Hands on Python
Background
Python 作为一个高级编程语言 (high-level language)，它的主要工作是将用户编写的 Python 源代码解释成机器能理解的成字节码 (bytecode)，以便让机器执行指令。
相比于机器语言和汇编语言等低级语言 (low-level language)，使用高级编程语言编写代码有一些好处：代码更少也更易读，编写代码所需的时间更短；更容易做到跨平台运行。
Python 很重要的一个组件是 Python Interpreter。解释器的主要工作是解释并运行 Python: 读取用户编写的 Python 源代码；对源代码进行词法分析，将代码分解成词法单元（tokens）；之后进行语法分析，构建抽象语法树（Abstract Syntax Tree，AST）来表示代码的结构；接着将抽象语法树编译成 bytecode，这是一种中间形式的代码；最后，Python 解释器会逐行执行字节码指令，将其转换为机器码并执行，实现源代码的功能。
执行 Python 有两种模式：immediate mode & script mode. 前者是在 terminal 界面进入 Python 解释器的窗口进行即时交互；第二种是通过编写扩展名为 py 的 Python 脚本，使用 Python 解释器去执行该脚本。
在日常调试和数据分析过程中，另一个常用的 python 交互方式是 Jupiter Notebook。
Installation
根据操作系统不同，安装 Python 的方式有很多，详情可以参考 Downlaod Python。笔者推荐使用 Anaconda 作为 Python 的环境管理工具。
检验 Python 环境配置是否已经完成：
python --version
Data Type
Python 中常见的数据类型包括：
- 整数（int）：表示整数值，如 5、-3;
- 浮点数（float）：表示带有小数点的数值，如 3.14、-0.001;
- 字符串（str）：表示文本数据，如 ‘hello’、”world”;
- 布尔值（bool）：表示逻辑值，只有两个取值：True 和 False;
- 列表（list）：有序、可变的集合，如 [1, 2, 3];
- 元组（tuple）：有序、不可变的集合，如 (1, 2, 3);
- 集合（set）：无序、不重复的集合，如 {1, 2, 3};
- 字典（dict）：无序的键值对集合，如 {‘name’: ‘Alice’, ‘age’: 30}。
Script Structure
在生产级别的 Python 编程中，一个 Python 脚本通常由以下部分构成：
1. 导入模块
在开头导入代码所需的模块，以扩展 Python 的功能和复用代码。例如：
import os
import sys
from datetime import datetime
注：你可以在 Python 标准库, PyPI (Python Package Index), Awesome Python 找到丰富的 Python 库及其功能详情；也可以使用 help(function_name) 可以查看已导入方法内置的说明。
2. 全局变量和常量定义
定义全局变量和常量，用于在整个脚本中共享数据。例如：
MAX_RETRIES = 3
DEBUG_MODE = True
3. 函数和类定义
编写函数和类来组织代码逻辑和实现功能。函数用于封装可重复使用的代码块，类用于组织相关属性和方法。例如：
def calculate_area(radius):
return 3.14 * radius ** 2
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
注：其中 __init__ 是 Python 中的构造函数，用于在创建对象时初始化对象的属性。
4. 主程序逻辑
编写主要的程序逻辑，包括流程控制、数据处理、调用函数等。这部分代码通常位于脚本的最顶层，用于实现脚本的主要功能。例如：
if __name__ == "__main__":
radius = 5
area = calculate_area(radius)
print(f"The area of the circle is: {area}")
注：if __name__ == "__main__" 被用来判断当前脚本是否作为主程序运行，加上这段代码可以防止在被其他脚本导入时执行了不必要的代码；当 Python 解释器运行一个脚本时，__name__ 变量会被设置为 "__main__"，而如果该脚本被作为模块导入到其他脚本时，__name__ 变量会被设置为模块的名称。
5. 异常处理
添加适当的异常处理机制，以处理可能出现的错误和异常情况，确保程序的稳定性和可靠性。例如：
try:
result = 10 / 0
except ZeroDivisionError as e:
print("Error: Division by zero!")
注：可以通过 Python 异常文档 查看完整的 Exception 列表，也可以通过 help(ExceptionNameError) 查看特定异常的详细信息。
6. 日志记录
使用日志记录模块记录程序运行时的信息、警告和错误，以便进行故障排查和监控。例如：
import logging
logging.basicConfig(filename='app.log', level=logging.INFO)
logging.info('Program started')
Useful Libraries
1. pdb —— The Python Debugger
pdb 是一个 python 中用于调试代码的模块，它的用法有两种，在代码行中插入：
import pdb; pdb.set_trace()
或者使用 python3.7 之后内置的 breakpoint()
Example: Debug Guessing Number
random.randint(a, b) 返回一个 a <= N <= b 的随机整型，用 Python 执行下面的脚本得不到我们想要的结果。使用 breakpoint() 来寻找原因。
# import pdb
from random import randint
# pdb.set_trace()
breakpoint()
answer = randint(0, 1)
n = input("Guess: 0 or 1?")
if n == answer:
breakpoint()
print("Correct!")
else:
breakpoint()
print(f"Incorrect. The answer was {answer}.")
-> answer = randint(0, 1)
(Pdb) n
-> n = input("Guess: 0 or 1?")
(Pdb) !answer
1
(Pdb) n
Guess: 0 or 1?1
-> if n == answer:
(Pdb) continue
-> print(f"Incorrect. The answer was {answer}.")
(Pdb) !(n == answer)
False
(Pdb) !type(n)
<class 'str'>
(Pdb) !type(answer)
<class 'int'>
(Pdb) continue
Incorrect. The answer was 1.
通过 debug 发现，比较时变量 n 和变量 answer 类型不同，将第 7 行代码按如下调整即可修复功能：
n = int(input("Guess: 0 or 1?"))
在 debug 模式下，键入 help 查看可以使用的所有命令，以下是开发中最常用的命令及其说明：
| pdb Command | Action |
| n or next | Run the next line of code |
| s or step | Step into current line(usually a function call) |
| r or return | Return from the current function |
| l or list | List the surrounding code lines |
| interact | Starts an interactive Python interpreter |
| c or continue | Continue running (until next breakpoint or exit) |
| b or break | Set a breakpoint for a specific line or function |
| ! | Special prefix to say "run this as Python code" |
| pp | Pretty-print the value of a Python expression |
To be continued…