Python环境安装与配置5分钟速成指南

1. Python环境安装：为什么需要5分钟？

作为一名从Python 2.7时代就开始折腾环境的老码农，我见过太多新手在环境配置上栽跟头。2023年的今天，Python环境安装其实已经变得非常简单，但网上充斥着大量过时教程和复杂方案，让初学者望而生畏。

实际上，现代Python安装只需要关注三个核心点：

1. 官方安装包已经自带了pip和IDLE
2. 安装时勾选"Add Python to PATH"就能解决90%的环境问题
3. 不需要手动配置任何环境变量

我实测在Windows 10/11系统上，从下载到验证安装成功，确实可以在5分钟内完成。下面我会拆解每个步骤的关键细节，并分享几个只有老手才知道的避坑技巧。

2. 官方安装包下载的正确姿势

2.1 官网下载的隐藏陷阱

访问python.org/downloads时，新手最容易犯两个错误：

• 下载Windows x86-64 executable installer时误选32位版本
• 直接点击页面顶部黄色大按钮（可能不是最新稳定版）

正确做法是：

1. 滚动到"Stable Releases"部分
2. 确认版本号（目前推荐3.11.x系列）
3. 根据系统选择：
   • Windows: Windows installer (64-bit)
   • Mac: macOS 64-bit universal2 installer
   • Linux: 通常系统已预装

注意：企业内网环境可能需要下载embeddable package，这种情况需要单独配置PATH

2.2 安装包验证（被多数教程忽略的关键）

下载完成后务必做两件事：

1. 校验文件哈希值（防止下载损坏）

   powershell复制Get-FileHash .\python-3.11.4-amd64.exe -Algorithm SHA256
   

2. 右键安装包→属性→勾选"解除锁定"（特别是企业电脑）

3. 安装过程中的魔鬼细节

3.1 勾选项的玄机

运行安装程序时，你会看到这个关键界面：

• [x] Install launcher for all users (recommended)
• [x] Add Python 3.11 to PATH ← 这个必须勾选！

深层原理：

• 不勾选PATH会导致cmd中无法直接运行python
• 安装器其实会修改系统PATH而非用户PATH
• 老版本Python需要手动配置，3.5+版本已经自动化

3.2 自定义安装的取舍

点击"Customize installation"时，建议：

• 勾选"pip"和"py launcher"
• 不勾选"tcl/tk and IDLE"（除非需要GUI）
• 安装路径不要包含中文和空格

实测发现：安装在C:\Python311\比默认的AppData目录更便于后期管理

4. 验证安装的完整流程

4.1 基础验证三连

安装完成后，按Win+R输入cmd，依次执行：

bash复制python --version
pip --version
python -m pip install --upgrade pip

预期输出：

code复制Python 3.11.4
pip 23.1.2 from ... (python 3.11)
Successfully installed pip-23.1.2

4.2 高级验证（99%教程不会教）

新建test.py文件，内容：

python复制import sys
print(sys.executable)
print(sys.path)

运行后应该看到：

• Python解释器的真实路径
• 正确的模块搜索路径

如果出现"python不是内部命令"，说明PATH配置失败，需要手动添加：

powershell复制[Environment]::SetEnvironmentVariable("Path", "$env:Path;C:\Python311\;C:\Python311\Scripts\", "User")

5. 虚拟环境的最佳实践

5.1 为什么需要虚拟环境？

即使只是写个小脚本，也建议使用虚拟环境：

• 避免包冲突（比如同时需要Django 3.2和4.0的项目）
• 便于依赖管理
• 项目迁移时不会污染系统环境

5.2 快速创建虚拟环境

在项目目录下执行：

bash复制python -m venv .venv
.\.venv\Scripts\activate  # Windows
source .venv/bin/activate  # Mac/Linux

激活后，提示符会显示(.venv)，这时所有pip安装的包都会隔离在该环境中。

5.3 虚拟环境进阶技巧

1. 指定Python版本创建：

   bash复制python3.11 -m venv py311_env
   

2. 包含系统包（适合科学计算场景）：

   bash复制python -m venv --system-site-packages .venv
   

3. 快速复制环境：

   bash复制python -m venv --copies .venv
   

6. 常见问题排雷指南

6.1 安装失败的五种可能

1. 系统版本不兼容（Win7需要Python 3.8以下）
2. 杀毒软件拦截（特别是企业版McAfee）
3. 磁盘权限问题（尝试以管理员身份运行）
4. 已有Python残留（先卸载旧版）
5. 安装路径含中文（改为纯英文路径）

6.2 PATH配置的典型问题

现象：cmd中可以运行python，但VSCode识别不到
解决方案：

1. 重启VSCode
2. 检查终端是否重启shell
3. 在VSCode中按Ctrl+Shift+P，选择"Python: Select Interpreter"

6.3 pip安装慢的终极方案

临时使用镜像源：

bash复制pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

永久修改pip源：

1. 创建pip.ini文件（Windows在%APPDATA%\pip\）
2. 添加内容：

   code复制[global]
   index-url = https://mirrors.aliyun.com/pypi/simple/
   trusted-host = mirrors.aliyun.com
   

7. 开发环境配置建议

7.1 VSCode最佳配置

1. 安装Python扩展
2. 设置.json中添加：

   json复制"python.linting.enabled": true,
   "python.formatting.provider": "autopep8",
   "python.analysis.typeCheckingMode": "basic"
   

3. 推荐安装的插件：
   • Pylance
   • Jupyter
   • Python Indent

7.2 PyCharm初始设置

1. 新建项目时选择Existing interpreter
2. 配置Tools→Python Integrated Tools：
   • Testing: pytest
   • Docstring: Google style
3. 开启Scientific Mode（数据分析时特别有用）

7.3 Jupyter Notebook快速入门

安装：

bash复制pip install notebook

启动：

bash复制jupyter notebook

专业技巧：使用password代替token认证

bash复制jupyter notebook --generate-config
jupyter notebook password

8. 从安装到实战的过渡

8.1 第一个Python程序

创建hello.py：

python复制import platform
print(f"Hello {platform.system()}!")

运行方式对比：

1. 直接双击（可能闪退）
2. cmd中python hello.py（推荐）
3. IDLE中F5运行（适合调试）

8.2 包管理规范

建议的requirements.txt格式：

code复制# 精确版本（生产环境）
numpy==1.24.3
# 兼容版本（开发环境）
pandas>=1.5.0,<2.0.0
# Git仓库
git+https://github.com/user/repo@branch

生成依赖文件：

bash复制pip freeze > requirements.txt

8.3 项目结构示例

标准Python项目应该包含：

code复制project/
│
├── .venv/          # 虚拟环境
├── src/            # 源代码
│   ├── __init__.py
│   └── module.py
├── tests/          # 单元测试
├── docs/           # 文档
├── .gitignore
├── pyproject.toml  # 新版打包配置
└── README.md

9. 性能优化小贴士

9.1 启动加速技巧

1. 设置PYTHONPYCACHEPREFIX环境变量：

   bash复制setx PYTHONPYCACHEPREFIX "C:\pycache"
   

2. 使用python -X importtime分析导入耗时
3. 避免在__init__.py中写复杂逻辑

9.2 内存优化方案

1. 使用__slots__减少内存占用

   python复制class Point:
       __slots__ = ('x', 'y')
       def __init__(self, x, y):
           self.x = x
           self.y = y
   

2. 生成器替代列表（特别是处理大文件时）
3. 使用array替代list存储数值数据

10. 跨平台兼容性处理

10.1 路径处理的正确姿势

错误做法：

python复制open('C:\Users\name\file.txt')  # 反斜杠问题

正确方案：

python复制from pathlib import Path
data_file = Path(__file__).parent / "data.txt"
with open(data_file, encoding='utf-8') as f:
    content = f.read()

10.2 换行符统一方案

在代码开头添加：

python复制import os
import io
os.linesep = '\n'  # 强制使用Unix换行符
sys.stdout = io.TextIOWrapper(sys.stdout.buffer, newline='\n')

10.3 平台特定代码处理

python复制if sys.platform == "win32":
    # Windows特有逻辑
    import msvcrt
else:
    # Unix-like系统
    import fcntl

11. 安全加固建议

11.1 依赖安全检查

定期运行：

bash复制pip install safety
safety check

11.2 防止pip恶意包

1. 只从PyPI官方安装
2. 检查包名拼写（typosquatting攻击）
3. 使用--require-hashes模式：

   bash复制pip install --require-hashes -r requirements.txt
   

11.3 代码审计工具

推荐组合：

1. bandit（基础扫描）

   bash复制pip install bandit
   bandit -r src/
   

2. semgrep（深度分析）
3. trivy（容器环境扫描）

12. 调试与问题诊断

12.1 基础调试方法

1. 使用python -i进入交互模式
2. 在代码中插入：

   python复制import pdb; pdb.set_trace()
   

3. 日志调试：

   python复制import logging
   logging.basicConfig(level=logging.DEBUG)
   

12.2 性能分析工具

1. 时间测量：

   python复制from timeit import timeit
   timeit('"-".join(str(n) for n in range(100))', number=10000)
   

2. 内存分析：

   bash复制python -m memory_profiler script.py
   

3. 火焰图生成：

   bash复制pip install py-spy
   py-spy top -- python script.py
   

13. 打包与分发

13.1 现代打包配置

pyproject.toml示例：

toml复制[build-system]
requires = ["setuptools>=61.0"]
build-backend = "setuptools.build_meta"

[project]
name = "mypackage"
version = "0.1.0"
dependencies = [
    "requests>=2.25.0",
]

13.2 构建与上传

1. 构建轮子：

   bash复制pip install build
   python -m build
   

2. 上传到PyPI：

   bash复制pip install twine
   twine upload dist/*
   

13.3 可执行文件打包

使用PyInstaller：

bash复制pip install pyinstaller
pyinstaller --onefile --windowed script.py

14. 持续集成配置

14.1 GitHub Actions示例

创建.github/workflows/test.yml：

yaml复制name: Python CI

on: [push]

jobs:
  test:
    runs-on: ubuntu-latest
    steps:
    - uses: actions/checkout@v3
    - name: Set up Python
      uses: actions/setup-python@v4
      with:
        python-version: '3.11'
    - name: Install dependencies
      run: |
        python -m pip install --upgrade pip
        pip install -r requirements.txt
    - name: Test with pytest
      run: |
        pytest

14.2 多版本测试矩阵

扩展上述配置：

yaml复制strategy:
  matrix:
    python-version: ["3.8", "3.9", "3.10", "3.11"]

15. 进阶学习路线

15.1 核心技能提升

1. 掌握类型注解：

   python复制def greet(name: str) -> str:
       return f"Hello, {name}"
   

2. 深入理解GIL机制
3. 学习异步编程（asyncio）

15.2 推荐学习资源

1. 官方文档：docs.python.org/3/tutorial/
2. 书籍：《流畅的Python》
3. 视频：Corey Schafer的Python教程
4. 实战：Real Python网站案例

15.3 社区参与建议

1. 从修复文档开始参与开源
2. 在Stack Overflow回答新手问题
3. 参加本地PyCon会议

16. 企业级实践

16.1 多版本共存方案

使用pyenv管理多版本：

bash复制pyenv install 3.11.4
pyenv global 3.11.4

16.2 私有包仓库搭建

使用devpi：

bash复制pip install devpi-server
devpi-server --start
devpi use http://localhost:3141
devpi login root --password=
devpi index -c dev bases=root/pypi

16.3 代码规范实施

1. 使用black自动格式化：

   bash复制pip install black
   black .
   

2. 配置pre-commit钩子：

   yaml复制repos:
   - repo: https://github.com/psf/black
     rev: 23.3.0
     hooks:
       - id: black
   

17. 特殊场景处理

17.1 离线环境安装

1. 在有网的机器上：

   bash复制pip download -r requirements.txt --dest ./offline_pkgs
   

2. 复制到离线环境：

   bash复制pip install --no-index --find-links=./offline_pkgs -r requirements.txt
   

17.2 受限权限环境

使用--user参数：

bash复制pip install --user package_name

17.3 容器化部署

Dockerfile示例：

dockerfile复制FROM python:3.11-slim

WORKDIR /app
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY . .

CMD ["python", "app.py"]

18. 性能监控方案

18.1 基础监控配置

使用prometheus_client：

python复制from prometheus_client import start_http_server, Counter

REQUEST_COUNT = Counter('app_requests', 'Total app requests')

@app.route('/')
def home():
    REQUEST_COUNT.inc()
    return "Hello"

18.2 日志集中管理

使用structlog+ELK：

python复制import structlog

structlog.configure(
    processors=[
        structlog.processors.JSONRenderer()
    ]
)

log = structlog.get_logger()
log.info("event", user_id=42)

18.3 异常追踪集成

Sentry配置：

python复制import sentry_sdk

sentry_sdk.init(
    dsn="your_dsn",
    traces_sample_rate=1.0,
)

try:
    risky_operation()
except Exception:
    sentry_sdk.capture_exception()

19. 现代Python特性

19.1 模式匹配（3.10+）

python复制match response.status:
    case 200:
        handle_success(response.data)
    case 404:
        handle_not_found()
    case _:
        handle_error()

19.2 类型系统增强

使用TypedDict：

python复制from typing import TypedDict

class Point(TypedDict):
    x: float
    y: float

def draw(p: Point) -> None:
    ...

19.3 自解释错误

使用ExceptionGroup（3.11+）：

python复制try:
    ...
except* ValueError as eg:
    for exc in eg.exceptions:
        print(f"Caught: {exc}")

20. 硬件加速方案

20.1 GPU加速

使用CUDA：

bash复制pip install cupy-cuda11x

20.2 多进程优化

使用concurrent.futures：

python复制with ProcessPoolExecutor() as executor:
    results = list(executor.map(process_data, large_dataset))

20.3 内存映射文件

处理大文件：

python复制import mmap

with open("large.bin", "r+b") as f:
    mm = mmap.mmap(f.fileno(), 0)
    data = mm.read(1024)
    mm.close()

21. 与其他语言交互

21.1 C扩展开发

使用pybind11：

cpp复制#include <pybind11/pybind11.h>

int add(int i, int j) {
    return i + j;
}

PYBIND11_MODULE(example, m) {
    m.def("add", &add);
}

21.2 Rust集成

使用PyO3：

rust复制use pyo3::prelude::*;

#[pyfunction]
fn sum_as_string(a: usize, b: usize) -> PyResult<String> {
    Ok((a + b).to_string())
}

#[pymodule]
fn string_sum(_py: Python, m: &PyModule) -> PyResult<()> {
    m.add_function(wrap_pyfunction!(sum_as_string, m)?)?;
    Ok(())
}

21.3 JavaScript互操作

使用Pyodide：

html复制<script type="module">
    import { loadPyodide } from "https://cdn.jsdelivr.net/pyodide/v0.23.4/full/pyodide.js";

    async function main() {
        let pyodide = await loadPyodide();
        console.log(pyodide.runPython("1 + 2"));
    }
    main();
</script>

22. 科学计算环境

22.1 基础栈安装

推荐使用conda：

bash复制conda create -n sci python=3.11 numpy scipy pandas matplotlib jupyter

22.2 性能关键库

1. Numba加速：

   python复制from numba import jit
   
   @jit(nopython=True)
   def monte_carlo_pi(nsamples):
       acc = 0
       for _ in range(nsamples):
           x = random.random()
           y = random.random()
           if (x**2 + y**2) < 1.0:
               acc += 1
       return 4.0 * acc / nsamples
   

2. 使用Dask处理大数据

22.3 可视化进阶

交互式可视化：

python复制import plotly.express as px
fig = px.scatter_3d(df, x='x', y='y', z='z', color='value')
fig.show()

23. Web开发环境

23.1 框架选择

1. 全栈：Django

   bash复制pip install django
   django-admin startproject mysite
   

2. 轻量级：Flask

   python复制from flask import Flask
   app = Flask(__name__)
   
   @app.route('/')
   def hello():
       return "Hello World!"
   

3. 异步：FastAPI

   bash复制pip install fastapi uvicorn
   uvicorn main:app --reload
   

23.2 ORM配置

SQLAlchemy示例：

python复制from sqlalchemy import create_engine, Column, Integer, String
from sqlalchemy.orm import declarative_base

Base = declarative_base()

class User(Base):
    __tablename__ = 'users'
    id = Column(Integer, primary_key=True)
    name = Column(String)

engine = create_engine('sqlite:///users.db')
Base.metadata.create_all(engine)

23.3 现代化前端集成

使用htmx：

html复制<button hx-post="/clicked" hx-swap="outerHTML">
    Click Me
</button>

24. 数据工程环境

24.1 工作流管理

使用Prefect：

python复制from prefect import flow, task

@task
def extract():
    return [1, 2, 3]

@flow
def pipeline():
    data = extract()
    transform(data)

pipeline()

24.2 大数据处理

PySpark配置：

python复制from pyspark.sql import SparkSession

spark = SparkSession.builder \
    .appName("Example") \
    .getOrCreate()

df = spark.read.csv("data.csv")

24.3 流处理方案

使用Faust：

python复制import faust

app = faust.App('hello', broker='kafka://localhost')

greetings_topic = app.topic('greetings')

@app.agent(greetings_topic)
async def greet(greetings):
    async for greeting in greetings:
        print(f"Hello {greeting}!")

25. 机器学习环境

25.1 基础环境搭建

推荐conda环境：

bash复制conda create -n ml python=3.11
conda install -c conda-forge numpy scipy pandas scikit-learn matplotlib
pip install torch torchvision tensorflow

25.2 GPU支持验证

检查CUDA可用性：

python复制import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.enabled)

25.3 实验管理

使用MLflow：

python复制import mlflow

with mlflow.start_run():
    mlflow.log_param("learning_rate", 0.01)
    mlflow.log_metric("accuracy", 0.95)
    mlflow.sklearn.log_model(model, "model")

26. 嵌入式Python

26.1 微控制器开发

使用MicroPython：

python复制from machine import Pin, PWM
import time

pwm = PWM(Pin(15))
pwm.freq(1000)

while True:
    for duty in range(65025):
        pwm.duty_u16(duty)
        time.sleep_us(100)

26.2 性能优化技巧

1. 使用@micropython.native装饰器
2. 预编译为.mpy文件
3. 避免动态属性访问

26.3 硬件接口示例

I2C通信：

python复制from machine import I2C, Pin

i2c = I2C(0, scl=Pin(5), sda=Pin(4), freq=400000)
devices = i2c.scan()

27. 游戏开发环境

27.1 Pygame基础

安装与示例：

bash复制pip install pygame

python复制import pygame

pygame.init()
screen = pygame.display.set_mode((800, 600))
running = True

while running:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            running = False
    pygame.display.flip()

27.2 现代游戏引擎

Panda3D示例：

python复制from direct.showbase.ShowBase import ShowBase

class MyGame(ShowBase):
    def __init__(self):
        super().__init__()
        self.cam.setPos(0, -10, 0)

game = MyGame()
game.run()

27.3 性能优化

1. 使用Surface.convert()
2. 批量绘制精灵
3. 避免每帧创建新对象

28. 音视频处理

28.1 基础音频处理

使用pydub：

python复制from pydub import AudioSegment

song = AudioSegment.from_mp3("input.mp3")
song.export("output.wav", format="wav")

28.2 视频处理

使用OpenCV：

python复制import cv2

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    cv2.imshow('frame', frame)
    if cv2.waitKey(1) == ord('q'):
        break

28.3 流媒体处理

使用FFmpeg-python：

python复制import ffmpeg

(
    ffmpeg
    .input('input.mp4')
    .filter('scale', 1280, 720)
    .output('output.mp4')
    .run()
)

29. 自动化办公

29.1 Excel处理

使用openpyxl：

python复制from openpyxl import Workbook

wb = Workbook()
ws = wb.active
ws['A1'] = "Hello"
wb.save("test.xlsx")

29.2 PDF处理

使用PyPDF2：

python复制from PyPDF2 import PdfMerger

merger = PdfMerger()
merger.append("doc1.pdf")
merger.append("doc2.pdf")
merger.write("combined.pdf")

29.3 邮件自动化

使用smtplib：

python复制import smtplib
from email.mime.text import MIMEText

msg = MIMEText("邮件内容")
msg['Subject'] = '主题'
msg['From'] = 'from@example.com'
msg['To'] = 'to@example.com'

with smtplib.SMTP('smtp.example.com') as s:
    s.send_message(msg)

30. 网络爬虫环境

30.1 基础爬虫

使用requests+BeautifulSoup：

python复制import requests
from bs4 import BeautifulSoup

resp = requests.get("https://example.com")
soup = BeautifulSoup(resp.text, 'html.parser')
print(soup.title.text)

30.2 高级爬虫

使用Scrapy：

bash复制pip install scrapy
scrapy startproject tutorial

python复制import scrapy

class BlogSpider(scrapy.Spider):
    name = 'blogspider'
    start_urls = ['https://example.com']

    def parse(self, response):
        for title in response.css('.post-title'):
            yield {'title': title.css('::text').get()}

30.3 反反爬策略

1. 使用rotating user agents
2. 设置合理延迟
3. 使用selenium模拟浏览器

31. 区块链开发

31.1 Web3.py基础

python复制from web3 import Web3

w3 = Web3(Web3.HTTPProvider('https://mainnet.infura.io/v3/YOUR_PROJECT_ID'))
block = w3.eth.get_block('latest')
print(block.number)

31.2 智能合约交互

python复制contract = w3.eth.contract(
    address='0x123...',
    abi=[...]
)
print(contract.functions.balanceOf('0x456...').call())

31.3 本地测试链

使用Ganache：

bash复制pip install ganache
ganache-cli

32. 物联网应用

32.1 MQTT通信

使用paho-mqtt：

python复制import paho.mqtt.client as mqtt

def on_connect(client, userdata, flags, rc):
    print("Connected with result code "+str(rc))
    client.subscribe("topic/test")

client = mqtt.Client()
client.on_connect = on_connect
client.connect("broker.hivemq.com", 1883, 60)
client.loop_forever()

32.2 传感器数据处理

python复制import board
import adafruit_dht

dht = adafruit_dht.DHT22(board.D4)
try:
    temp = dht.temperature
    humidity = dht.humidity
except RuntimeError as e:
    print(e)

32.3 边缘计算

使用MicroPython：

python复制def process_sensor_data(values):
    avg = sum(values) / len(values)
    if avg > THRESHOLD:
        publish_alert()

33. 金融分析环境

33.1 量化交易基础

使用backtrader：

python复制import backtrader as bt

class SmaCross(bt.SignalStrategy):
    def __init__(self):
        sma1 = bt.ind.SMA(period=10)
        sma2 = bt.ind.SMA(period=30)
        self.signal_add(bt.SIGNAL_LONG, sma1 > sma2)

cerebro = bt.Cerebro()
data = bt.feeds.YahooFinanceData(dataname='AAPL')
cerebro.adddata(data)
cerebro.addstrategy(SmaCross)
cerebro.run()

33.2 风险管理

使用pyfolio：

python复制import pyfolio as pf

returns = strategy_returns
pf.create_full_tear_sheet(returns)

33.3 实时数据获取

使用yfinance：

python复制import yfinance as yf

data = yf.download("AAPL", start="2023-01-01", end="2023-06-30")
print(data.head())

34. 生物信息学

34.1 序列分析

使用Biopython：

python复制from Bio import SeqIO

for record in SeqIO.parse("sequence.fasta", "fasta"):
    print(record.id, len(record))

34.2 蛋白质结构

使用MDAnalysis：

python复制import MDAnalysis as mda

u = mda.Universe("protein.pdb")
print(u.atoms.select_atoms("name CA"))

34.3 基因数据处理

使用pandas：

python复制import pandas as pd

df = pd.read_csv("gene_expression.csv", index_col=0)
normalized = df.apply(lambda x: x/x.max(), axis=1)

35. 地理信息系统

35.1 地图可视化

使用folium：

python复制import folium

m = folium.Map(location=[45.5236, -122.6750])
folium.Marker([45.5244, -122.6699], popup='Portland').add_to(m)
m.save('map.html')

35.2 空间分析

使用geopandas：

python复制import geopandas as gpd

world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))
world.plot(column='gdp_md_est', legend=True)

35.3 遥感数据处理

使用rasterio：

python复制import rasterio

with rasterio.open('image.tif') as src:
    print(src.profile)
    band1 = src.read(1)

36. 计算机视觉

36.1 基础图像处理

使用Pillow：

python复制from PIL import Image, ImageFilter

im = Image.open("input.jpg")
im.filter(ImageFilter.GaussianBlur(2)).save("output.jpg")

36.2 目标检测

使用OpenCV：

python复制import cv2

net = cv2.dnn.readNet("yolov3.weights", "yolov3.cfg")
layer_names = net.getLayerNames()
output_layers = [layer_names[i[0] - 1] for i in net.getUnconnectedOutLayers()]

36.3 深度学习模型

使用torchvision：

python复制import torchvision.models as models

resnet = models.resnet50(pretrained=True)

37. 自然语言处理

37.1 文本处理

使用spaCy：

python复制import spacy

nlp = spacy.load("en_core_web_sm")
doc = nlp("Apple is looking at buying U.K. startup for $1 billion")
for ent in doc.ents:
    print(ent.text, ent.label_)

37.2 情感分析

使用transformers：

python复制from transformers import pipeline

classifier = pipeline("sentiment-analysis")
result = classifier("I love this movie!")
print(result)

37.3 文本生成

使用GPT模型：

python复制from transformers import GPT2LMHeadModel, GPT2Tokenizer

tokenizer = GPT2Tokenizer.from_pretrained("gpt2")
model = GPT2LMHeadModel.from_pretrained("gpt2")
inputs = tokenizer.encode("Once upon a time", return_tensors="pt")
outputs = model.generate(inputs, max_length=50)
print(tokenizer.decode(outputs[0]))

38. 强化学习

38.1 基础环境

使用gym：

python复制import gym

env = gym.make("CartPole-v1")
observation = env.reset()
for _ in range(1000):
    env.render()
    action = env.action_space.sample()
    observation, reward, done, info = env.step(action)
    if done:
        observation = env.reset()
env.close()

38.2 深度Q学习

使用stable-baselines3：

python复制from stable_baselines3 import DQN

model = DQN("MlpPolicy", "CartPole-v1", verbose=1)
model.learn(total_timesteps=10000)

38.3 多智能体系统

使用PettingZoo：

python复制from pettingzoo.butterfly import pistonball_v6

env = pistonball_v6.env()
env.reset()
for agent in env.agent_iter():
    observation, reward, done, info = env.last()
    action = policy(observation)
    env.step(action)

39. 元编程技巧

39.1 装饰器进阶

带参数的装饰器：

python复制def repeat(num):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(num):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(3)
def greet(name):
    print(f"Hello {name}")

greet("World")

39.2 元类应用

python复制class Meta(type):
    def __new__(cls, name, bases, namespace):
        namespace['created_by'] = 'metaclass'
        return super().__new__(cls, name, bases, namespace)

class MyClass(metaclass=Meta):
    pass

print(MyClass.created_by)  # 'metaclass'

39.3 动态属性

使用__getattr__：

python复制class DynamicAttributes:
    def __getattr__(self, name):
        if name.startswith('dynamic_