简介这是一份面向Python初学者与进阶开发者的经典实例代码合集共包含96个可直接运行的.py脚本全部封装于一个zip压缩包中整体大小仅53KB轻量易用。实例覆盖Python基础语法、常用数据类型操作、控制结构与函数定义、模块与包管理、面向对象编程、文件读写与异常处理、数据库连接与操作、网络请求、数据可视化等常见开发场景代码风格简洁清晰具备较强的可读性与可维护性。每个脚本以JCP编号命名便于按主题索引其中既有变量、列表、字典、元组等基础练习也有类继承与封装、SQLite/MySQL交互、Pandas数据分析及Matplotlib绘图等进阶案例。初学者可跟随实例循序渐进地巩固核心语法有经验的开发者也能快速提取所需脚本作为项目参考或优化模板。目前已有758人学习下载适合日常自学、课堂教学、课后练习以及实际项目中的快速查用。1. 你的第一份Python实例清单为什么不该贪多很多初学者拿到“Python经典实例代码汇总100例”这类资料第一反应是赶紧存下来然后从第1例开始往后刷。我见过太多人刷到第30例就放弃了不是因为不够努力而是因为这种刷法本身就有问题——你只是在看代码不是在练代码。我自己的经验是所谓的“100例”真正有价值的可能只有三四十例剩下的要么是重复的语法点要么是为了凑数硬塞进来的偏门用法。与其追求数量不如把最核心的十几个经典实例彻底吃透每个都亲手敲一遍、改一遍、跑一遍收获比机械刷完100例大得多。这篇文章我就用实际可运行的代码把Python里最值得反复练的经典实例拆开讲一遍。覆盖输入输出、字符串处理、循环逻辑、函数设计、文件操作、异常捕获这几个最高频的语法点每个实例都附带我踩过的坑和优化经验。不需要你有任何基础只要装好了Python就能跟着跑起来。还没装环境的我后面有一节专门讲Python安装和IDE选型新手照着做就行。装好的可以直接跳到第3节看代码。2. 环境准备装对Python少走一半弯路2.1 版本选择与下载要点先说安装。现在Python已经到了3.12时代网上很多老教程还在讲Python 2.x那些东西真的不用看了。你只需要记住一个原则装最新稳定版。去Python官网python.org下载页面点Downloads选Windows或macOS对应的最新版本就行。我提醒一个很容易踩的坑安装到第一步时界面底部有个“Add Python to PATH”的复选框必须勾上。不勾的话你之后在命令行输入python会提示找不到命令新手很容易卡在这一步然后心态崩了。勾上之后一路Next就可以了。Linux用户直接用包管理器装Ubuntu/Debian是sudo apt install python3CentOS/RHEL是sudo yum install python3不同发行版包名可能略不一样装完执行python3 --version验证一下。注意Linux下一般要敲python3而不是python。装完验证也很简单打开终端或命令提示符输入python --versionWindows或python3 --versionLinux/macOS能看到版本号就说明装好了。2.2 IDE选型建议编辑器这块我的建议很直接新手别折腾VSCode和PyCharm的插件配置先用IDLE。Python自带IDLE装好就有打开就能写零配置够你跑完前三周的所有练习。等你对语法有感觉了再迁移到VSCode装上Python官方插件就够用。PyCharm社区版是免费的功能全但启动慢、内存占得多新手阶段没必要上。我见过太多人光研究IDE配置就花了两天真正的代码一行没写本末倒置了。另外建议你装一下Jupyter Notebookpip install jupyter然后运行jupyter notebook就能起一个交互式编程环境。它特别适合边写边看输出学语法阶段体验极佳但要注意它是单核执行的跑大数据分析和模型训练性能不够那是后话。3. 核心实例拆解练透这10个胜过刷完100例3.1 九九乘法表循环嵌套与格式化输出的入门必修九九乘法表是Python学习者的第一个“仪式感”程序看起来简单但能把for循环嵌套、range()函数、字符串格式化、end参数这四个知识点全部串起来。# 九九乘法表 - 经典版本 for i in range(1, 10): for j in range(1, i 1): print(f{j} * {i} {j * i}, end\t) print() # 换行运行结果1 * 1 1 1 * 2 2 2 * 2 4 1 * 3 3 2 * 3 6 3 * 3 9 ...这里有两个关键点。第一内层循环的range(1, i1)决定了每行输出几项它是跟着外层i变化的这就是嵌套循环的核心逻辑——内层循环的次数由外层变量控制。第二end\t表示打印完不换行而是输出一个制表符end参数很多人第一次见它接受的其实是print函数输出末尾的字符默认是\n换行符。我建议你试试这三处改动理解会立刻加深把内层range(1, i1)改成range(1, 10)观察输出变成什么样把内层和外层的i、j互换位置输出会变成按列排列用format()替换f-stringprint({} * {} {}.format(j, i, j*i), end\t)三道题做完你对循环的理解会从一个“背过的语法”变成“自己的逻辑”。3.2 统计字符串中各类字符的个数字符处理的经典综合题这个实例是面试题里的常客也是字符串处理的基础功。它要求统计一段文本中英文字母、数字、空格和其他字符的数量综合考察了字符串遍历、isalpha()、isdigit()、isspace()这几个判断方法。def count_chars(text): letters digits spaces others 0 for ch in text: if ch.isalpha(): letters 1 elif ch.isdigit(): digits 1 elif ch.isspace(): spaces 1 else: others 1 return letters, digits, spaces, others content Hello Python 123! 你好世界 letters, digits, spaces, others count_chars(content) print(f字母: {letters}, 数字: {digits}, 空格: {spaces}, 其他: {others})注意isalpha()对中文也会返回True因为中文字符按照Unicode的字母属性来判定。如果你只想要英文字母需要配合条件ch.isalpha() and ch.isascii()来过滤。这个细节很多人工作两三年才踩到。实际开发中这类逻辑经常用在日志分析、敏感词过滤、文本预处理等场景中。比如清洗用户输入的手机号或身份证号先用isdigit()判断是否全数字就是这类实例的直接应用。3.3 水仙花数与自幂数的判断数学逻辑与枚举法的结合水仙花数是一个三位数它的每个位上的数字的立方之和等于它本身比如153 1^3 5^3 3^3。这个实例的核心考点是如何拆解一个整数的各个数位。def is_narcissistic(num): # 转成字符串再取每个字符是最直观的方式 digits [int(d) for d in str(num)] return sum(d ** 3 for d in digits) num # 找所有三位水仙花数 result [n for n in range(100, 1000) if is_narcissistic(n)] print(result) # 输出: [153, 370, 371, 407]这里我特意用了列表推导式list comprehension它比传统的for循环加append写法简洁很多也更容易读。现在Python社区的主流风格是优先使用推导式和生成器表达式你要尽早习惯这种写法。如果说不用字符串转换也可以用数学方法逐位拆解num 153 hundreds num // 100 # 百位 tens (num // 10) % 10 # 十位 units num % 10 # 个位两种方式都不难我推荐新手两种都写一遍。字符串法代码简洁数学法速度更快且能加深取整和取余的理解。实际业务中从身份证号、手机号、订单号里提取特征位用的就是这种拆解思路。3.4 斐波那契数列递归、迭代与缓存的对比斐波那契数列几乎能代表一个程序员的算法水平认知。最简单的定义是递归F(n) F(n-1) F(n-2)基准条件为F(0)0, F(1)1。但直接写递归一旦n超过30速度就会肉眼可见地变慢n到40左右直接肉眼可见卡顿n50就基本跑不完了。# 递归版 - 代码最简单但效率最差 def fib_recursive(n): if n 1: return n return fib_recursive(n - 1) fib_recursive(n - 2) # 迭代版 - 推荐时间复杂度O(n) def fib_iterative(n): a, b 0, 1 for _ in range(n): a, b b, a b return a # 带缓存的递归记忆化- 既优雅又高效 from functools import lru_cache lru_cache(maxsizeNone) def fib_cached(n): if n 1: return n return fib_cached(n - 1) fib_cached(n - 2)这里要重点理解为什么递归慢每次调用都会重复计算大量的子问题。用fib_recursive(5)推演一次你会发现fib(2)被算了三次。而lru_cache装饰器把每次的计算结果缓存下来下次直接查表就把指数级复杂度降到了线性。我在实际项目里用递归写目录树遍历时踩过同样的性能坑后来加了缓存变量才解决。所以这个实例值得你反复琢磨——它教的不只是数列而是重复计算的优化思路。3.5 列表去重的三种姿势从直观到优雅Python里列表去重的方式特别多不同写法性能和适用场景差异很大。我给你列出三种最常用的从新手版到进阶版都覆盖到。data [1, 2, 2, 3, 3, 3, 4, 5, 5] # 方法1遍历判断保持顺序 result [] for x in data: if x not in result: result.append(x) # 方法2set去重代码简洁但顺序可能变 result2 list(set(data)) # 方法3字典fromkeys保持顺序且代码简洁 result3 list(dict.fromkeys(data))方法2用set去重最快但无序如果你的数据是字符串列表顺序变了就会很麻烦。方法3的dict.fromkeys(data)会以列表元素作为字典的键键天然不重复且Python 3.7以后字典维护插入顺序所以能做到既去重又保序。这是我的首选写法。进阶场景中如果要对字典列表去重没法直接用set因为字典不可哈希。这时候可以按某个唯一键去重items [{id: 1, name: A}, {id: 2, name: B}, {id: 1, name: C}] seen set() result [] for item in items: if item[id] not in seen: seen.add(item[id]) result.append(item)数据清洗、接口去重、日志去重这些场景在我做爬虫和数据处理时几乎天天用这个实例虽然基础但它是你在真实工程中离不开的底层能力。3.6 文件操作读写配置文件和统计词频实战文件操作是Python进入真实世界的门槛。只会在终端打print说明你还没接触到工程。我用统计一篇文章词频这个例子把文件读取、字符串切分、字典操作、排序这四件事串起来。from collections import Counter import re # 读文件 with open(article.txt, r, encodingutf-8) as f: content f.read() # 把非字母字符替换为空格再转小写 words re.findall(r[a-zA-Z], content.lower()) # 统计词频 word_count Counter(words) # 输出前10高频词 for word, count in word_count.most_common(10): print(f{word}: {count}次)这段代码里我用了正则re.findall来提取字母序列直接跳过了标点和数字比简单地用split()干净得多。Counter是collections模块里的计数器most_common(10)直接返回频次最高的前10项内部做了排序不用自己写排序逻辑。with open() as f这种写法要养成习惯它会在代码块结束后自动关闭文件。很多新手喜欢写f open(...)然后忘了f.close()短时间没事但容易在Windows上遇到文件被占用的报错。3.7 猜数字游戏random模块、循环与用户输入的综合应用写一个小游戏是保持学习兴趣最好的方式。猜数字游戏让用户猜一个1到100之间的数程序提示大了还是小了直到猜对。import random target random.randint(1, 100) attempts 0 print(我已经想好了一个1~100之间的数字开始猜吧) while True: try: guess int(input(请输入你的猜测: )) except ValueError: print(请输入一个有效的整数) continue attempts 1 if guess target: print(太小了再大一点) elif guess target: print(太大了再小一点) else: print(f恭喜你猜对了总共用了{attempts}次) break这里引入了int(input(...))的组合用法以及try/except捕获输入非数字情况的处理。初学者最容易忘掉的就是异常处理如果用户输入了abc直接执行int(abc)就会抛出让程序崩溃的ValueError。我建议你把猜数字扩展成几个小版本缩小范围版猜错一次范围减半、计分版猜的次数越少分越高、双人版一个设数一个猜这些变体练下来你对while循环和break的理解会非常扎实。3.8 冒泡排序亲手实现第一个排序算法虽然Python内置的sorted()已经够快但手写排序算法是理解算法思想不可绕过的练习。冒泡排序是所有排序里最直观的也是教学价值最高的。def bubble_sort(arr): n len(arr) for i in range(n - 1): swapped False for j in range(n - 1 - i): if arr[j] arr[j 1]: arr[j], arr[j 1] arr[j 1], arr[j] swapped True if not swapped: # 如果这一轮没有任何交换说明已经有序提前结束 break return arr data [64, 34, 25, 12, 22, 11, 90] print(bubble_sort(data))两个细节值得讲。第一内层循环的range(n - 1 - i)中- i是因为每一轮结束后最大的数已经“冒泡”到了最后下一轮不需要再比较它。这个优化能让比较次数减半。第二swapped标志位实现“短路”如果某轮没有发生任何交换说明数组已有序直接退出循环在近似有序的数组上能大幅提升性能。这个优化叫“短冒泡”是冒泡排序的经典改进版。Python里交换两个变量的值写arr[j], arr[j 1] arr[j 1], arr[j]即可不需要第三个临时变量这是Python的元组打包与解包特性。在其他语言里你必须要写temp。3.9 函数式编程三剑客map、filter、lambda的实战演示接触函数式编程之后你的代码风格会有一个质变。map()、filter()和lambda表达式是Python函数式编程的入门三件套我用一个给价格批量打8折为例prices [199, 89, 599, 1299, 49] # 用map实现“对所有元素做统一操作” discounted list(map(lambda x: round(x * 0.8, 2), prices)) print(discounted) # [159.2, 71.2, 479.2, 1039.2, 39.2] # 用filter实现“筛选出满足条件的元素” expensive list(filter(lambda x: x 100, prices)) print(expensive) # [199, 599, 1299] # 用列表推导式实现同样的效果更Pythonic discounted2 [round(x * 0.8, 2) for x in prices] expensive2 [x for x in prices if x 100]你可能会疑问既然列表推导式能写得更简洁为什么还要学map和filter原因有两个。一是当你处理的是生成器而不是列表时map和filter是惰性求值的处理超大数据集时内存占用更小二是很多工具库的API设计上接受函数作为参数比如sorted()的key参数你掌握了函数式思维才能灵活运用它们。当然了日常工作里我也会优先写列表推导式因为可读性更好。两者都掌握看别人代码不吃力自己写也有选择余地。3.10 类与对象用银行账户模拟理解封装最后一个经典实例我给到面向对象。很多初学者悟不透类有什么用我的解释是把数据和操作数据的方法打包在一起就是类。用银行账户来模拟最直观class BankAccount: def __init__(self, owner, balance0): self.owner owner self.balance balance def deposit(self, amount): if amount 0: raise ValueError(存款金额必须大于0) self.balance amount print(f{self.owner} 存入 {amount} 元余额为 {self.balance} 元) def withdraw(self, amount): if amount 0: raise ValueError(取款金额必须大于0) if amount self.balance: raise ValueError(余额不足) self.balance - amount print(f{self.owner} 取出 {amount} 元余额为 {self.balance} 元) def show_balance(self): print(f{self.owner} 的余额为 {self.balance} 元) # 使用 account BankAccount(张三, 1000) account.deposit(500) account.withdraw(200) account.show_balance()__init__是构造函数self代表实例自身。我在这里故意加入了参数校验逻辑存款和取款必须为正数取款不能超过余额违反就抛ValueError。这是工程中必须有的防御式编程理念。面向对象在数据分析里用得可能不如脚本多但一旦你开始写项目级的代码、做代码模块化类是绕不开的组织方式。这个银行账户例子虽然简单但它体现了类的三个核心好处封装、状态保持、代码复用。3.11 其他值得练的经典实例一览除了上面十个精讲实例我再列一批编号实例适合在你完成精讲内容后作为日常刷手速的练习题。每个都对应一个独立语法或技巧点编号实例名称核心知识点11判断闰年条件运算与逻辑运算符12计算阶乘循环或递归两种实现13字符串反转切片[::-1]的威力14判断回文数字符串与数字的转换15求最大公约数辗转相除法16杨辉三角双层列表与行列规律17打印菱形图案字符串居中与循环18二分查找递归与区间的理解19随机密码生成random与字符串拼接20约瑟夫环循环列表的删除逻辑这十个加前面的十个就是我眼中“百例清单里真正有含金量的二十例”。你把它们吃透应对大部分面试的算法现场编程环节完全够用。剩下的八十几例本质上都是这二十例的变种有的改个数字范围有的换个输出格式核心思路都是相通的。4. 运行Python代码的正确姿势与排查技巧4.1 三种执行方式与适用场景写好.py文件后你可以用三种方式运行它第一在终端里执行python 文件名.py这是最标准的方式适合跑完整脚本。第二在Python交互式环境REPL里一行一行敲适合验证单个语法点。第三在Jupyter Notebook里分单元格执行适合做数据分析和边写边看的探索性编码。我自己练手的时候一般是先用REPL或Notebook验证逻辑再整理成.py文件保存。这样可以随时看到中间结果调试效率高很多。4.2 新手最容易踩的5个坑坑1把文件名命名为test.py或random.py然后运行报错。这类名字和Python标准库模块重名会导致import random时导入你自己的文件而不是标准库。我建议所有练习文件都起有意义的独立名字比如guess_number.py而不是test.py。坑2input()返回的是字符串不能直接参与数学运算。很多新手写age input(请输入年龄: )再if age 18:就报TypeError了。解决方法是加一层类型转换age int(input(...))或者在做比较的地方用int(age)转一下。坑3混用空格和Tab缩进。Python对缩进极其敏感同一个代码块里空格和Tab混用会直接报TabError。我建议你在编辑器里统一设置为“按Tab键插入4个空格”一劳永逸。坑4列表索引从0开始越界会报IndexError。len(list)的取值范围是0到len(list)-1想取最后一个元素用list[-1]而不是list[len(list)]后者必然越界。**坑5可变默认参数。**这是进阶点的经典问题def add_item(item, items[]): items.append(item) return items print(add_item(1)) # [1] print(add_item(2)) # [1, 2] —— 这里出现了诡异的现象函数定义时items[]这个列表只创建一次后续调用如果没传入新列表都会复用同一个列表对象导致数据“串台”。正确写法是def add_item(item, itemsNone): items [] if items is None else items。这是Python面试常考题也是实际开发中很容易埋下的隐患。4.3 用print调试的进阶技巧新手最常见的调试手段是到处加print()这没问题但要注意打印的内容。推荐用f-string把变量名和值一起打印出来不要只打值# 不推荐 print(price) # 不知道这个值对应什么变量 # 推荐 print(fprice {price}) # 一目了然还有一个很多人不知道的技巧pprint模块。打印复杂嵌套结构时普通print会挤成一坨pprint会智能格式化清晰很多。在交互式调试中pprint比print好用几个数量级。4.4 异常处理让程序不因一个小错误崩溃真实程序里用户输入是不可控的文件可能打不开、网络可能断。用try/except捕获异常让程序优雅处理而不是直接崩溃是工程中必备的素养。try: num int(input(请输入数字: )) result 100 / num print(f结果是 {result}) except ValueError: print(输入的不是有效数字) except ZeroDivisionError: print(除数不能为0) except Exception as e: # 兜底捕获所有未预料的异常 print(f发生了未知错误: {e})这里Exception是大多数异常的基类ValueError和ZeroDivisionError是它的子类。except Exception as e是最后的兜底手段能避免程序直接崩溃退出同时打印出具体错误信息供排查。不过要注意不能只写一个except:裸捕获不打印任何信息那等于把bug吞了出了问题完全不知道怎么排查。4.5 更高效的调试工具从print升级到pdb和IDE断点当你逐渐熟练print调试会越来越低效。这时候该学习使用调试器了。Python内置的pdb是命令行调试器最简单的用法是在代码里插入breakpoint()函数运行时程序会在这一行自动暂停进入交互式调试模式你可以输入p 变量名查看变量值输入n执行下一行c继续运行到下一个断点。如果你用VSCode或PyCharm那更简单——在行号左侧点一下设置断点按F5开始调试鼠标悬停在变量上就能看到值。这两招学完之后你的代码排错效率会有质的飞跃。调试器和print并不互斥我现在也是两者结合用的print用于快速粗筛断点用于精确定位。5. 为什么这20个实例值得反复练习最后我想聊聊学习方法层面的个人体会。很多人手里攒了好几个G的PDF和视频教程收藏了无数“100例”文章但真正动手敲过的代码屈指可数。我始终认为Python这种技能是“手上功夫”不是“眼睛功夫”光看永远学不会必须亲手把代码敲到编辑器里、跑出结果、踩过报错、修好它才算真正吸收。我建议的核心练法是这样的拿到一个经典实例先不看任何参考答案自己动手写。写不出来没关系卡十分钟之后再看答案看懂之后关掉答案从头到尾默写一遍。默写完了再做改动实验把参数改一改、边界条件换一换、输出格式变一变观察程序的反应。这个流程走完一个实例才算真正消化成你自己的东西。不要追求一天刷完几十例也不要在基础序列我上面列的这些没练透之前就去碰爬虫、Web框架这些“看起来更高级”的方向。系好鞋带才能跑得快基础的地基打得越扎实后面学任何方向都会事半功倍。如果你按这个节奏把前面20个实例全部练完你会发现自己看代码、调bug、读报错信息的能力都会上一个台阶。那时候你再回去翻那100例的清单会惊讶地发现大部分题你已经能秒速看出思路根本不需要再逐行跟着敲了。这才是那份“经典实例清单”真正应该带给你的东西。本文还有配套的精品资源点击获取