🧠 一、基础语法速查
🧠 Python 关键字（共 36 个，区分大小写）
| 关键字 |
说明 |
False |
布尔值，假 |
True |
布尔值，真 |
None |
空值 |
and |
逻辑与 |
or |
逻辑或 |
not |
逻辑非 |
if |
条件语句 |
elif |
条件分支 |
else |
条件结尾 |
while |
条件循环 |
for |
循环语句 |
break |
中断循环 |
continue |
跳过当前循环 |
in |
成员判断、循环迭代 |
is |
身份比较（是否是同一个对象） |
pass |
占位语句 |
def |
定义函数 |
return |
返回值 |
yield |
生成器返回值 |
lambda |
匿名函数 |
global |
全局变量声明 |
nonlocal |
闭包变量声明 |
import |
导入模块 |
from |
从模块导入指定成员 |
as |
给导入模块/异常命名 |
class |
类定义 |
try |
异常捕获开始 |
except |
异常捕获 |
finally |
异常结束处理 |
raise |
主动抛出异常 |
assert |
断言 |
del |
删除变量或元素 |
with |
上下文管理语句 |
async |
异步定义函数（协程） |
await |
异步调用（等待协程结果） |
语法
| 语法 |
示例 |
说明 |
| 变量定义 |
x = 10 |
不需要声明类型 |
| 条件语句 |
if x > 0: ... elif x==0: ... else: ... |
结构清晰 |
| 循环 |
for i in range(10):
while x < 5: |
遍历/条件循环 |
| 函数定义 |
def func(a, b=1): return a + b |
默认参数、返回值 |
| 列表推导式 |
[x**2 for x in range(5)] |
快速生成新列表 |
| 多变量赋值 |
a, b = 1, 2 |
解包 |
| 类型注解 |
def add(x: int) -> int: |
函数签名更清晰 |
🧰 二、常用数据结构函数
字符串 str
| 函数 |
示例 |
说明 |
s.lower() / s.upper() |
大小写转换 |
|
s.split(',') / ' '.join(list) |
拆分 / 合并 |
|
s.strip() |
去除首尾空白 |
|
s.replace('a','b') |
替换字符串 |
|
f"{x:.2f}" |
f-string 格式化字符串 |
|
列表 list
| 函数 |
示例 |
说明 |
len(lst) |
获取长度 |
|
lst.append(x) / lst.extend(...) |
添加元素 |
|
lst.pop() / lst.remove(x) |
删除元素 |
|
lst.sort() / sorted(lst) |
排序，原地或新列表 |
|
lst[::-1] |
反转列表 |
|
字典 dict
| 函数 |
示例 |
说明 |
d.get('key', default) |
安全取值 |
|
d.keys() / d.values() |
键/值视图 |
|
d.items() |
遍历键值对 |
|
dict(zip(keys, values)) |
合并为字典 |
|
集合 set
| 操作 |
示例 |
说明 |
| 并 |
`a |
b/a.union(b)` |
| 交 |
a & b / a.intersection(b) |
|
| 差 |
a - b / a.difference(b) |
|
🔁 三、内置函数高频使用表
| 函数 |
用途 |
len() |
长度 |
sum() |
求和 |
min() / max() |
最小/最大 |
range() |
生成数列 |
enumerate() |
索引+元素遍历 |
zip(a, b) |
配对遍历 |
map(func, iterable) |
映射 |
filter(func, iterable) |
过滤 |
sorted(list, key=..., reverse=True) |
排序控制 |
any() / all() |
判断是否有 / 是否都为真 |
⚙️ 四、模块与工具函数
| 模块 |
常用函数 |
用途 |
math |
math.sqrt(), log(), ceil() |
数学运算 |
random |
random.choice(), randint() |
随机操作 |
datetime |
datetime.now() |
时间戳处理 |
os, sys |
os.path, sys.argv |
路径与参数 |
glob |
glob.glob('*.py') |
文件批量匹配 |
re |
re.findall(), sub() |
正则匹配 |
json / yaml |
json.load(), yaml.safe_load() |
配置处理 |
🧪 五、异常处理 & 文件操作
异常处理
try:
risky_operation()
except ValueError as e:
print("Caught error:", e)
finally:
cleanup()
文件操作
with open('file.txt', 'r') as f:
content = f.read()
🔢 七、数值计算与张量操作（NumPy & PyTorch）
NumPy常用函数
| 函数 |
说明 |
np.array() |
创建数组 |
np.zeros() / np.ones() |
初始化张量 |
np.reshape() |
重塑维度 |
np.dot() / np.matmul() |
向量/矩阵乘法 |
np.mean() / np.std() |
均值、标准差 |
np.argmax() / np.argsort() |
排序、索引最大值 |
np.concatenate() / np.stack() |
合并数组 |
PyTorch张量操作
| 函数 |
说明 |
torch.tensor() / torch.from_numpy() |
创建张量 |
x.to('cuda') |
张量转GPU |
x.view() / x.reshape() |
改变维度 |
x.mean(dim=1) / x.softmax(dim=-1) |
常见计算 |
torch.cat() / torch.stack() |
拼接张量 |
torch.nn.functional |
提供无状态的函数，如激活函数 |
🧠 八、模型开发与训练（PyTorch）
模型定义
import torch.nn as nn
class MyModel(nn.Module):
def __init__(self):
super().__init__()
self.linear = nn.Linear(768, 2)
def forward(self, x):
return self.linear(x)
常用训练组件
| 模块 |
常用函数 |
用途 |
nn |
nn.Linear, nn.Embedding, nn.Transformer |
模型层 |
optim |
SGD, Adam, lr_scheduler |
优化器 |
loss |
CrossEntropyLoss, MSELoss |
损失函数 |
DataLoader |
torch.utils.data.DataLoader |
数据批加载 |
autograd |
loss.backward() |
反向传播 |
🚀 九、大模型加载与推理相关库函数
| 函数 |
说明 |
from_pretrained() |
加载模型和tokenizer |
AutoModelForCausalLM / AutoTokenizer |
大模型架构适配 |
tokenizer.encode() / decode() |
文本与token转换 |
model.generate() |
文本生成 |
推理优化相关
| 库 |
函数 / 说明 |
torch.no_grad() |
禁用梯度，加快推理 |
torch.cuda.amp.autocast() |
半精度混合精度推理 |
torch.jit.trace() / script() |
模型静态图编译 |
onnxruntime |
InferenceSession()，用于ONNX推理 |
vllm |
高效推理库（异步批次 + KV Cache 管理） |
🧰 十、辅助工具库函数
配置与日志
| 库 |
常用函数 |
argparse |
parser.add_argument() |
yaml |
yaml.safe_load(open('config.yaml')) |
logging |
logging.info()，配合训练日志记录 |
文件与路径
| 库 |
用途 |
os, pathlib |
文件路径管理 |
glob, shutil, zipfile |
文件批量操作、压缩 |
tqdm |
训练进度条显示 |
调试与性能
| 工具 |
用法 |
说明 |
print() / logging |
日志输出 |
可配日志等级 |
assert |
assert x > 0 |
条件断言 |
%timeit |
IPython魔法命令 |
性能测试 |
pdb.set_trace() |
中断调试 |
|
📚十一、 推荐学习资源
微信扫一扫
