Interactive Knowledge Site · 2026-06-05
这不是把技术书平移成网页，而是把《自学Python》重组为一条更适合自学和复盘的知识路线：从环境与基础语法，到标准库、NumPy、Matplotlib、SciPy、Pandas，再到两个完整案例。
整站的重点不是“把 API 罗列得更全”，而是把每一章翻译成真正可迁移的学习动作：你为什么学、学完要做什么、最常卡在哪里、该如何把它接进自己的长期 Python 系统里。
图版来自原 EPUB 图片资源与页面插图，作为各知识点的视觉锚点和复现入口。
封面｜学习路线入口全书定位
第1章初识Python｜1.2 安装Python环境1.2 安装Python环境
第1章初识Python｜1.2 安装Python环境1.2 安装Python环境
第1章初识Python｜1.3 使用Python工具1.3 使用Python工具
第1章初识Python｜1.3 使用Python工具1.3 使用Python工具
第1章初识Python｜1.4 本章学习笔记1.4 本章学习笔记
第1章初识Python｜1.4 本章学习笔记1.4 本章学习笔记
第2章Python基础｜2.1 基础语法简介2.1 基础语法简介
第2章Python基础｜2.1 基础语法简介2.1 基础语法简介
第2章Python基础｜2.2 数据类型2.2 数据类型
第2章Python基础｜2.2 数据类型2.2 数据类型
第2章Python基础｜2.3 判断与循环2.3 判断与循环作者简介这一章真正要建立的，不是孤立知识点，而是围绕“基础语法是后续一切抽象的地基、函数与模块是从会写到会组织的分水岭”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
前言前言这一章真正要建立的，不是孤立知识点，而是围绕“基础语法是后续一切抽象的地基、函数与模块是从会写到会组织的分水岭”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 1 章第1章初识Python这一章真正要建立的，不是孤立知识点，而是围绕“环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 2 章第2章Python基础这一章真正要建立的，不是孤立知识点，而是围绕“基础语法是后续一切抽象的地基、函数与模块是从会写到会组织的分水岭、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 3 章第3章Python进阶这一章真正要建立的，不是孤立知识点，而是围绕“迭代器、生成器与装饰器是表达能力升级、环境与工具链先于语法细节、函数与模块是从会写到会组织的分水岭”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 4 章第4章Python面向对象编程这一章真正要建立的，不是孤立知识点，而是围绕“面向对象是把数据和行为捆在一起管理、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 5 章第5章Python标准库这一章真正要建立的，不是孤立知识点，而是围绕“标准库是解决日常编程问题的常备箱、环境与工具链先于语法细节、函数与模块是从会写到会组织的分水岭”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 6 章第6章Python科学计算基础：NumPy模块这一章真正要建立的，不是孤立知识点，而是围绕“NumPy 数组是科学计算的底层对象、环境与工具链先于语法细节、基础语法是后续一切抽象的地基”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 7 章第7章Python数据可视化：Matplotlib模块这一章真正要建立的，不是孤立知识点，而是围绕“可视化不是出图，而是组织观察、函数与模块是从会写到会组织的分水岭、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 8 章第8章Python科学计算进阶：SciPy模块这一章真正要建立的，不是孤立知识点，而是围绕“SciPy 把高等数学能力接进代码、环境与工具链先于语法细节、函数与模块是从会写到会组织的分水岭”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 9 章第9章Python数据分析基础：Pandas模块这一章真正要建立的，不是孤立知识点，而是围绕“Pandas 是把数据表变成分析语言、环境与工具链先于语法细节、基础语法是后续一切抽象的地基”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 10 章第10章Python案例1：中文小说分析这一章真正要建立的，不是孤立知识点，而是围绕“案例章节把工具串成完整工作流、SciPy 把高等数学能力接进代码、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
第 11 章第11章Python案例2：手写数字分析这一章真正要建立的，不是孤立知识点，而是围绕“案例章节把工具串成完整工作流、环境与工具链先于语法细节”形成一套能反复练习、能迁移到真实任务里的 Python 学习路径。
真正的新手门槛往往不是 `if` 和 `for`，而是环境、解释器、Notebook 和运行方式没有搭好。
Syntax As Foundation变量、数据类型、判断、循环和函数并不只是入门知识，它们决定你能否读懂后面的数组、可视化和数据分析代码。
Data Structures Shape Thinking字符串、列表、元组、字典、集合和切片不是零碎语法，它们是你组织世界信息的方式。
Functions Organize Thought当代码开始变长，函数、模块和异常处理决定你是在堆脚本，还是在构建可维护工具。
Advanced Abstractions进阶语法不是炫技，而是帮助你延迟计算、包装行为、管理上下文，并理解 Python 的运行机制。
Object Thinking类、方法、属性、继承和多态帮助你把复杂对象的状态和行为组织进更稳定的结构里。
Standard Library Workflow`sys`、`os`、`re`、`datetime`、`json`、`pathlib` 等模块让 Python 从教学语言变成真正可交付工具。
NumPy Arrays数组不是列表替代品，而是面向数值计算、向量化和矩阵运算的基础数据对象。
Visualization As InspectionMatplotlib 的重点不只是 `plot`，而是把数据、坐标轴、图例、文本和视觉层次组织成一个可解释图面。
SciPy Toolbox插值、统计、优化、线性代数等模块让数学方法可以直接变成可实验、可拟合、可求解的程序。
Pandas AnalysisSeries、DataFrame、索引、缺失值和读写接口让数据清洗、切片和统计可以在更贴近表格思维的层面完成。
Case Based Workflow小说分析和手写数字识别不是为了展示炫酷结果，而是让读者看到数据获取、预处理、建模、可视化和评价是如何串联的。
Notebook HabitsJupyter Notebook 很适合探索，但也最容易积累隐形状态、重复运行和难复现实验。