练习1 计算指数

import math
print(math.exp(3))

练习2 密码生成器
随机取一个元素

import random

def generate_password():
    return random.choice(word_list) + random.choice(word_list) + random.choice(word_list)

随机取一个列表切片

def generate_password():
    return ''.join(random.sample(word_list,3))

探索标准库：

1. 当前时间和日期？ datetime
2. 更改当前工作目录的方法？os
3. 将逗号分隔 (.csv) 文件中的每行数据读取到 Python 中 csv
4. 从 zip 文件中提取所有文件？zipfile
5. 显示代码的运行时间？time
   针对简短的代码使用 timeit，或者针对大型项目使用 cProfile 或 profile。

推荐标准库：

Python 标准库包含大量模块！下面筛选了一些推荐的 Python 标准库模块

• csv：对于读取 csv 文件来说非常便利
• collections：常见数据类型的实用扩展，包括 OrderedDict、defaultdict 和 namedtuple
• random：生成假随机数字，随机打乱序列并选择随机项
• string：关于字符串的更多函数。此模块还包括实用的字母集合，例如 string.digits（包含所有字符都是有效数字的字符串）。
• re：通过正则表达式在字符串中进行模式匹配
• math：一些标准数学函数
• os：与操作系统交互
• os.path：os 的子模块，用于操纵路径名称
• sys：直接使用 Python 解释器
• json：适用于读写 json 文件（面向网络开发）

导入模块技巧

还有一些在不同情形下很有用的其他形式的 import 语句。

1. 要从模块中导入单个函数或类：
   from module_name import object_name

2. 要从模块中导入多个单个对象：
   from module_name import first_object, second_object

3.要重命名模块：
import module_name as new_name

4.要从模块中导入对象并重命名：
from module_name import object_name as new_name

5.要从模块中单个地导入所有对象（请勿这么做）：
from module_name import *

The problem with this is that modules may contain many objects, including all these names may overwrite or maybe overwritten by other names you 're using in the program. Also impossible for collaborators to find where an important object was defined.

6.如果你真的想使用模块中的所有对象，请使用标准导入 module_name 语句并使用点记法访问每个对象。
import module_name

模块、软件包和名称
为了更好地管理代码，Standard 标准库中的模块被拆分成了子模块并包含在软件包中。

软件包是一个包含子模块的模块。子模块使用普通的点记法（.notation)指定。

子模块的指定方式是软件包名称、点，然后是子模块名称。你可以如下所示地导入子模块。

import package_name.submodule_name

注意：模块名称可能采用的是其中的某个重要类或者函数 , 以下是导入了datetime类，而不是datetime 模块

from datetime import datetime

6.3 导入第三方库

独立开发者编写了成千上万的第三方库！
可以使用 pip 安装这些库。pip 是在 Python 3 中包含的软件包管理器，它是标准 Python 软件包管理器，但并不是唯一的管理器。另一个热门的管理器是 Anaconda，该管理器专门针对数据科学。

使用 pip 安装软件包，如下所示：pip install package_name。该命令会下载并安装该软件包，以便导入程序中。安装完毕后，可以使用从标准库中导入模块时用到的相同语法导入第三方软件包。

使用 requirements.txt 文件

大型 Python 程序可能依赖于十几个第三方软件包。为了更轻松地分享这些程序，程序员经常会在叫做 requirements.txt 的文件中列出项目的依赖项。下面是一个 requirements.txt 文件示例。

beautifulsoup4==4.5.1
bs4==0.0.1
pytz==2016.7
requests==2.11.1

该文件的每行包含软件包名称和版本号。版本号是可选项，但是通常都会包含。不同版本的库之间可能变化不大，可能截然不同，因此有必要使用程序作者在写程序时用到的库版本。

可以使用 pip 一次性安装项目的所有依赖项，方法是在命令行中输入
pip install -r requirements.txt。

实用的第三方软件包

能够安装并导入第三方库很有用，但是要成为优秀的程序员，还需要知道有哪些库可以使用。大家通常通过在线推荐或同事介绍了解实用的新库。

如果你是一名 Python 编程新手，可能没有很多同事，常用的软件包列表

• IPython - 更好的交互式 Python 解释器
• requests - 提供易于使用的方法来发出网络请求。适用于访问网络 API。
• Flask - 一个小型框架，用于构建网络应用和 API。
• Django - 一个功能更丰富的网络应用构建框架。Django 尤其适合设计复杂、内容丰富的网络应用。
• Beautiful Soup - 用于解析 HTML 并从中提取信息。适合网页数据抽取。
• pytest - 扩展了 Python 的内置断言，并且是最具单元性的模块。
• PyYAML - 用于读写 YAML 文件。
• NumPy - 用于使用 Python 进行科学计算的最基本软件包。它包含一个强大的 N 维数组对象和实用的线性代数功能等。
• pandas - 包含高性能、数据结构和数据分析工具的库。尤其是，pandas 提供 dataframe！
• matplotlib - 二维绘制库，会生成达到发布标准的高品质图片，并且采用各种硬拷贝格式和交互式环境。
• ggplot - 另一种二维绘制库，基于 R's ggplot2 库。
• Pillow - Python 图片库可以向你的 Python 解释器添加图片处理功能。
• pyglet - 专门面向游戏开发的跨平台应用框架。
• Pygame - 用于编写游戏的一系列 Python 模块。
• pytz - Python 的世界时区定义。

7. 在解释器中进行实验

通过在终端里输入 python 启动 python 交互式解释器。可以接着输入内容，直接与 Python 交互。这是每次实验和尝试一段 Python 代码的很棒工具。只需输入 Python 代码，输出将出现在下一行。

>>> type(5.23)
<class 'float'>

在解释器中，提示符窗口中最后一行的值将自动输出。如果有多行代码需要输出值，依然需要使用 print。

如果开始定义函数，将在提示符窗口中看到变化，表示这是可以继续的行。在定义函数时，需要自己添加缩进。

>>> def cylinder_volume(height, radius):
...         pi = 3.14159
...         return height * pi * radius ** 2

解释器的不足之处是修改代码比较麻烦。如果在输入该函数时出现了拼写错误，或者忘记缩进函数的主体部分，无法使用鼠标将光标点到要点击的位置。需要使用箭头键在代码行中来回移动。有必要了解一些实用的快捷方式，例如移到一行的开头或结尾。

注意，可以引用在解释器中之前定义的任何对象！

>>> cylinder_volume(10, 3)
282.7431

一个实用技巧是在交互式提示符窗口中使用上下箭头键循环浏览最近的命令。这样可以重新运行或修改已经尝试的代码。

要退出 Python 交互式解释器，使用命令 exit() 或在 mac/linux 上按下 ctrl+D，在 windows 上按下 ctrl+Z，然后按下 Enter 键。

IPython

实际上有一个代替默认 python 交互式解释器的强大解释器 IPython，它具有很多其他功能。

• Tab 键补充完整
• ?：关于对象的详细信息
• !：执行系统 shell 命令
• 语法突出显示

可以在此处查看更多其他功能！

8. 获取所需的信息

要想成为熟练的程序员，需要掌握大量知识。需要了解库、记住语法以及其他细节。此外，让这一切更具挑战的是，技术在不断革新，因为新的技巧和工具会不断出现。

对于编程新手来说，学习所有这些细节并及时获悉新的发展动态似乎是一项不可能完成的任务。的确是这样！具有多年经验的编程专业人士实际上并不是在脑中记下百科全书一样的知识，而是掌握了快速查找信息的技巧。

如何搜索

下面是高效网络搜索的一些技巧：

• 在查询时，尝试使用 Python 或要使用的库的名称作为第一个字词。这样会告诉搜索引擎优先显示与你要使用的工具明确相关的结果。
• 创建良好的搜索查询需要多次尝试。如果第一次尝试时没有找到有用的结果，再试一遍。
• 尝试使用在一开始搜索时发现的网页上发现的关键字，使搜索引擎在后续搜索中转到更好的资源。
• 复制粘贴错误消息作为搜索字词。这样会出现错误解释性信息和潜在原因。错误消息可能包括你所写的特定行号引用。只在搜索中包含这些信息之前的错误消息部分。
• 如果找不到问题答案，自己提出问题！StackOverflow 等社区有一些行为规则，如果你要加入该社区，必须了解这些规则，但是别因为这些规则而不愿意使用这些资源。

在线资源的优先级

虽然有很多关于编程的在线资源，但是并非所有资源都是同等水平的。下面的资源列表按照大致的可靠性顺序排序。

1. Python 教程 - 这部分官方文档给出了 Python 的语法和标准库。它会举例讲解，并且采用的语言比主要文档的要浅显易懂。确保阅读该文档的 Python 3 版本！
2. Python 语言和库参考资料 - 语言参考资料和库参考资料比教程更具技术性，但肯定是可靠的信息来源。当你越来越熟悉 Python 时，应该更频繁地使用这些资源。
3. 第三方库文档 - 第三方库会在自己的网站上发布文档，通常发布于 https://readthedocs.org/ 。你可以根据文档质量判断第三方库的质量。如果开发者没有时间编写好的文档，很可能也没时间完善库。
4. 非常专业的网站和博客 - 前面的资源都是主要资源，他们是编写相应代码的同一作者编写的文档。主要资源是最可靠的资源。次要资源也是非常宝贵的资源。次要资源比较麻烦的是需要判断资源的可信度。Doug Hellmann 等作者和 Eli Bendersky 等开发者的网站很棒。不出名作者的博客可能很棒，也可能很糟糕。
5. StackOverflow - 这个问答网站有很多用户访问，因此很有可能有人之前提过相关的问题，并且有人回答了！但是，答案是大家自愿提供的，质量参差不齐。在将解决方案应用到你的程序中之前，始终先理解解决方案。如果答案只有一行，没有解释，则值得怀疑。你可以在此网站上查找关于你的问题的更多信息，或发现替代性搜索字词。
6. Bug 跟踪器 - 有时候，你可能会遇到非常罕见的问题或者非常新的问题，没有人在 StackOverflow 上提过。例如，你可能会在 GitHub 上的 bug 报告中找到关于你的错误的信息。这些 bug 报告很有用，但是你可能需要自己开展一些工程方面的研究，才能解决问题。
7. 随机网络论坛 - 有时候，搜索结果可能会生成一些自 2004 年左右就不再活跃的论坛。如果这些资源是唯一解决你的问题的资源，那么你应该重新思考下寻找解决方案的方式。

-- 内容来源 Udacity 《人工智能编程基础》