第 05 章 Python 与 AI 工具链

学习目标

理解人工智能训练中常见编程语言、Python 基础语法、数据处理库、机器学习库、深度学习框架和开发环境。理论题常考工具用途和基础代码流程。

考点地图

高频：Python 数据结构、NumPy、Pandas、Scikit-learn、PyTorch、Jupyter、VS Code、数据读取、训练流程。

1. 为什么常用 Python

Python 在 AI 中常用，因为：

• 语法简洁。
• 库生态丰富。
• NumPy/Pandas 适合数据处理。
• Scikit-learn 适合传统机器学习。
• PyTorch/TensorFlow 适合深度学习。
• Jupyter Notebook 适合实验和展示。

2. Python 基础数据结构

类型	特点	例子
list	有序、可变	[1, 2, 3]
tuple	有序、不可变	(1, 2)
dict	键值对	{'a': 1}
set	无序、不重复	{1, 2, 3}
str	字符串	'hello'

常考：dict 查找快；set 可去重；tuple 不可变。

3. 函数与面向对象

函数用于封装可复用逻辑。

def add(a, b):
    return a + b

类用于封装对象的属性和方法。

class ModelConfig:
    def __init__(self, lr):
        self.lr = lr

考试更可能考概念，不会考复杂编程。

4. NumPy

NumPy 核心是 ndarray 多维数组。

常见概念：

• shape：数组形状。
• dtype：数据类型。
• axis：操作维度。
• broadcasting：广播机制。
• vectorization：向量化计算。

例子：

import numpy as np
x = np.array([[1, 2], [3, 4]])
print(x.shape)  # (2, 2)

axis 简记：

• axis=0：沿行方向压缩，常理解为按列统计。
• axis=1：沿列方向压缩，常理解为按行统计。

5. Pandas

Pandas 常用于表格数据处理。

常见对象：

• Series：一维数据。
• DataFrame：二维表格。

常见操作：

任务	方法
读取 CSV	pd.read_csv()
查看前几行	df.head()
查看字段类型	df.info()
缺失统计	df.isna().sum()
填充缺失	df.fillna()
删除缺失	df.dropna()
去重	df.drop_duplicates()
分组	df.groupby()
合并	pd.merge()
One-Hot	pd.get_dummies()

6. Matplotlib 和 Seaborn

用于数据可视化。

常见图：

• 折线图：趋势。
• 柱状图：类别比较。
• 直方图：分布。
• 箱线图：异常值。
• 散点图：变量关系。
• 热力图：相关性矩阵。

7. Scikit-learn

Scikit-learn 是传统机器学习常用库。

典型流程：

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.linear_model import LogisticRegression
from sklearn.metrics import f1_score

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.3, random_state=42
)
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

model = LogisticRegression()
model.fit(X_train_scaled, y_train)
pred = model.predict(X_test_scaled)
print(f1_score(y_test, pred))

关键考试点：

• fit：学习参数。
• transform：应用转换。
• fit_transform：学习并转换。
• 训练集用 fit_transform，测试集只用 transform。

8. PyTorch

PyTorch 是深度学习框架。

核心概念：

• Tensor：张量。
• Autograd：自动求导。
• nn.Module：神经网络模块。
• Dataset：定义数据集。
• DataLoader：批量加载数据。
• Loss：损失函数。
• Optimizer：优化器。

典型训练步骤：

1. 准备数据。
2. 定义模型。
3. 定义损失函数。
4. 定义优化器。
5. 前向传播。
6. 计算损失。
7. 反向传播。
8. 更新参数。
9. 验证评估。

9. Jupyter Notebook 与 IDE

• Jupyter Notebook：适合实验、可视化、逐步运行。
• VS Code：通用代码编辑器，适合项目开发。
• PyCharm：Python IDE。
• Conda/Pip：环境和包管理。

10. 常见文件格式

格式	用途
CSV	表格数据，逗号分隔
JSON	半结构化数据，API 常用
TXT	普通文本
XML	半结构化标记语言
Parquet	列式存储，数据分析常用
JPG/PNG	图片
WAV/MP3	音频
MP4/AVI	视频
PT/PTH	PyTorch 模型参数常见格式
ONNX	跨框架模型交换格式

易错点

易错点	正确理解
fit 和 transform 一样	错。fit 学参数，transform 应用参数
测试集也可以 fit scaler	错。会数据泄漏
Pandas 主要处理图像张量	错。Pandas 主要处理表格数据
PyTorch 只用于传统机器学习	错。PyTorch 主要用于深度学习
Jupyter 是编程语言	错。Jupyter 是交互式开发环境

例题

例题 1

Pandas 中读取 CSV 文件常用：

A. pd.read_csv()
B. pd.open_image()
C. np.train()
D. torch.sql()

答案：A。

例题 2

Scikit-learn 中对训练集标准化通常使用：

A. fit_transform
B. 只在测试集 fit
C. 删除测试集
D. 修改标签

答案：A。

例题 3

PyTorch 中自动求导机制通常称为：

A. Autograd
B. GROUP BY
C. DNS
D. Kappa

答案：A。

自测清单

• 能说出 list、tuple、dict、set 区别。
• 能说出 NumPy、Pandas、Scikit-learn、PyTorch 用途。
• 能解释 fit、transform、fit_transform。
• 能描述深度学习训练循环。
• 能识别常见数据文件格式。