给 Python 初学者的练习指南。
把课程用起来的实际方法：核心学习计划、从答案中学习的三步法，以及 print、循环、列表、元组、类、模块、嵌套数据、递归、正则、生成器、装饰器、上下文管理器、dataclasses、itertools、collections、functools、枚举、CSV、日志、pathlib、日期、断言、类型提示、HTTP 请求、HTML 解析、URL 解析、分页、robots.txt、分词、softmax、k-NN、模型评估、提示词校验、线性回归、梯度下降、朴素贝叶斯、k-means 和模型监控的专项练习。
Python 初学者练习计划：4 周上手路线
初学者通常不缺视频，缺的是少量概念加上足够多次的主动练习。这份计划把前 10 节核心短课安排成 4 周，每天 20–30 分钟，重点是写代码、预测结果和纠正错误；后面 40 节进阶…
练习方法Python 练习题带答案：如何练习而不只是抄答案
答案只有在你先尝试之后才有价值。如果一上来就看答案，你可能会“认得”它，却无法独立写出来。下面这套三步法，能把答案解释变成真正的能力。…
课程重点Python print 练习：sep、end 与 f-string
print() 看起来简单，却是检查程序最快的方式。这组练习覆盖初学者最容易忽略的细节：分隔符、行尾、引号和格式化。…
课程重点Python 循环练习：覆盖大多数初学者问题的 5 个模式
大多数初学者循环题，都是五个基本模式的变体。先认出模式，再写语法，比面对空白编辑器硬想更快。…
课程重点Python 列表练习：索引、切片与排序
列表是大多数初学者最早使用的数据结构，也是小错误的集中地。这组练习聚焦索引、切片、原地修改，以及 sort 和 sorted 的区别。…
专项练习Python while 循环练习：覆盖大多数问题的 5 个模式
大多数 while 循环题都是五个基本模式的变体。先认出模式，再写条件和更新语句，就不用凭感觉试。…
专项练习Python 元组与集合练习：固定记录与唯一值
元组和集合解决两类不同的问题：保存固定记录，以及只保留唯一值。练习在它们之间做选择，而不是默认使用列表。…
专项练习Python 列表推导式练习：映射、筛选与构建
推导式是构建集合的紧凑写法。真正该问的不是“能不能写短”，而是“转换是否仍然一眼可见”。…
专项练习Python 排序练习：key、reverse 与记录排序
给数字列表排序只是第一步。真正有用的是按指定字段排序记录，同时保留原始数据。…
专项练习Python 类练习：构建一个小型对象模型
从一个小的记录开始，类会更容易理解。先让对象保存几个字段，加一个方法，测试通过后再增加行为。…
专项练习Python 导入练习：模块、别名与标准库
导入只是很小的语法，却能带来很大的收益：你可以直接使用经过测试的代码，而不是重新实现每个工具。关键是让每个名字的来源清楚可见。…
专项练习Python 嵌套数据练习：字典列表
嵌套数据看起来复杂，直到你给每一层命名。字典列表不过是一组记录，每个字典就是一条带字段的记录。…
专项练习Python Lambda、map 与 filter 练习
map 和 filter 是转换与筛选的短工具。函数足够简单，并且记住 Python 3 中它们返回惰性迭代器时，这两种工具最好用。…
专项练习Python 递归练习：基线条件与更小的问题
先写停止条件，递归会容易很多。然后只问一个问题：这个函数可以把什么样更小的输入传给自己？…
专项练习Python 正则练习：查找、提取与替换
正则表达式是一种描述文本模式的紧凑语言。先写一个清楚的模式，在小字符串上测试，再添加分组或量词。…
专项练习Python enumerate 与 zip 练习：更干净的循环
循环里的大多数错误都来自记账：索引悄悄偏移、计数器从错误的位置开始，或者两个列表已经对不上却没人发现。enumerate 和 zip 把这些关系写进循环头部，让问题更容易看见。…
专项练习Python pathlib 练习：路径、文件名与文本文件
路径不只是一个字符串。它有父目录、文件名、后缀和平台相关的分隔符。pathlib 给这些概念起了名字，让代码可以表达真实意图，而不是用加号拼字符串。…
专项练习Python datetime 练习：日期、时间差与格式化
日期看起来简单，直到月份长度、闰年和时区出现。datetime 模块会替你处理日历规则。真正的关键是选对对象：日期、时长，还是某个具体瞬间。…
专项练习Python assert 练习：用断言测试函数
断言是你对程序做出的声明。声明为假时，Python 会抛出 AssertionError 并停止当前路径。只要不把它和输入校验混为一谈，assert 就是很好的教学和测试工具。…
专项练习Python 类型提示练习：让注解帮助读者
类型提示是沟通工具。它告诉读者函数接收和返回什么，也给编辑器足够的信息，在错误进入运行时之前发出提醒。它不会把 Python 变成静态类型语言。…
专项练习Python 生成器练习指南：惰性取值
生成器不只是新语法，它改变了执行方式：产生一个值，暂停，之后再继续。当完整列表浪费内存、无法构建，或者根本不需要时，这种模型特别有用。…
专项练习Python 装饰器练习指南：包装函数
装饰器的想法很小，回报却很大：函数可以传给另一个函数，并被它的返回值替换。理解这一点后，日志、计时、缓存和校验就能变成可复用的层，而不是到处复制的代码。…
专项练习Python 上下文管理器练习指南
成功路径上的清理很容易忘记，异常打断函数时更容易漏掉。上下文管理器把准备和收尾放在代码块两侧，让清理逻辑只有一个明确的归属。…
专项练习Python dataclass 练习指南：字段
dataclass 是一种简洁表达“这个类主要装数据”的方式。它会生成重复方法，但仍然只是普通 Python 类。理解它生成了什么、没有生成什么，既能减少样板，也能避免错误期待。…
专项练习Python itertools 练习指南：惰性数据流
itertools 是一组小型迭代器工具。它们不试图解决整个问题，而是可以组合。认识 count、islice、chain 和 groupby 之后，很多循环会变得更短、更容易读。…
专项练习Python collections 练习：计数、分组与队列
collections 模块提供一组减少样板代码的小工具。你不需要手写计数循环、缺失键判断或队列，而是直接选择行为已经匹配问题的容器。…
专项练习Python functools 练习：缓存、偏函数与归约
functools 的重点是改造函数，而不是重写函数。你可以缓存昂贵结果、固定一个参数、把序列折叠成一个值，或者在包装可调用对象时保留元数据。…
专项练习Python 枚举练习：名称、值与查找
枚举给状态、颜色、方向这类概念一组固定名称。成员是真实对象，而不是散落的字符串，因此比较和查找都更明确。…
专项练习Python CSV 练习：读取、写入与引号
CSV 看起来像纯文本，直到字段里出现逗号。csv 模块负责引号、分隔符和行边界，你不需要手工按行拆分。…
专项练习Python 日志练习：级别、处理器与格式
需要上下文时，print 语句就不够了。日志给每条消息一个严重级别、一个目的地和一种格式，让你不必修改每个调用点就能检查生产行为。…
专项练习Python 爬虫练习：搭建礼貌的抓取流水线
爬虫是一条流水线，不是一次请求。这些练习把抓取、解析、提取和存储分开，让每个阶段都能在不访问真实网站的情况下测试。…
专项练习Python HTMLParser 练习：链接、文本与属性
把解析器拆成小型处理器，更容易信任。这些练习每次只增加一个职责：收集标签、读取属性、捕获文本，最后组合成记录。…
专项练习Python URL 解析练习：拼接、查询与清理
很多重复链接并不是真的重复，而是同一个目的地的四种写法。这些练习把 URL 字符串拆成组成部分，基于页面补全，再重建成规范值。…
专项练习Python 分页抓取练习：队列、访问集与预算
分页抓取本质上是带预算的图遍历。队列决定下一页，visited 集合防止绕圈，限制让运行结束。这些练习先分别实现，再组合起来。…
专项练习Python robots.txt 练习：规则、延迟与伦理
robots.txt 文件很小，影响却很大。这些练习解析常见指令，解释最长匹配优先级，并把文件放回“礼貌抓取或干脆不抓”的完整决策中。…
专项练习Python 分词练习：词元、向量与余弦相似度
分词是 AI 流水线第一个可能悄悄丢失信息的地方。这些练习把选择摆到明面上：什么算一个词元、词表如何共享，以及相似度分数能说明什么、不能说明什么。…
专项练习Python softmax 练习：稳定性、温度与对数损失
softmax 看起来只有两行算术，细节却很重要：溢出、温度，以及概率和决策之间的区别。这些练习逐块搭建，再连接到损失函数。…
专项练习Python k-NN 练习：距离、投票与缩放
k-NN 是很好的第一个分类器，因为每个决定都看得见：距离、邻居、投票和评估都能检查。这些练习让每一步都可以测试。…
专项练习Python 模型评估练习：不只看准确率
评估是模型与决策相遇的地方。一个准确率数字可能掩盖“永远找不到关心类别”的分类器。这些练习先计算混淆矩阵，再从中推导指标。…
专项练习Python 提示词校验练习：JSON、结构与安全
模型只是 AI 功能的一部分。周围的 Python 决定输入什么、输出是什么形状，以及响应错误时怎么办。这些练习构建校验层，避免坏响应变成坏操作。…
专项练习Python 线性回归练习：拟合、预测与评估
这些练习把线性回归缩小到可以手工检查的程度。你会拟合直线、用基线比较误差，并判断一个预测是否超出了证据范围。…
专项练习Python 梯度下降练习：损失、步长与学习率
当每一步都看得见时，梯度下降才更容易被信任。这些练习把损失、梯度、更新和停止规则拆开，再展示一个糟糕的学习率如何让它们全部失效。…
专项练习Python 朴素贝叶斯练习：计数、先验与平滑
朴素贝叶斯大部分工作就是细致地计数。这些练习构造计数表、转成平滑概率、在对数空间比较类别，并在未参与训练的文本上检查结果。…
专项练习Python k-means 练习：分配、更新与评估
把分配、更新和评估拆成练习，k-means 就没那么神秘。这些例子只使用二维小数据，每个质心都能手工核对。…
专项练习Python 模型监控练习：漂移与告警
监控不是堆满数字的仪表盘，而是一组小型比较。这些练习建立基线、衡量偏移、判断证据是否足够，并只记录真正需要的聚合值。…
项目实录用 Python 跑批量 AI 任务：队列、重试、断点与成本
批量任务不是给 API 调用套一层 for 循环。这篇实录搭出让它跑得住、停得下、算得清的四件事：稳定任务 key、并发上限、断点文件、开跑前就能说清的价格。…
项目实录用 Python 部署本地大模型：Ollama、显存预算与可用接口
本地模型是一个有内存预算、有延迟曲线的进程，不是黑盒。这篇实录讲清决定它能不能撑过一下午的几件事：量化、显存算术、一个 HTTP 接口、降级链，以及上线后该看的数字。…