本书是普通高等院校程序设计课程教材，立足于人工智能时代对编程能力的新要求，致力于打造一本以快速应用为导向、强调实践探索、融合前沿技术的程序设计教材。本书以Python 3为编程环境，从Python语言的基础知识着手，系统讲解了Python语言的高级特性以及数据分析、可视化、系统编程、网络交互、机器学习与智能体等应用场景。全书共分八章，内容包括Python语言基础与标准库、Python高级编程特性、数据处理与可视化、系统编程与网络交互、高性能计算优化、GUI图形界面开发、机器学习与深度学习基础、大语言模型与智能体。各章均有相关代码或应用案例，与现实中的开源项目有密切联系。
       本书适合作为高等院校人工智能专业、数据科学与大数据技术专业、数字媒体技术专业以及其他相关专业的教材，也可以作为Python全栈开发人员、数据分析领域开发人员和大模型智能体相关开发人员的参考书。

      在当今社会，计算机已深度融入人类生活的方方面面，掌握编程语言以实现人与机器之间的高效对话，不仅是高等教育中通识教育的重要组成部分，也是数据科学、人工智能、信息工程等相关专业人才培养的核心能力。在大语言模型（LLM）已具备较强代码生成能力的当下，学习者面临新的挑战：部分人一旦借助AI工具便感觉无所不能，而脱离AI后又陷入“寸步难行”的困境。这种现象暴露出当前编程教育中存在的深层问题——过度依赖工具而忽视对语言本质的理解。
      事实上，大语言模型更应该被定位为一种“翻译工具”，能够将自然语言的需求描述“翻译”成程序代码，这一过程和人类不同语种的自然语言间的翻译相似，也可能存在语义偏差、逻辑错误甚至安全隐患。因此，学习者必须具备对编程语言的基本掌控能力，只有理解其核心框架、运行机制与设计范式，才能有效评估、调试和优化AI生成的代码。目前，许多教材仍停留在“概念讲解—语法示例—课后练习”的传
统知识传授模式，未能针对人工智能时代的技术变革做出系统性改变。
      本书正是在这一背景下编写而成。本书作为“普通高等教育‘十五五’人工智能专业系列教材”之一，立足于人工智能时代对编程能力的新要求，致力于打造一本以快速应用为导向、强调实践探索、融合前沿技术的程序设计教材。本书基于 Python 3进行讲解，编者长期从事 Python 相关的国际开源项目开发，在系统运维、数据挖掘与可视化、高维数据分析、图形界面开发、大语言模型微调与智能体开发等多个场景中积累了丰富的实践经验；同时，编者多年深耕程序设计教学一线，深刻理解学习者“学以致用”的迫切需求。因此，本书摒弃传统的“概念背记”式教学模式，倡导“运行→体验→修改→探索→创造”的螺旋式学习路径，鼓励学习者从实践出发，在真实项目中快速掌握Python的核心技能。
      本书共分八章。第1章介绍Python语言的发展历史、基本语法、数据类型、标准库以及模块化编程思想，为后续学习奠定坚实基础。第2章深入讲解Python的高级编程特性，包括装饰器、闭包、迭代器、生成器，并系统阐述面向对象编程范式，提升代码的组织性与复用性。第3章聚焦数据处理与可视化，涵盖数据导入、数据库连接、数据清洗与预处理，并通过典型可视化案例帮助学习者建立数据思维。第4章探讨Python与操作系统的交互，包括文件操作、系统命令调用、多线程与进程管理，并初步介绍网络编程与全栈开发的基本概念。第5章关注高性能计算优化，介绍程序性能评估方法、即时编译技术（如 Numba）、GPU 加速（CUDA）以及基础的分布式与并行计算。第6章介绍图形界面开发，以计算器、五子棋、贪吃蛇等小游戏为例，讲解基于 PySide6 的 GUI 开发流程，并介绍以 Briefcase 为代表的软件打包与发布工具。第7章介绍机器学习的发展历程、经典算法（如线性回归、K-Means）以及神经网络基本概念，并用 Python 实现一个简单的强化学习过程。第8章关注人工智能前沿，介绍大语言模型的训练机制、开源模型的获取与使用，以通义千问Qwen3为例，演示模型的本地部署、推理调用及简单智能体的开发流程。附录部分详细介绍 Python开发环境的构建，涵盖主流操作系统下的 Python 版本管理、集成开发环境选择、虚拟环境配置，以及基于 Conda、pip、uv 的包管理实践，确保学习者能够快速搭建可用的开发环境。
本书知识讲解与代码实践并重，采用“讲练融合、案例驱动”的教学模式，每章的知识讲解（课堂学时）建议安排3学时，代码实践（即实验学时）建议安排3学时，总学时48学时，将理论讲解与实践操作紧密结合。各章主要内容和建议学时分配如下表所示，教师可以根据实际情况酌情调整。
      章序       章名                     课堂学时 实践学时
      第1章      Python语言基础与标准库    3           3
      第2章      Python高级编程特性        3           3
      第3章      数据处理与可视化          3           3
      第4章      系统编程与网络交互        3           3
      第5章      高性能计算优化            3           3
      第6章      GUI 图形界面开发          3           3
      第7章      机器学习与深度学习基础     3           3
      第8章      大语言模型与智能体         3           3
      本书由吉林外国语大学一线教师和科大讯飞资深开发人员共同编写，于秋野、王智岩任主编，梁燕、王菲菲、王迎祥、李金鹏、刘杨、高龙任副主编。具体编写分工：于秋野负责全书框架设计与文本撰写，王智岩编写代码测试框架，梁燕、王菲菲进行了润色和统稿，王迎祥、李金鹏、刘杨、高龙负责了代码项目的架构复核和运行测试。
      本书在编写过程中得到王迪、姚明宏等多名同学的协助，在此表示衷心感谢。
      本书配有完整的教学资源包，包括教学大纲、源代码、实验指导书及教学视频等，读者可通过中国铁道出版社教育资源数字化平台（https://www.tdpress.com/51eds）获取，使用微信扫描书中二级码观看例题讲解视频并进行各章习题的在线测试。欢迎广大师生在使用过程中提出宝贵意见与建议，以助本书不断完善。
      由于编者水平有限，加之本书所涉及的相关库可能存在快速的更新和版本迭代，书中难免存在不足之处，欢迎读者提出宝贵意见和建议。？

第1章 Python语言基础与标准库 .1
1.1 Python概述1
1.1.1 Python的发展历史 1
1.1.2 Python的特点 2
1.1.3 Python的应用 2
1.1.4 Python的包管理器 3
1.1.5 Conda 3
1.1.6 pip .5
1.1.7 uv.6
1.2 基础语法要素 7
1.2.1 变量与运算符.7
1.2.2 变量存储.8
1.2.3 流程控制.9
1.3 Python的数据类型11
1.3.1 简单数据类型.11
1.3.2 复合数据类型.14
1.3.3 内存模型与变量引用.16
1.4 函数与模块化编程 19
1.4.1 函数定义和调用.20
1.4.2 模块化编程与开发.21
1.5 标准库简介和简单实战 22
1.5.1 重要的系统操作模块.23
1.5.2 实践：创建一个文件夹内容 分析器 .24
习题 .25

第2章 Python高级编程特性 26
2.1 装饰器、闭包、迭代器、生成器 26
2.1.1 装饰器.27
2.1.2 闭包.27
2.1.3 迭代器.27
2.1.4 生成器.27
2.1.5 综合应用.28
2.2 类与面向对象编程 29
2.2.1 类的定义.29
2.2.2 类的继承.29
2.3 元类编程与属性控制 31
2.3.1 元类编程.31
2.3.2 属性控制.32
2.4 上下文管理器与 with 语句 .33
2.5 高级调试技术 .35
2.5.1 代码调试基础.35
2.5.2 多角度调试机制.36
2.5.3 综合调试技术应用.36
2.5.4 专用性能分析工具.38
2.6 进阶之路 40
习题 .40

第3章 数据处理与可视化 41
3.1 数据导入与数据库连接 41
3.1.1 基础工具库.42
3.1.2 CSV 和 Excel 数据 .43
3.1.3 pandas 处理表格数据 44
3.1.4 JSON 数据 49
3.1.5 SQLite 数据库 50
3.2 数据清洗和预处理 51
3.2.1 数据缺失及缺失值处理.51
3.2.2 数据异常值.53
3.2.3 数据归一化.55
3.2.4 数据闭合效应.57
3.3 数据可视化 60
3.4 进阶可视化 .64
3.4.1 进阶可视化库：PyQtGraph 64
3.4.2 应用案例：TAS-PF70
习题 .71

第4章 系统编程与网络交互 72
4.1 文件系统操作 72
4.2 系统命令执行 74
4.3 多线程/进程管理 .76
4.4 网络交互 84
4.4.1 网络信息获取与处理.84
4.4.2 构建网络服务器.88
4.4.3 Python全栈开发概述 90
习题 .93

第5章 高性能计算优化94
5.1 程序性能评估 94
5.2 即时编译 JIT101
5.3 GPU 加速 .105
5.4 分布式与并行计算 109
习题 .110

第6章 GUI图形界面开发 . 111
6.1 从命令行到图形界面 111
6.2 图形界面开发库的选择 112
6.3 PySide6 图形界面开发113
6.3.1 简单计算器.113
6.3.2 五子棋游戏.115
6.3.3 贪吃蛇游戏.118
6.4 PythonGUI应用程序的打包与发布 .120
习题 .122

第7章 机器学习与深度学习基础 123
7.1 Python的机器学习库123
7.2 人工智能发展历史与机器学习概述 .125
7.2.1 经典机器学习算法.125
7.2.2 机器学习算法示例与比较.126
7.3 神经网络与深度学习 128
7.4 强化学习 130
7.5 自然语言处理基础 134
7.5.1 NLP 基础概念与工具 135
7.5.2 基础文本处理.137
7.5.3 文本分类示例.139
7.5.4 中文分词与文本分析.142
习题 .144

第8章 大语言模型与智能体 145
8.1 语料数据与本地大模型的训练 145
8.1.1 语料数据准备.145
8.1.2 模型架构选择.146
8.1.3 训练过程与优化策略.146
8.1.4 训练中的注意事项.147
8.1.5 自训练模型的性价比分析.147
8.1.6 自训练模型的局限性.148
8.2 模型的获取、运行与微调 148
8.2.1 选择合适的开源模型.148
8.2.2 开源大语言模型的选择考量.149
8.2.3 使用 LoRA 微调模型的基本过程.149
8.2.4 使用 LoRA 微调模型的参数配置.150
8.3 模型的部署与推理 151
8.4 智能体系统的搭建与应用 153
习题 .156

附录 A Python开发环境构建指南 .157
A.1 Python版本管理 .157
A.1.1 Python版本发布周期 .157
A.1.2 版本选择策略 158
A.1.3 Python发行版 .158
A.2 Windows 环境搭建 .159
A.2.1 官方 Python安装 159
A.2.2 Microsoft Store 安装方式 .160
A.2.3 Windows 特有问题及解决方案 .160
A.3 Linux 环境搭建 162
A.3.1 系统预装 Python.162
A.3.2 通过包管理器安装 162
A.3.3 Linux 发行版专用配置 .163
A.4 macOS 环境搭建 164
A.4.1 系统自带 Python.164
A.4.2 官方 Python安装 165
A.4.3 Homebrew 安装方式 .165
A.4.4 适配 Apple Silicon（M1/M2 等CPU）Mac .166
A.4.5 macOS 专用工具集成 .166
A.4.6 macOS 包管理注意事项 .167
A.5 集成开发环境 .167
A.5.1 PyCharm.168
A.5.2 Visual Studio Code .169
A.5.3 Jupyter 环境 .170
A.6 虚拟环境管理 .173
A.6.1 需要虚拟环境的原因 173
A.6.2 venv/virtualenv .174
A.6.3 Conda 环境 175
A.7 包管理工具 .177
A.7.1 pip 基础177
A.7.2 pip-tools .179
A.7.3 Conda 包管理 181
A.8 调试工具与技巧 .183
A.8.1 基础调试方法 183
A.8.2 交互式调试器 185
A.8.3 IDE 集成调试 187
参考文献 189

       于秋野，任职于吉林外国语大学，研究方向是数据科学与大数据技术、计算机应用，主讲Python程序设计基础、高级语言程序设计、分布式与并行计算等课程，主持和参与省级及以上科研项目3项，公开发表论文4篇（SCI论文3篇、CSTPCD论文1篇）。

       王智岩，副教授，任职于吉林外国语大学，信息工程学院副院长。其专业领域为人工智能及数据科学与大数据技术。主要教授课程包括程序设计思维训练、数据仓库应用实训、数据挖掘与数据可视化、深度学习实训等。曾担任吉林省计算机设计大赛评委专家。长期致力于语言大数据研究，主持并参与国家及省部级项目2项、横向项目10余项，出版教材及编著2部，发表中英文论文10余篇，拥有软件著作权5项，获得省级以上学生竞赛优秀指导教师荣誉4项。

（1）依托国内人工智能领域发展前沿的科大讯飞公司的相关产品的核心技术，校企共同编写，既可满足学校的课程需求，又能保证教材内容的专业性、前沿性。
（2）基于Python程序设计基础课程，着重培养Python核心编程能力，与操作系统文件管理、计算机网络协议、数据库原理等知识融合，搭建通向数据结构优化、算法工程化等进阶课程的实践桥梁。全书架构突出Python生态的工程化应用路线。
（3）提供丰富的开源实战案例，如地球科学数据库轻量级管理系统、普适场景的快速数据可视化工具、摄影曝光参数计算工具、基于语境可加载设计的本地大语言模型对话工具等，并提供案例代码。
（4）教学资源丰富，配有教学视频、教学素材、教学课件、教学大纲、习题等资源，帮助教师快速开展教学。？