Week 2 Python 编程基础

本章导读 时长：3 节课，每节 45 分钟 数据：data/02-python/stock_price.csv、data/02-python/supermarket_sales.csv、data/02-python/breast_cancer.csv 你将学到：用 Python 标准库 csv、statistics、math 读取 CSV，掌握变量、容器、条件、循环、函数、异常和调试 本周不引入 pandas 本周产出：projects/<姓名>/02-stock.py、projects/<姓名>/02-supermarket.py、projects/<姓名>/02-breast-cancer.py

本周三节课不按“先讲完所有语法，再做题目”的顺序。每一节都从一个具体数据问题开始，先引入刚好够用的概念，再用真实数据练习。

看数据问题 → 引入概念 → 最小代码 → 自己试 → 应用到数据 → DSH 审查 → 验收

1. 第 1 节课：从一个价格列表开始，统计股票价格；
2. 第 2 节课：从循环到函数和字典，汇总超市分店销售额；
3. 第 3 节课：把脏数据讲清楚，安全处理乳腺癌数据中的异常值。

本周使用 DSH 的固定顺序：先理解计划，再检查命令，小步执行，验证结果。 DSH 可以生成代码，但你必须能解释每一行。它说“写好了”不等于“做对了”，要看真实输出；它要执行命令时，先读命令本身。本周代码只允许使用标准库，出现 pandas 就是红线；原始 data/ 目录只读，学生代码只写入 projects/<姓名>/。

1. 第 1 节课 从一个价格列表开始（45 分钟）

建议流程：先看示例，再自己跑通，最后复盘验收。

1.1 今天的数据与问题

数据：data/02-python/stock_price.csv，252 行 x 2 列，字段 Date、Price。

问题：读取 Price 列，计算平均价格、最高价格、最低价格和上涨天数。

先看计划：

flowchart LR
    A[读取文件] --> B[逐行取出 Price]
    B --> C[转成 float]
    C --> D[用 statistics 算平均]
    D --> E[用 max/min 找极值]
    E --> F[相邻两日比较，数上涨天数]

计划里没有“修改原文件”和“安装 pandas”。这两件事本周都不做。

1.2 变量和基本类型

变量是给一个值起的名字，不是这个值本身。可以把它想成储物格上的标签：price 是标签，23.02 是格子里放的东西。Python 中每个值都有类型，类型决定它能做什么运算。

写代码前先记三个工具：print() 把结果打印到屏幕；type() 返回一个值的类型；# 后面的文字是注释，只给人看，Python 不执行。

price = 23.02          # float，小数
days = 252             # int，整数
stock_name = "PF"      # str，文本
is_trading_day = True  # bool，布尔

print(type(price))
print(type(days))
print(type(stock_name))
print(type(is_trading_day))

脚本：01-variable-types.py

输出：

<class 'float'>
<class 'int'>
<class 'str'>
<class 'bool'>

本周还会用到另外几种容器类型：

四条规则：

• CSV 读进来的内容默认是 str，算数前必须转成数字；
• 变量名要说明用途，不要叫 a、b、c；
• 数字和字符串不能直接相加，先看 type()，再看报错；
• 容器类型会在具体用到时再展开，不在这一节一次背完。

自己试 1： 新建 quantity = 5 和 unit_price = 12.5，打印 quantity * unit_price 和它的 type()。先猜类型，再运行。

1.3 数字运算和 round()

这一节先认识四个运算：/ 是普通除法，结果可能是小数；// 是向下取整；% 是取余数；round(x, 2) 保留两位小数，用于显示，不改变原来的数据。

print(10 / 3)
print(10 // 3)
print(10 % 3)
print(round(23.969999, 2))

脚本：02-number-operations.py

输出：

3.3333333333333335
3
1
23.97

• / 是普通除法，结果可能是 float
• // 是向下取整
• % 是取余数
• round(x, 2) 保留两位小数，用于显示，不改变原来的数据

1.4 列表和 for 循环

价格是一串有序、可以增删的数字，用 list。列表编号从 0 开始，所以第一个元素是 prices[0]，最后一个是 prices[-1]。len(列表) 返回元素个数；列表.append(值) 在末尾增加一个元素。

prices = [23.02, 23.15, 23.50]
print(prices[0])
print(prices[-1])
prices.append(23.80)
print(prices)
print(len(prices))

脚本：03-list-basics.py

输出：

23.02
23.5
[23.02, 23.15, 23.5, 23.8]
4

for 循环让程序重复执行同一段代码。for price in prices: 的意思是：依次把列表中的每个元素放进变量 price，执行缩进块；列表里有几个元素，缩进块就执行几次。break 会立即结束整个循环，后面的元素不再处理。

prices = [23.02, 23.15, 23.50]

total = 0
for price in prices:
    total = total + price

print(total)

脚本：04-list-for-sum.py

输出：

69.67

累加前先准备 total = 0，这个初始值必须在循环外设置。

自己试 2： 写一个循环，只打印大于 23.1 的价格。先说出你预期会看到哪几个数，再运行。

1.5 用 statistics 算均值，用 min / max 找极值

import statistics 把标准库模块 statistics 加载进来，之后用 statistics.mean(...) 调用它的平均值函数。min() 和 max() 是 Python 自带函数。

import statistics

prices = [23.02, 23.15, 23.50]
print(statistics.mean(prices))
print(min(prices))
print(max(prices))

脚本：05-statistics-mean-min-max.py

输出：

23.223333333333333
23.02
23.5

mean 是平均值，min / max 是最小值、最大值。这些函数都来自标准库，不需要 pandas。

1.6 读取 CSV 的 Price 列

现在把前面的概念接到真实文件上。这里会用到几个新语法：import csv 加载 CSV 模块；with open(path, encoding="utf-8-sig", newline="") as f: 打开文件并在结束时自动关闭；csv.DictReader(f) 把每行读成以表头为键的字典；row["Price"] 按列名取这一行的值；float(...) 把文本转成小数。

import csv
import statistics

path = "data/02-python/stock_price.csv"
prices = []

with open(path, encoding="utf-8-sig", newline="") as f:
    reader = csv.DictReader(f)
    for row in reader:
        prices.append(float(row["Price"]))

print("样本量:", len(prices))
print("平均价格:", round(statistics.mean(prices), 2))
print("最高价格:", round(max(prices), 2))
print("最低价格:", round(min(prices), 2))

脚本：06-stock-csv.py ｜ 数据：stock_price.csv

输出：

样本量: 252
平均价格: 19.3
最高价格: 23.97
最低价格: 14.5

关键点：

• csv.DictReader 把每一行读成字典，表头是键，所以用 row["Price"]
• CSV 读出来是字符串，float(row["Price"]) 把它转成小数
• encoding="utf-8-sig" 自动去掉文件开头的 BOM，避免列名变成 \ufeffPrice

自己试 3： 把代码改成只打印前 3 个价格。用 break 在第三次后停止循环。

1.7 数上涨天数

上涨天数表示相邻两天比较后、后一天高于前一天的次数。这里需要两个新工具：range(1, len(prices)) 生成从 1 到 len(prices) - 1 的整数序列；if prices[i] > prices[i - 1]: 表示条件成立时才执行缩进块，> 是比较大小。up_days += 1 是 up_days = up_days + 1 的简写。

import csv

path = "data/02-python/stock_price.csv"
prices = []

with open(path, encoding="utf-8-sig", newline="") as f:
    reader = csv.DictReader(f)
    for row in reader:
        prices.append(float(row["Price"]))

up_days = 0
for i in range(1, len(prices)):
    if prices[i] > prices[i - 1]:
        up_days += 1

print("上涨天数:", up_days)

脚本：07-stock-up-days.py ｜ 数据：stock_price.csv

输出：

上涨天数: 122

重点解释：

• range(1, len(prices))：从第 2 个价格开始，和前一天比较
• len(prices) 是 252，所以循环比较 251 次，不是 252 次
• prices[i - 1]：紧邻的前一天价格

1.8 DSH vibe loop 与验收

把这节课的脚本交给 DSH 审查，问它三个问题：

1. 为什么 float(row["Price"]) 不能省略？
2. 为什么上涨天数不是 252？
3. 如果 statistics.mean(prices) 报错，最可能是什么原因？

DSH 回答后，你必须用自己的话复述一遍，能复述才继续下一步。

• [ ] 能说出 int、float、str、bool 的区别
• [ ] 能解释 list 为什么适合存价格序列
• [ ] 能用 for 循环把列表加总
• [ ] stock_price.csv 脚本只用 csv 和 statistics，没有 pandas
• [ ] 能输出 252 行、平均 19.3、最高 23.97、最低 14.5、上涨天数 122
• [ ] 能解释“上涨天数比较 251 次，不是 252 次”

2. 第 2 节课 从循环到函数和字典（45 分钟）

建议流程：先看示例，再自己跑通，最后复盘验收。

2.1 今天的数据与问题

数据：data/02-python/supermarket_sales.csv，1000 行 x 17 列。主要字段：Branch、City、Customer type、Product line、Unit price、Quantity、Total、Rating。

问题：写一个函数，计算各 Branch 的总销售额。

先看计划：

打开文件 → csv.DictReader 逐行读取 → 取出 Branch 和 Total → Total 转 float → 累加到字典 → 输出 A/B/C 三个分店的总销售额

Total 读进来是字符串，例如 '548.9715'，必须先转成 float，否则字典累加会变成字符串拼接。

2.2 条件分支

if 处理一个条件；elif 表示“否则如果”，可以接多个条件；else 是以上都不满足时的兜底。判断从上往下，先命中的分支执行，后面的不再检查。比较运算符 >、>=、<、== 的结果是 True 或 False。

rating = 9.1

if rating >= 8.0:
    print("高评分")
elif rating >= 6.0:
    print("中评分")
else:
    print("低评分")

脚本：08-rating-if-elif-else.py

输出：

高评分

自己试 4： 把 rating 改成 7.5，预测会输出什么；再把 elif rating >= 6.0 改成 elif rating >= 7.5，再看结果。

2.3 字典

要保存“分店 → 总销售额”，需要一个能把名字和数值配对的容器，这就是 dict。它像查字典：键是“分店名”，值是“累计销售额”。{"A": 0.0} 创建一个字典；branch_totals["A"] 用键 A 取出对应值。

branch_totals = {"A": 0.0, "B": 0.0, "C": 0.0}
branch_totals["A"] += 10.0
print(branch_totals)
print(branch_totals["B"])

脚本：09-dict-basics.py

输出：

{'A': 10.0, 'B': 0.0, 'C': 0.0}
0.0

当键第一次出现时，要先用 get(key, 0.0) 给默认值，否则直接累加会报 KeyError。

2.4 csv.DictReader 逐行读取

import csv

path = "data/02-python/supermarket_sales.csv"
with open(path, encoding="utf-8-sig", newline="") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row["Branch"], row["Total"])
        break

脚本：10-csv-dictreader-first-row.py ｜ 数据：supermarket_sales.csv

输出（只打印第一行，然后停止）：

A 548.9715

csv.DictReader 会用第一行表头作为键，后面的每一行变成字典。用它逐行处理，先想清楚每一行要做什么。

flowchart LR
    A[open 文件] --> B[csv.DictReader 逐行读取]
    B --> C{还有下一行吗}
    C -- 是 --> D[取出 Branch 和 Total]
    D --> E[累加到对应分店]
    E --> C
    C -- 否 --> F[输出各 Branch 总销售额]

2.5 先写循环版汇总

这里用到三个新语法：dict.get(key, 0.0) 在键存在时返回值，不存在时返回默认值 0.0；sorted(字典) 返回按键排序后的列表；f"..." 是 f-string，用大括号插入变量，:.2f 表示保留两位小数。

import csv

path = "data/02-python/supermarket_sales.csv"
branch_totals = {}

with open(path, encoding="utf-8-sig", newline="") as f:
    reader = csv.DictReader(f)
    for row in reader:
        branch = row["Branch"]
        total = float(row["Total"])
        branch_totals[branch] = branch_totals.get(branch, 0.0) + total

for branch in sorted(branch_totals):
    print(f"Branch {branch}: {branch_totals[branch]:.2f}")

脚本：11-supermarket-loop-total.py ｜ 数据：supermarket_sales.csv

输出：

Branch A: 106200.37
Branch B: 106197.67
Branch C: 110568.71

2.6 封装成函数

函数是把一段可重复使用的逻辑打包，并给它一个明确输入和输出。def sales_by_branch(path) 定义了一个函数：输入是文件路径，输出是各分店销售额字典。函数内部只负责计算，return 把结果交给调用者；打印应该留在调用处。result.items() 返回 (键, 值) 组成的序列；for branch, total in sorted(result.items()) 同时把键和值放进两个变量。

import csv

def sales_by_branch(path):
    totals = {}
    with open(path, encoding="utf-8-sig", newline="") as f:
        reader = csv.DictReader(f)
        for row in reader:
            branch = row["Branch"]
            total = float(row["Total"])
            totals[branch] = totals.get(branch, 0.0) + total
    return totals

result = sales_by_branch("data/02-python/supermarket_sales.csv")
for branch, total in sorted(result.items()):
    print(branch, round(total, 2))

脚本：12-supermarket-function.py ｜ 数据：supermarket_sales.csv

输出：

A 106200.37
B 106197.67
C 110568.71

自己试 5： 复制 sales_by_branch()，改写成 sales_by_city()，把 Branch 换成 City。先写出你预计的输出，再运行。

2.7 tuple 和 set 什么时候用

本节课主线上只需要 list 和 dict，但要知道另外两个容器什么时候合适：

one_day = ("2024-01-02", 23.02)   # tuple：一行固定记录
branches = {"A", "B", "C"}        # set：不重复的分店名

脚本：13-tuple-set.py

• tuple 适合“日期 + 价格”这种固定组合，创建后不修改
• set 适合“有哪些城市”这种去重问题

2.8 DSH vibe loop 与验收

先自己写 sales_by_branch()，再让 DSH 审查。DSH 给出修改版后，逐行说明它改了什么、为什么改；说不出来，就让它重新解释。

• [ ] 能解释 if / elif / else 的执行顺序
• [ ] 能说明 dict 为什么适合“分店 → 总销售额”
• [ ] 能用 csv.DictReader 逐行读取 data/02-python/supermarket_sales.csv
• [ ] sales_by_branch() 返回字典，而不是只在函数里打印
• [ ] 输出 A、B、C 三个分店总销售额，结果与数据一致
• [ ] 能解释 totals.get(branch, 0.0) 的作用
• [ ] 全程没有 pandas，DSH 修改过的代码能解释

3. 第 3 节课 把脏数据讲清楚（45 分钟）

建议流程：先看示例，再自己跑通，最后复盘验收。

3.1 今天的数据与问题

数据：data/02-python/breast_cancer.csv，699 行 x 11 列。主要字段：Id、Cl.thickness、Cell.size、Cell.shape、Bare.nuclei、Bl.cromatin、Normal.nucleoli、Mitoses、Class。

问题：Bare.nuclei 里有非数字标记，不能直接 int()。课程要求识别 ?；本仓库当前文件把这 16 个缺失写作 NA，代码必须两种都处理。

先看计划：

读取文件 → 审计行数、列数、表头 → 找出 Bare.nuclei 的非数字值 → 用 try/except 保护转换 → 统计时先剔除异常值 → 输出描述统计

3.2 先审计

reader.fieldnames 是表头列表；list(reader) 把所有行一次读进列表，这样能马上知道总行数。

import csv

path = "data/02-python/breast_cancer.csv"
with open(path, encoding="utf-8-sig", newline="") as f:
    reader = csv.DictReader(f)
    fieldnames = reader.fieldnames
    rows = list(reader)

print("总记录数:", len(rows))
print("列数:", len(fieldnames))
print("列名:", fieldnames)

脚本：14-breast-cancer-audit.py ｜ 数据：breast_cancer.csv

输出：

总记录数: 699
列数: 11
列名: ['Id', 'Cl.thickness', 'Cell.size', 'Cell.shape', 'Marg.adhesion', 'Epith.c.size', 'Bare.nuclei', 'Bl.cromatin', 'Normal.nucleoli', 'Mitoses', 'Class']

审计是第一步。没看过表头和行数就做统计，等于没检查材料就开始写结论。

3.3 找出 ? 和 NA

row["Bare.nuclei"].strip() 去掉首尾空格，避免 NA 因带空格而漏判。值 in 集合 判断该值是否在集合中。

import csv

path = "data/02-python/breast_cancer.csv"
missing = 0
with open(path, encoding="utf-8-sig", newline="") as f:
    for row in csv.DictReader(f):
        if row["Bare.nuclei"].strip() in {"?", "NA", ""}:
            missing += 1

print("Bare.nuclei 缺失/异常标记:", missing)

脚本：15-breast-cancer-missing.py ｜ 数据：breast_cancer.csv

输出：

Bare.nuclei 缺失/异常标记: 16

处理规则：

• 先统计有多少个 ? / NA，再决定怎么处理
• 统计数值时剔除这些行，并在结果里报告样本量
• 不要悄悄把 ? 当成 0，那是编造数据

3.4 用 try / except 处理转换失败

当 int("?") 无法转换时，Python 会抛出 ValueError。try 先尝试正常执行，except ValueError 只捕获这一种预期内的错误。

def to_int(value):
    try:
        return int(value)
    except ValueError:
        return None

print(to_int("5"))
print(to_int("?"))
print(to_int("NA"))

脚本：16-to-int-try-except.py

输出：

5
None
None

只捕获 ValueError，不写空 except:。空捕获会连代码本身的 bug 一起藏起来。

3.5 print 和断点调试

调试是观察程序运行时的状态，不是把报错藏起来。print 适合快速查看一个值，breakpoint() 适合在复杂循环里暂停并逐步检查。repr(value) 显示值的原始表示，能看出普通 print 看不到的空格或引号。

先用 print 看转换前的内容：

def to_int(value):
    print("转换前:", repr(value))
    try:
        return int(value)
    except ValueError:
        return None

脚本：17-debug-repr.py

如果数据多了，再临时加断点：

def to_int(value):
    breakpoint()   # 调试完成后必须删除
    try:
        return int(value)
    except ValueError:
        return None

脚本：20-debug-breakpoint.py

运行后程序会停在 breakpoint()，在 (Pdb) 提示符后输入 value 看当前值，输入 n 执行下一行，输入 q 退出。VS Code 里也可以点行号左侧加红点断点，用调试按钮运行。

调试只用于找问题，print 和 breakpoint() 改完代码后要删掉，不能留进提交文件。

3.6 load_column() 和基础描述统计

continue 表示跳过本轮循环，直接处理下一行；在 load_column() 里用它跳过异常值。

import csv
import statistics

def load_column(path, column):
    values = []
    with open(path, encoding="utf-8-sig", newline="") as f:
        reader = csv.DictReader(f)
        for row in reader:
            raw = row[column].strip()
            if raw in {"", "?", "NA"}:
                continue
            try:
                values.append(int(raw))
            except ValueError:
                print("无法转换:", repr(raw))
    return values

columns = ["Cl.thickness", "Cell.size", "Cell.shape", "Bare.nuclei"]
for column in columns:
    values = load_column("data/02-python/breast_cancer.csv", column)
    print(
        column,
        "n=", len(values),
        "mean=", round(statistics.mean(values), 2),
        "min=", min(values),
        "max=", max(values),
    )

脚本：18-load-column-stats.py ｜ 数据：breast_cancer.csv

输出：

Cl.thickness n= 699 mean= 4.42 min= 1 max= 10
Cell.size n= 699 mean= 3.13 min= 1 max= 10
Cell.shape n= 699 mean= 3.21 min= 1 max= 10
Bare.nuclei n= 683 mean= 3.54 min= 1 max= 10

注意 Bare.nuclei 的 n=683，不是 699。16 个 ? / NA 被明确剔除并报告，这才叫处理异常值。

自己试 6： 把 load_column() 里的 continue 删掉，预测会发生什么；只改回一行，再运行验证。

3.7 统计 Class 样本数

import csv

path = "data/02-python/breast_cancer.csv"
classes = {}
with open(path, encoding="utf-8-sig", newline="") as f:
    for row in csv.DictReader(f):
        key = row["Class"]
        classes[key] = classes.get(key, 0) + 1

print("Class 样本数:", classes)

脚本：19-class-counts.py ｜ 数据：breast_cancer.csv

输出：

Class 样本数: {'0': 458, '1': 241}

这里 Class 是字符串 '0' 和 '1'，所以字典键也是字符串。样本量相加等于 699。

3.8 DSH vibe loop 与验收

把脚本交给 DSH 审查，问它：

1. 为什么先识别 ? / NA，再 int()？
2. 剔除 16 行数据后，样本量变化对结论有什么影响？
3. 为什么 except ValueError 不能改成空 except:？

DSH 解释后，你写一句话说明自己的处理口径。

• [ ] 能审计出 699 行、11 列和完整表头
• [ ] 能识别出 Bare.nuclei 的 16 个缺失标记（? 或 NA）
• [ ] 能用 try / except ValueError 保护转换，且只捕获 ValueError
• [ ] 能解释 print 调试和断点调试的用途，并知道调试代码要删除
• [ ] 描述统计输出包含样本量 n，Bare.nuclei 为 683
• [ ] 能输出 Class 为 0 和 1 的样本数
• [ ] 全程没有 pandas，能复述 DSH 给出的每行代码

4. 本周验证清单

• [ ] 三个脚本保存在 projects/<姓名>/：02-stock.py、02-supermarket.py、02-breast-cancer.py
• [ ] 三个脚本都能从仓库根目录直接运行，路径都是 data/02-python/...
• [ ] 股票脚本输出 252 行、平均 19.3、最高 23.97、最低 14.5、上涨天数 122
• [ ] 销售脚本输出 A、B、C 三个分店总销售额
• [ ] 癌症脚本审计 699 行、11 列，识别 16 个 ? / NA
• [ ] Bare.nuclei 统计时明确报告 n=683
• [ ] 三个脚本只使用 csv、statistics、math，没有 pandas
• [ ] 每个脚本的每一行，学生都能解释
• [ ] 使用 DSH 时按“先理解计划 → 检查命令 → 小步执行 → 验证结果”完成
• [ ] data/ 原始文件没有被修改

5. 常见错误与坑

6. 作业

1. 新建 projects/<姓名>/02-stock.py：读取 data/02-python/stock_price.csv，输出行数、平均价格、最高价格、最低价格、上涨天数；用一句话解释为什么上涨天数比较次数是 251。
2. 新建 projects/<姓名>/02-supermarket.py：实现 sales_by_branch()，输出各 Branch 总销售额；再写一个 sales_by_city()，输出各 City 总销售额。
3. 新建 projects/<姓名>/02-breast-cancer.py：审计 699 行、11 列，统计 Bare.nuclei 中 ? / NA 的数量，用 try/except 保护转换，输出 Cl.thickness、Cell.size、Cell.shape、Bare.nuclei 的 n、mean、min、max，以及 Class 样本数。
4. 三个脚本都让 DSH 审查一次，但审查后必须逐行解释 DSH 改动的内容；解释不出来，就让 DSH 重新解释，不能直接保存运行。
5. 在三个脚本开头各写一行注释，说明“这个脚本回答什么问题、处理口径是什么”。

7. 参考写法

本章借鉴了以下 GitHub 开源英文书的“小步示例 + 立即练习 + 数据应用”结构，未直接复制原文：

• SoftUni/Programming-Basics-Book-Python-EN
• AllenDowney/ThinkPython2
• ehmatthes/pcc_3e
• csev/py4e

评分要点