常用网址： | | 学府路1号 https://xuefulu.ai | 下载 Python https://xuefulu.ai/Python.html | 下载 TRAE https://xuefulu.ai/Trae.html

Python 常用标准库：路径、表格、时间与统计

一、标准库：装好就有的一整套工具

把 Python 装好，除了语言本身，还附送了几百个标准库（standard library）。它们的最大好处是：不用装、不用 pip、直接 import 就能用。

第 11 篇《导入库的方法》已经介绍过「标准库 vs 第三方库」的区别。本篇把最常用的一批挑出来，讲清楚它们各自解决什么问题：

模块	管什么	一句话记住
`os`	文件、文件夹、路径、环境变量	和老式操作系统打交道
`pathlib`	路径（更现代的写法）	`os.path` 的升级版
`json`	读写 JSON 格式的数据	数据交换的通用格式
`csv`	读写逗号分隔的表格文件	Excel 能直接打开的纯文本表
`datetime`	日期与时间	算日期、格式化时间
`statistics`	平均数、中位数、标准差	统计指标一句话算完
`random`	随机数、抽样、打乱	抽几个来检查、造模拟数据
`time`	时间戳、计时、让程序等等	给数据盖时间、量代码快不快
`collections`	会数数的字典、自动分类的字典	数谁最多、按类别累加

为什么是这几个？因为它们正好凑齐了一条「数据活儿」的完整链路：把数据存下来 → 读回来 → 算清楚 → 看得见。第 26 篇《文件处理》讲的是纯文本怎么读写，本篇讲的是「数据用什么格式存、用什么工具算」。《12-time库与random库》里讲过这两个库的基础用法，本篇补的是做数据分析时才会用到的那几个用法。

这一篇的量偏大，建议分两次读：第一遍读 pathlib ＋ json ＋ csv（最常用），把 datetime、statistics、random、time 和第十节那几个第三方库，留到真正要做数据分析时再回来查。

课程思政｜科技自立自强 · 现成的轮子，也得看懂

Python 装好，就自带了几百个标准库，import 一下就能用，这是无数人替我们攒下的家底。但用得顺手，不代表真懂了：会用别人造好的轮子，和知道车为什么能跑，是两回事。os、json、csv 背后无非是「读写文件、整理数据」这些硬功夫，把原理弄明白，将来自带库里没有的需求，你才有底气自己动手。

二、`pathlib`：拼路径、拆路径

先说 pathlib，因为后面几个库都要处理「文件放在哪儿」。它是现在推荐的写法：把路径当成一个对象来看待。

2.1 造一个路径

Python

from pathlib import Path

p = Path('/Users/x/data/scores.csv')
print('完整路径：', p)
print('文件名：', p.name)
print('去掉后缀：', p.stem)
print('后缀：', p.suffix)
print('所在文件夹：', p.parent)

输出：

输出

完整路径： /Users/x/data/scores.csv
文件名： scores.csv
去掉后缀： scores
后缀： .csv
所在文件夹： /Users/x/data

注意这几个属性不用记拼写规则，看一眼就知道是什么意思——这正是 pathlib 比老写法好用的地方。

2.2 拼路径：用 `/` 就行

Python

from pathlib import Path

folder = Path('data')
print(folder / 'scores.csv')
print(folder / '2026' / '10月' / 'scores.csv')

输出：

输出

data/scores.csv
data/2026/10月/scores.csv

写 folder / '名字' 就够了，不用自己判断该用斜杠还是反斜杠——这一点很重要，因为 Windows 和 macOS 的路径分隔符不一样，手写字符串很容易在换电脑后失效。

写法	拼出来的路径	换到 Windows 上
`Path('data') / 'a.csv'`	`data/a.csv`	自动变成 `data\a.csv`
`'data' + '/' + 'a.csv'`	`data/a.csv`	还是斜杠，可能失效

2.3 常用的四个动作

Python

import pathlib, tempfile
from pathlib import Path

work = Path(tempfile.mkdtemp())
f = work / 'score.txt'

print('存在吗（写之前）：', f.exists())
f.write_text('小满 92', encoding='utf-8')     # 一行写文件
print('存在吗（写之后）：', f.exists())
print('内容：', f.read_text(encoding='utf-8'))  # 一行读文件
f.unlink()                                     # 删除
print('删除后还在吗：', f.exists())

输出：

输出

存在吗（写之前）： False
存在吗（写之后）： True
内容： 小满 92
删除后还在吗： False

这几个方法都是「一个动作一行代码」，不用再写 open() 加 with 那一套：

方法	作用	对应老写法
`p.exists()`	判断存在吗	`os.path.exists(p)`
`p.read_text()`	一次读出全部文字	`open(p).read()`
`p.write_text(s)`	一次写入文字（覆盖原内容）	`open(p, 'w').write(s)`
`p.unlink()`	删除这个文件	`os.remove(p)`
`p.mkdir(parents=True, exist_ok=True)`	建文件夹	`os.makedirs(p)`

2.4 老写法 `os.path` 也认一下

老教程和老代码里全是 os.path，看得懂就行，新代码建议用 pathlib。

Python

import os

print('拼路径：', os.path.join('data', 'scores.csv'))
print('取文件名：', os.path.basename('/Users/x/data/scores.csv'))
print('拆后缀：', os.path.splitext('scores.csv'))
print('存在吗：', os.path.exists('这个文件不存在.txt'))

输出：

Python

拼路径： data/scores.csv
取文件名： scores.csv
拆后缀： ('scores', '.csv')
存在吗： False

os.path.join() 拼出来的分隔符跟你的系统走：macOS / Linux 上是 /，Windows 上是 \。所以页面上这里显示 data/scores.csv，你在 Windows 上跑会看到 data\scores.csv——这是对的，不是错。要跨系统稳定，就用 pathlib 的 /。

三、`json`：数据交换的通用格式

要把数据存进文件，得先定一个格式。自己发明格式的问题很明显：今天用逗号分，明天想加一列就崩了。

JSON 是一个大家都认的格式：它长得像 Python 的字典和列表，几乎所有编程语言都能读写。它的规则就四条：

JSON 里的东西	写法	对应 Python
对象	`{"name": "小满"}`	字典 `dict`
数组	`[1, 2, 3]`	列表 `list`
字符串	`"abc"`（必须双引号）	字符串 `str`
数字 / 真值 / 空值	`12` `3.5` `true` `false` `null`	小写是 `True` / `False` / `None`

3.1 四个函数，两两配对

函数	作用	记法
`json.dumps(对象)`	Python 对象 → JSON 字符串	dump string：转成字符串
`json.loads(字符串)`	JSON 字符串 → Python 对象	load string：从字符串读
`json.dump(对象, 文件)`	Python 对象 → 写进文件	直接落盘
`json.load(文件)`	从文件 → Python 对象	从文件读

Python

import json

data = {'name': '小满', 'score': 92, 'courses': ['数学', '英语']}

text = json.dumps(data, ensure_ascii=False)
print(text)

back = json.loads(text)
print(back)
print('读回来还是字典吗：', type(back).__name__)
print('取出成绩：', back['score'])

输出：

输出

{"name": "小满", "score": 92, "courses": ["数学", "英语"]}
{'name': '小满', 'score': 92, 'courses': ['数学', '英语']}
读回来还是字典吗： dict
取出成绩： 92

3.2 `ensure_ascii=False` 是关键

上面第二个参数如果省掉，中文会变成一堆 \u… 编码，人能看但很难读：

Python

import json

data = {'name': '小满'}
print('默认：', json.dumps(data))
print('加参数：', json.dumps(data, ensure_ascii=False))

输出：

输出

默认： {"name": "\u5c0f\u6ee1"}
加参数： {"name": "小满"}

两种都能被 loads() 正确读回来，功能没问题。但存给学生看的文件、或者要拿给人检查的文件，一定加上 ensure_ascii=False。

3.3 存在文件里

Python

import json, pathlib, tempfile

work = pathlib.Path(tempfile.mkdtemp())
f = work / 'scores.json'
data = {'班级': '统计一班', '成绩': [92, 78, 85]}

# 存：dump(obj, 文件) —— 注意别写成 dumps 再自己写字符串
f.write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding='utf-8')
print(f.read_text(encoding='utf-8'))

# 读：load(文件)
back = json.loads(f.read_text(encoding='utf-8'))
print('读回来的成绩：', back['成绩'])

输出：

Python

{
  "班级": "统计一班",
  "成绩": [
    92,
    78,
    85
  ]
}
读回来的成绩： [92, 78, 85]

indent=2 让 JSON 带缩进换行，人看着舒服、改起来方便；机器读不需要缩进。给人和给机器，选一个就行——数据量大时缩进会让文件明显变大。

3.4 不是所有东西都能转成 JSON

Python

import json
print(json.dumps({1, 2, 3}))   # 集合

运行后会报错（逐字照抄解释器）：

报错

TypeError: Object of type set is not JSON serializable

能转的只有这几种：字典、列表、字符串、整数、小数、布尔、None。像集合、函数、自定义对象都转不了。元组会被转成列表（读回来时是列表，不再是元组）——这一点写程序时要留意。

课程思政｜工匠精神与严谨求实 · 少一个引号，别人就读不了

JSON 只认双引号、不允许多余的逗号，规矩看着苛刻，可正是这份严格，换来了它在几乎所有语言之间都能通用。写数据也是这个道理：把一份结果存成 JSON 交给别人，格式上每一处将就，最后都得别人替你还。养成存完就用 json.loads() 试读一遍的习惯，比事后回头翻找省事得多。

四、表格格式：`csv`、`tsv` 与 `xlsx`

如果数据本来就是「一张表」，每行一条记录、每列一个字段，那 CSV（逗号分隔值）最合适。它的好处是：纯文本、体积小、Excel 双击就能打开、几乎所有数据分析工具都认。

一个 CSV 文件用记事本打开，长这样（三个字段、两条记录）：

姓名	分数	班级
小满	92	统计一班
阿禾	78	统计一班

它在磁盘上的原始文字其实是这样一行行的，字段之间真的就是一个英文逗号：

姓名,分数,班级小满,92,统计一班阿禾,78,统计一班

4.1 读：`csv.reader()` 用下标取

Python

import csv, io

text = '姓名,分数\n小满,92\n阿禾,78\n'
for row in csv.reader(io.StringIO(text)):
    print(row)

输出：

输出

['姓名', '分数']
['小满', '92']
['阿禾', '78']

每一行是一个列表，按位置取（row[0] 是姓名、row[1] 是分数）。列一多，这种写法就容易数错。

4.2 读：`csv.DictReader()` 用字段名取

Python

import csv, io

text = '姓名,分数\n小满,92\n阿禾,78\n'
for row in csv.DictReader(io.StringIO(text)):
    print(row)
    print('这位同学是：', row['姓名'])

输出：

输出

{'姓名': '小满', '分数': '92'}
这位同学是： 小满
{'姓名': '阿禾', '分数': '78'}
这位同学是： 阿禾

每一行是一个字典，用第一行当字段名。推荐用这种：代码可读性好，以后列顺序变了也不受影响。

4.3 写：`csv.writer()`

Python

import csv, io

buf = io.StringIO()
w = csv.writer(buf)
w.writerow(['姓名', '分数'])
w.writerow(['小满', 92])
w.writerow(['阿禾', 78])
print('磁盘上真正的文字：')
print(buf.getvalue())

输出：

输出

磁盘上真正的文字：
姓名,分数
小满,92
阿禾,78

用 open() 配合 csv 读写文件时，必须写 newline=''：
open('a.csv', 'w', encoding='utf-8', newline='')
漏掉它，Windows 上每写一行会多出一个空行（因为 csv 自己写的换行和 open 的换行叠加了）。这是 csv 最经典的坑。

4.4 真正读写文件的标准写法

Python

import csv, pathlib, tempfile

work = pathlib.Path(tempfile.mkdtemp())
f = work / 'scores.csv'
rows = [['姓名', '分数'], ['小满', 92], ['阿禾', 78]]

# 写：newline='' 一定不能少
with open(f, 'w', encoding='utf-8', newline='') as fp:
    csv.writer(fp).writerows(rows)

# 读：用 DictReader，按字段名取值
with open(f, 'r', encoding='utf-8', newline='') as fp:
    for row in csv.DictReader(fp):
        print(row['姓名'], '的分数是', row['分数'], '（类型：' + type(row['分数']).__name__ + '）')

输出：

输出

小满 的分数是 92 （类型：str）
阿禾 的分数是 78 （类型：str）

注意最后那个类型：读进来的分数是字符串 '92'，不是数字 92。要参与计算必须先转：int(row['分数'])。这一点和 input() 收到的一律是文字是同一个道理。

存给 Excel 用的 CSV，编码建议写 utf-8-sig（带 BOM）：encoding='utf-8-sig'。这样 Excel 打开中文不会乱码。读的时候用 utf-8 或 utf-8-sig 都能读。

4.5 csv 之外，Excel 还能打开哪些格式

别再以为「Excel 文件」只有一种。同样是 Excel 能双击打开的表格，后缀不同，里面的东西差得很远：

后缀	里面到底是什么	标准库能读写吗	什么时候用
`.csv`	纯文本，字段之间用逗号隔开	能，用 `csv`	数据交换、导给别的软件——最通用
`.txt` / `.tsv`	纯文本，字段之间用制表符隔开	能，还是用 `csv`（换个分隔符）	内容里本来就带逗号，或者习惯按 Tab 分列
`.xlsx`	不是文本：一个 zip 压缩包，里面装着一堆 XML	不能，要装第三方库	正式报表，要保留格式 / 公式 / 多个工作表
`.xls`	老版本 Excel 的二进制格式	不能，要装第三方库	只有老系统还在用，新表一律别用它

一句话记住：能用记事本打开、看得懂的是纯文本（csv / tsv），标准库全包；用记事本打开全是乱码的是二进制（xlsx / xls），必须请第三方库出场。

想读 .xlsx？要装 openpyxl 或 pandas，写法在第十节 10.3。这一节先把「纯文本表格」练熟——它是所有软件都认的「通用货币」。

4.6 分隔符不一定是逗号

CSV 的 C 是 comma（逗号），但只要换个分隔符，同一个 csv 模块也能写出「制表符分隔」的 .tsv——Excel 照样双击能开：

Python

import csv, io

buf = io.StringIO()
w = csv.writer(buf, dialect='excel-tab')     # 用制表符代替逗号
w.writerow(['姓名', '分数'])
w.writerow(['小满', 92])
w.writerow(['阿禾', 78])
print(repr(buf.getvalue()))

输出：

输出

'姓名\t分数\r\n小满\t92\r\n阿禾\t78\r\n'

看仔细：字段之间变成了 \t（制表符，就是键盘上那个 Tab），每行结尾是 \r\n。这两个都是「看不见的字符」，所以在 Python 里要用 repr() 打印，才能把它们看清楚。

拿到一份别人给的表，不知道是逗号分隔还是制表符分隔怎么办？让 csv 自己看：

Python

import csv

texts = [
    '姓名,分数\n小满,92\n阿禾,78\n小鹿,85\n',
    '姓名\t分数\n小满\t92\n阿禾\t78\n小鹿\t85\n',
]
for t in texts:
    dialect = csv.Sniffer().sniff(t)
    print('这一份用的分隔符是：', repr(dialect.delimiter))

输出：

输出

这一份用的分隔符是： ','
这一份用的分隔符是： '\t'

csv.Sniffer() 就是「探测器」：给它一段内容，它替你猜分隔符。数据来源杂的时候很好用，比自己写 if ',' in line 靠谱。

五、`datetime`：日期与时间

给数据加时间戳、算「距今多少天」、把时间显示成指定格式，都要用 datetime。它里面最常用的四个东西：

名字	是什么	例子
`datetime.datetime`	日期 + 时间	`2026-10-04 19:30:00`
`datetime.date`	只有日期	`2026-10-04`
`datetime.timedelta`	一段时间（几天几小时）	`timedelta(days=10)`
`datetime.now()`	取当前时间（每次都不一样）	—

5.1 造一个时间、显示成你要的样子

为了输出可重复，下面用一个固定的时间点当例子；真实代码里写 datetime.now() 就行。

Python

from datetime import datetime

d = datetime(2026, 10, 4, 19, 30, 0)
print('原样：', d)
print('自定义格式：', d.strftime('%Y年%m月%d日 %H:%M'))
print('只要日期：', d.strftime('%Y-%m-%d'))
print('星期几：', d.strftime('%A'))

输出：

输出

原样： 2026-10-04 19:30:00
自定义格式： 2026年10月04日 19:30
只要日期： 2026-10-04
星期几： Sunday

strftime 里的格式符号是最需要记的一小块：

符号	含义	例子输出
`%Y`	四位年份	`2026`
`%m`	两位月份	`10`
`%d`	两位日期	`04`
`%H` / `%M` / `%S`	时 / 分 / 秒（24 小时制）	`19` `30` `00`
`%A`	星期几（英文）	`Sunday`

5.2 把字符串变成时间：`strptime`

Python

from datetime import datetime

d = datetime.strptime('2026-10-04', '%Y-%m-%d')
print(d)
print('类型：', type(d).__name__)
print('年份：', d.year)

输出：

输出

2026-10-04 00:00:00
类型： datetime
年份： 2026

strftime 和 strptime 只差一个字母，方向刚好相反，是新手最容易记混的一对：

函数	方向	记法
`strftime`	时间对象 → 字符串	format：去格式化
`strptime`	字符串 → 时间对象	parse：去解析

5.3 算日期：`timedelta`

Python

from datetime import date, timedelta

d = date(2026, 10, 4)
print('十天后：', d + timedelta(days=10))
print('一周前：', d - timedelta(weeks=1))
print('相差几天：', (date(2026, 10, 4) - date(2026, 10, 1)).days)

输出：

输出

十天后： 2026-10-14
一周前： 2026-09-27
相差几天： 3

两个日期相减得到 timedelta，取 .days 就是天数；日期加减 timedelta 得到新日期。月份、闰年、跨年这些麻烦事它都替你算好了，千万不要自己用 30 天当一个月。

AI 助手小贴士｜标准库几十个模块，先让 AI 帮你挑最常用的三个上手。

打开任意 AI 对话工具（网页版或 App 都可以），试试这样问：从 os、datetime、json、random、math、time 里挑 3 个初学者最常用的，各给一个能直接跑的最小例子

六、`statistics`：描述性统计一次算全

statistics 是标准库自带的「统计小工具」，专门算平均数、中位数、众数、标准差这些指标。做数据分析，第一步就是把数字算对——这一节把描述性统计常用的指标过一遍，能算的都算给你看。

6.1 四个最常用的指标

Python

import statistics

scores = [88, 92, 79, 95, 61]

print('平均分：', statistics.mean(scores))
print('中位数：', statistics.median(scores))
print('标准差：', round(statistics.stdev(scores), 2))
print('最高分：', max(scores))

输出：

输出

平均分： 83
中位数： 88
标准差： 13.69
最高分： 95

四个词的区别：mean 是全部加起来再平均；median 是从小到大排在正中间的那个；stdev 是标准差，衡量分数「散不散」，越小越整齐；mode 是出现次数最多的那个。

函数	算什么	什么时候用
`statistics.mean(x)`	平均值	大家都差不多时，最直观
`statistics.median(x)`	中位数	数据里有极端值（有人考 0 分、有人收入特别高）
`statistics.mode(x)`	众数	分类数据：哪种最受欢迎
`statistics.stdev(x)`	标准差	比较两队稳不稳定

6.2 描述性统计，看四类指标

「描述性统计」听着唬人，其实就是用几个数字把一堆数据的样子说清楚。这些数字分四类，各回答一个问题：

类别	回答什么问题	代表指标
集中趋势	数据的「平均水平」在哪	平均值、中位数、众数
离散程度	数据散不散、稳不稳定	极差、方差、标准差、变异系数
分布位置	数据从哪到哪、怎么分布	最小值、最大值、四分位数、四分位距
变量间关系	两组数据有没有一起变	相关系数、回归直线

下面按这个顺序一个一个试。所有例子用的都是同一组十位同学的分数，方便前后对照。

6.3 集中趋势：平均数不止一种

Python

import statistics

scores = [88, 92, 79, 95, 61, 84, 90, 73, 100, 0]

print('平均值：', statistics.mean(scores))
print('中位数：', statistics.median(scores))
print('下中位数：', statistics.median_low(scores))
print('上中位数：', statistics.median_high(scores))

输出：

输出

平均值： 76.2
中位数： 86.0
下中位数： 84
上中位数： 88

十个数是偶数个，「正中间」落在第 5 个（84）和第 6 个（88）之间：median 取两者的平均 86.0，median_low 取靠下的 84，median_high 取靠上的 88。要求「结果本身就在数据里」（比如「中位数同学考了多少分」），就用 low / high。

还有两种平均数专门对付特殊场景。看增长率用几何平均；看速度、单价这种「每段总量相同」的用调和平均：

Python

import statistics

# 连续三年的增长率：1.10 表示比上一年涨 10%
growth = [1.10, 0.95, 1.20]
print('几何平均（平均增长率）：', round(statistics.geometric_mean(growth), 4))

# 来回两趟路程一样，去时 60、回时 40，平均速度是多少？
print('调和平均（平均速度）：', statistics.harmonic_mean([60, 40]))

输出：

输出

几何平均（平均增长率）： 1.0784
调和平均（平均速度）： 48.0

平均速度是 48 不是 50——很多人第一次见到会愣一下：慢的那一趟花的时间更久，所以它拖得更狠。不能把 60 和 40 加起来除以 2。

最常见的一种是加权平均：期末总评 = 平时分 30% + 期末考 70%，权重不一样，就不能简单平均。标准库用 fmean() 的 weights 参数：

Python

import statistics

# 总评 = 平时分 30% + 期末考 70%
usual = [85, 90, 78]
final = [80, 95, 70]

for i, (u, f) in enumerate(zip(usual, final), 1):
    total = round(statistics.fmean([u, f], weights=[0.3, 0.7]), 1)
    print(f'第 {i} 位同学总评：', total)

输出：

输出

第 1 位同学总评： 81.5
第 2 位同学总评： 93.5
第 3 位同学总评： 72.4

拿第 1 位核对：85 × 0.3 + 80 × 0.7 = 81.5。权重是「乘完再除以权重之和」，所以 [0.3, 0.7] 和 [3, 7] 算出来完全一样，写小数还是写整数都不影响结果。

最后是众数——看谁出现次数最多。分类数据（奶茶口味、专业、血型）没有「平均」，就靠它：

Python

import statistics

votes = ['珍珠奶茶', '珍珠奶茶', '柠檬茶', '柠檬茶', '椰子水']

print('众数：', statistics.mode(votes))
print('并列最多的所有选项：', statistics.multimode(votes))
print('一共有几种选择：', len(set(votes)))

输出：

输出

众数： 珍珠奶茶
并列最多的所有选项： ['珍珠奶茶', '柠檬茶']
一共有几种选择： 3

注意 mode() 只给一个（并列时给最先进来的那个），multimode() 会把并列的都给出来。想说「哪几种口味都受欢迎」，用 multimode() 才诚实。

6.4 平均数会骗人，中位数不会

Python

import statistics

# 全班 9 人都考得不错，只有一位同学交了白卷
scores = [88, 92, 79, 95, 61, 84, 90, 73, 100, 0]

print('平均分：', round(statistics.mean(scores), 1))
print('中位数：', statistics.median(scores))

输出：

输出

平均分： 76.2
中位数： 86.0

平均分 76.2、中位数 86.0，差了将近 10 分。原因就是那个 0 分——它把平均值往下拽，却几乎动不了中位数。看到「平均」先别急着信，问一句「有没有极端值」，再把中位数一起算出来。

6.5 离散程度：数据散不散

两个班平均分都是 80：一个班人人 75~85，另一个班一半 100 一半 60——「水平」一样，「整齐程度」差远了。衡量「散不散」的指标有好几个：

Python

import statistics

scores = [88, 92, 79, 95, 61, 84, 90, 73, 100, 0]

print('极差（最大减最小）：', max(scores) - min(scores))
print('样本方差：', round(statistics.variance(scores), 2))
print('总体方差：', round(statistics.pvariance(scores), 2))
print('样本标准差：', round(statistics.stdev(scores), 2))
print('总体标准差：', round(statistics.pstdev(scores), 2))
print('变异系数：', round(statistics.stdev(scores) / statistics.mean(scores), 4))

输出：

输出

极差（最大减最小）： 100
样本方差： 846.18
总体方差： 761.56
样本标准差： 29.09
总体标准差： 27.6
变异系数： 0.3817

指标	怎么算	什么时候用
极差	最大值 − 最小值	最快看一眼「跨度多大」，但中间的人差多少完全看不出来
方差	每个数离平均值的差，平方后再平均	数学上最常用，可单位是「平方分」，不好解释
标准差	方差开平方	和原数据同单位，「平均偏离多少分」，最好解释
变异系数	标准差 ÷ 平均值	两组数据量级不同时，比谁更「散」

为什么会有「样本 / 总体」两套？手上这组数就是全部（比如全班就这十个人）→ 用带 p 的那套；只是从更大的一群里抽出来的样本 → 用不带 p 的那套。样本方差 846.18 比总体方差 761.56 大一点，就是因为它分母上除以 n-1 而不是 n。数据越少，两者差得越明显。

6.6 分布位置：分位数与五数概括

只看最大值最小值太粗糙——中间的人过得怎么样？把数据排好队、切成几段来看，就是分位数：

Python

import statistics

scores = [88, 92, 79, 95, 61, 84, 90, 73, 100, 0]

q1, q2, q3 = statistics.quantiles(scores, n=4)
print('Q1 下四分位：', q1)
print('Q2 中位数：', q2)
print('Q3 上四分位：', q3)
print('四分位距 IQR：', round(q3 - q1, 2))
print('五数概括：', min(scores), '/', q1, '/', q2, '/', q3, '/', max(scores))

输出：

输出

Q1 下四分位： 70.0
Q2 中位数： 86.0
Q3 上四分位： 92.75
四分位距 IQR： 22.75
五数概括： 0 / 70.0 / 86.0 / 92.75 / 100

n=4 表示切成四段，返回三个切点。Q2 永远等于中位数，可以拿它自检。Q1 = 70 读作「约 25% 的人低于 70 分」，Q3 = 92.75 读作「约 75% 的人低于 92.75 分」。

Q3 − Q1 叫四分位距（IQR），它只看中间那 50% 的人，所以完全不受极端值影响——上面这组的极差是 100（有个 0 分），听着吓人；四分位距只有 22.75，说明「大部分同学的差距」其实没那么夸张。最小、Q1、中位数、Q3、最大这五个数合起来叫五数概括，画箱线图用的就是它。

6.7 变量之间的关系：相关与回归

前面都在描述「一组数据」，最后看「两组数据之间有没有关系」。比如：平时练得多的同学，期末是不是考得更好？

Python

import statistics

# 平时练习次数 vs 期末成绩
practice = [2, 3, 5, 6, 8, 9, 11, 12]
final = [55, 61, 68, 70, 78, 82, 88, 95]

print('相关系数 r：', round(statistics.correlation(practice, final), 3))

slope, intercept = statistics.linear_regression(practice, final)
print('回归直线：成绩 =', round(slope, 2), '× 练习次数 +', round(intercept, 2))
print('照这条线，练 10 次大概能考：', round(slope * 10 + intercept, 1))

输出：

输出

相关系数 r： 0.996
回归直线：成绩 = 3.74 × 练习次数 + 48.45
照这条线，练 10 次大概能考： 85.8

correlation() 给的是相关系数 r，永远落在 -1 到 1 之间：

r 的值	怎么读
接近 1	一个变大，另一个也跟着变大（正相关）
接近 -1	一个变大，另一个反而变小（负相关）
接近 0	看不出线性关系

0.996 已经非常接近「一条直线」，说明这 8 个人里，练习次数和成绩几乎同步变化。

linear_regression() 返回斜率和截距，也就是那条最贴合的直线。斜率 3.74 读作「多练一次，成绩平均提高约 3.74 分」。

两个新手最容易踩的坑：
① 相关不等于因果。r 高只说明「一起变」，不说明「因为练了所以考好」——也可能两者都是「学习态度好」的结果。
② 别往外推。这条线是用 2~12 次的数据拟合出来的，拿它预测「练 100 次能考 422 分」就荒唐了（满分才 100）。回归线只在数据的范围内用才靠谱。

6.8 指标速查表

把上面所有指标收成四张表，忘了就回来查。左边三个字母开头的 p，都表示「这组数就是全体」。

① 集中趋势（数据水平在哪）

指标	函数	一句话说明
算术平均	`mean(x)`	总和 ÷ 个数，最常用
算术平均（更快）	`fmean(x)`	总是返回小数；数据多时更快
加权平均	`fmean(x, weights=w)`	「平时分 30% + 期末 70%」这种
中位数	`median(x)`	排队后正中间那个，抗极端值
下 / 上中位数	`median_low(x)` / `median_high(x)`	偶数个数据时，取靠下 / 靠上的那一个
分组中位数	`median_grouped(x)`	数据本来就是分组区间时用
众数	`mode(x)` / `multimode(x)`	出现次数最多 / 并列最多的全部
几何平均	`geometric_mean(x)`	连乘场景：增长率、比率
调和平均	`harmonic_mean(x)`	平均速度、平均单价这类「每份总量相同」的场合

② 离散程度（数据散不散）

指标	函数	一句话说明
极差	`max(x) - min(x)`	最大减最小，最粗的「散不散」
样本方差	`variance(x)`	偏离平均值的平方的平均（除以 n-1）
总体方差	`pvariance(x)`	同上，但这组数就是全体（除以 n）
样本标准差	`stdev(x)`	方差开方，和原数据同单位，最好解释
总体标准差	`pstdev(x)`	同上，数据就是全体时用
变异系数	`stdev(x) / mean(x)`	量级不同的两组数据比离散程度

③ 分布位置（数据从哪到哪）

指标	函数	一句话说明
最小 / 最大	`min(x)` / `max(x)`	数据的两个端点
分位数	`quantiles(x, n=4)`	切成 n 段的切点；`n=4` 是四分位，`n=10` 是十分位
四分位距 IQR	`q3 - q1`	中间 50% 的人跨多大，抗极端值

④ 变量间关系（两组数据一起变吗）

指标	函数	一句话说明
相关系数	`correlation(x, y)`	-1 到 1，两条数据一起变的程度
回归直线	`linear_regression(x, y)`	返回（斜率, 截距），用来做预测
协方差	`covariance(x, y)`	相关的「未标准化版」，单位跟着数据走
偏度	标准库没有	数据往哪边歪 → 用 `pandas` 的 `Series.skew()`
峰度	标准库没有	数据尖不尖、尾巴厚不厚 → 用 `pandas` 的 `Series.kurt()`

想画分布、算正态概率，statistics 里还有 NormalDist（正态分布）和 kde（核密度），已经属于概率的范畴，等用到再翻。

statistics 只吃数字：拿空列表求平均会报 StatisticsError: mean requires at least one data point，只有一个数求标准差会报 StatisticsError: stdev requires at least two data points。算之前先确认「手里有几个数」。

课程思政｜诚实与批判性思维 · 别只挑一个对自己有利的数

同一份数据，换个指标就能讲出不一样的故事：想说「我们班考得好」就报中位数，想说「我们班退步了」就报平均分。指标本身没有对错，只报一个、不说明口径，才是问题。将来你写报告、做汇报，数字怎么算、为什么这么算，都要经得起别人追问一句「这个数是怎么来的」。

七、`random`：抽样与可复现

random 的基础用法在《12-time库与random库》里已经讲过。本节只补做数据分析时才会用到的两个点：抽样、造模拟数据——以及让它们可复现。

7.1 随机抽几个人来检查

Python

import random

random.seed(42)          # 固定种子：以后每次跑，结果都一模一样
names = ['小满', '阿禾', '小鹿', '乐乐', '果果', '小北']

print('抽查 2 人：', random.sample(names, 2))
print('每天卖出的杯数：', [random.randint(40, 90) for _ in range(5)])

输出：

输出

抽查 2 人： ['小北', '小满']
每天卖出的杯数： [41, 87, 57, 55, 54]

random.seed(42) 是这一节的关键：种子一样，抽出来的名单和数字永远一样。你交上去的作业、写进报告的数字，别人照着跑能得到完全相同的结果，这才叫「可复现」。

7.2 没有数据？先造一批「看起来像真的」

Python

import random

random.seed(7)
# gauss(平均值, 标准差)：造一批符合正态分布的模拟数据
print('模拟 6 位同学的分数：', [round(random.gauss(78, 10)) for _ in range(6)])

输出：

输出

模拟 6 位同学的分数： [75, 83, 76, 75, 69, 76]

random.gauss(平均值, 标准差) 生成的是正态分布的随机数：大部分落在平均值附近，越往两边越少。成绩、身高、销量大多是这个形状。真实数据还没拿到时，先用它造一批来练，代码就能先跑通。

忘了写 seed()，每次跑的结果都不一样，「贴出来给别人看」的输出自然对不上。规矩很简单：凡是要写进报告、作业、教程的随机结果，前面都先加一行 random.seed(数字)。

八、`time`：时间戳与给代码计时

time 在《12-time库与random库》里讲过让程序等一下（sleep）和格式化日期。做数据分析时，它还常用来干两件事：给数据盖上时间戳、给代码计时。

8.1 时间戳：给数据记上「什么时候存的」

Python

import time

now = time.time()          # 现在的时间戳：一个浮点数
stamp = 1735689600         # 一个具体的时间戳

print('时间戳的类型：', type(now))
print('这个时间戳对应：', time.strftime('%Y-%m-%d %H:%M', time.gmtime(stamp)))

输出：

输出

时间戳的类型： <class 'float'>
这个时间戳对应： 2025-01-01 00:00

注意 gmtime() 按 UTC（零时区）换算，比北京时间少 8 小时：这个时间戳对应的北京时间是 2025-01-01 08:00。想要手机上的本地时间，把 gmtime 换成 time.localtime() 就行，时间戳本身不变。

时间戳就是「从 1970-01-01 00:00 起过了多少秒」，本质是一个数字。存数据时一律存时间戳，要给人看时再用 strftime 转成日期——这样跨时区、换电脑都不会乱。

8.2 给代码计时：用 `perf_counter()`

Python

import time

t0 = time.perf_counter()
total = sum(range(1000001))
t1 = time.perf_counter()

print('1 加到 100 万：', total)
print('耗时不到 1 秒：', t1 - t0 < 1)

输出：

Python

1 加到 100 万： 500000500000
耗时不到 1 秒： True

套路就三步：开始前记一次 t0、干完活记一次 t1、两个一减就是耗时。为什么用它而不是 time()？perf_counter() 精度更高，也不受「系统时间被人调过」的影响。数据多到跑不动时，就靠它找出到底是哪一段慢。

具体秒数每次跑都不一样（换台电脑差得更多），所以上面那段只判断「有没有超过 1 秒」，页面里也就不写具体数字。计时结果别当作固定结论写进报告，真要写就写「约 0.0x 秒」，并注明是在什么机器上测的。

常用函数	管什么
`time.time()`	现在的时间戳（浮点数，单位秒）
`time.perf_counter()`	高精度计时器，专门用来量「跑了多久」
`time.sleep(秒)`	让程序停一会儿（做倒计时、控制请求频率）
`time.gmtime(时间戳)`	把时间戳拆成年月日时分秒
`time.strftime(格式, 时间)`	格式化成能看懂的日期字符串

九、`collections` 与 `itertools`：数数、分组、组合

最后两个「顺手工具」。它们不是非用不可，但用上之后，很多绕来绕去的循环会短一大截。

9.1 `Counter`：自动数谁出现得最多

Python

from collections import Counter, defaultdict

orders = ['珍珠奶茶', '椰果奶茶', '珍珠奶茶', '柠檬茶', '珍珠奶茶']

print('点单排行：', Counter(orders).most_common())

# defaultdict(int)：分类累加时不用先问「这个键在不在」
spend = defaultdict(int)
for item, price in [('奶茶', 12), ('奶茶', 15), ('炸鸡', 25)]:
    spend[item] += price
print('分类合计：', dict(spend))

输出：

输出

点单排行： [('珍珠奶茶', 3), ('椰果奶茶', 1), ('柠檬茶', 1)]
分类合计： {'奶茶': 27, '炸鸡': 25}

Counter 是「会自动数数的字典」：塞进去一串东西，它直接告诉你每样出现了几次，most_common() 还会按次数从多到少排好——词频统计、投票、点单排行都是它。defaultdict(int) 则是「分类累加」的省事写法：不用先判断键在不在，直接 spend[item] += price。第 26 篇《文件处理》的词频案例用的就是 Counter。

9.2 `itertools`：组合、排列交给它

Python

from itertools import combinations

# 三个人两两握手，一共几次？——组合枚举
people = ['小满', '阿禾', '小鹿']

print('两两一组：', list(combinations(people, 2)))

输出：

输出

两两一组： [('小满', '阿禾'), ('小满', '小鹿'), ('阿禾', '小鹿')]

自己写两层嵌套循环算组合也能算，但容易写错、还容易漏。常用的几个：combinations(列表, k) 取组合（不管顺序）、permutations(列表, k) 取排列（管顺序）、chain(a, b) 把两串接成一串、product(a, b) 出笛卡尔积（比如「尺码 × 颜色」的所有搭配）。

十、再往前一步：`numpy` / `pandas` / `openpyxl` / `matplotlib`

前面九节用的都是「装好就有」的标准库。真做数据分析，还会碰上几个名字：numpy、pandas、matplotlib，还有专门读写 Excel 的 openpyxl。它们不是标准库，要自己装（第 11 篇《导入库的方法》讲过「标准库 vs 第三方库」的区别）。

库	管什么	什么时候该上它
`numpy`	一整列数字一起算（数组、矩阵）	数据几千几万行，逐行循环太慢
`pandas`	带行列名的表格（DataFrame）	要按列筛、按班级分组、做汇总
`matplotlib`	画图：折线、柱状、散点	要把结果画出来给人看
`openpyxl`	读写 Excel 的 `.xlsx` 文件	别人发来的表格是 `.xlsx`，导出的报表也要 `.xlsx`

装它们，在终端里执行这一行（虚拟环境的做法见第 27 篇《模块与包》第八节，建议装进项目自己的环境里）：

命令

pip install numpy pandas matplotlib openpyxl

下面几段的首行都写了 # 示意——它们本身就是标准 Python 代码，只是要先装库才能跑，所以这里只讲「长什么样、好在哪」，不贴具体输出。

10.1 `numpy`：整个数组一起算

Python

# 示意：要先 pip install numpy 才能跑
import numpy as np

scores = np.array([88, 92, 79, 95, 61])
print(scores.mean())
print(scores + 5)          # 每个元素一起加 5

卖点是「整个数组一起算」：scores + 5 表示每个元素都加 5，不用写循环；scores.mean() 直接出平均分。数据到几万行时，「用不用 numpy」就是「跑得动」和「跑不动」的区别。

10.2 `pandas`：像 Excel 一样的表格

Python

# 示意：要先 pip install pandas 才能跑
import pandas as pd

df = pd.read_csv('scores.csv')
print(df.groupby('班级')['总分'].mean())

同一件活，标准库写法和 pandas 写法差多少，放在一起就看清了：

要干的事	标准库写法	pandas 写法
读一张 csv	`csv.DictReader(文件对象)`	`pd.read_csv('scores.csv')`
某一列求平均	`statistics.mean([int(r['总分']) for r in rows])`	`df['总分'].mean()`
按班级分组求平均	循环＋ `defaultdict(list)` ＋ `mean`	`df.groupby('班级')['总分'].mean()`
某一列求和	`sum(int(r['总分']) for r in rows)`	`df['总分'].sum()`
排个名	`sorted(rows, key=..., reverse=True)`	`df.sort_values('总分', ascending=False)`
画一张柱状图	标准库画不了	`df['总分'].plot.bar()`

10.3 `openpyxl` / `pandas`：读写 Excel 的 `.xlsx`

第四节说过：.csv 是纯文本，标准库就能读写；.xlsx 不行——它本质是个 zip 压缩包，标准库解析不了。要处理它，装 openpyxl：

Python

# 示意：要先 pip install openpyxl 才能跑
import openpyxl

wb = openpyxl.load_workbook('成绩单.xlsx')       # 打开整个工作簿
ws = wb['统计一班']                              # 选中一张工作表
for row in ws.iter_rows(min_row=2, values_only=True):
    print(row)                                   # 每行一个元组

三个概念对上就能用了：工作簿（整个 .xlsx 文件）→ 工作表（底下那排标签页）→ 单元格。iter_rows() 一行一行往下走，min_row=2 跳过表头，values_only=True 表示只要值、不要单元格对象。

Python

# 示意：要先 pip install openpyxl 才能跑
import openpyxl

wb = openpyxl.Workbook()                 # 新建一个空工作簿
ws = wb.active                           # 用它默认那张工作表
ws.append(['姓名', '分数'])               # append 一整行
ws.append(['小满', 92])
ws.append(['阿禾', 78])
wb.save('新成绩单.xlsx')                  # 存盘

装了 pandas 就更省事，读写各一行，而且直接给你 DataFrame：

Python

# 示意：要先 pip install pandas openpyxl 才能跑
import pandas as pd

df = pd.read_excel('成绩单.xlsx', sheet_name='统计一班')
print(df.head())
df.to_excel('汇总.xlsx', index=False)     # index=False：别把行号也写进表里

pandas 自己并不解析 Excel，它是在背后调 openpyxl（读 .xlsx）或 xlrd（读老的 .xls）。所以「read_excel 报缺库」，要装的是 openpyxl，不是 pandas 本身。

10.4 `matplotlib`：把结果画出来

Python

# 示意：要先 pip install matplotlib 才能跑
import matplotlib.pyplot as plt

plt.plot(['一', '二', '三', '四'], [12, 15, 9, 18])
plt.title('一周奶茶销量')
plt.show()

跑完会弹出一张折线图。三步记住就行：plot() 给数据点、title() 起名字、show() 显示出来。中文标题如果显示成一串方框，就指定一下中文字体（Mac 用 Heiti TC，Windows 用 SimHei）。

这三个库都装在你自己这台电脑上：机房、考试电脑不一定有，别人拿到你的代码也得先装一遍。所以——能用标准库算清楚就先用手里的标准库，数据大到算不动、或者要画图，再上它们。标准库永远是保底的那一套。

建议路线：先用 csv ＋ statistics 把「读数据 → 算指标 → 出报表」整条路走通（第十一节就是这件事），再上 pandas。一上手就用 pandas，很容易连「数据到底长什么样、每个字段什么意思」都没看清。

AI 助手小贴士｜标准库写法 ↔ pandas 写法，最适合对照着学。

打开任意 AI 对话工具（网页版或 App 都可以），试试这样问：把下面这段用 csv 和 statistics 写的统计代码改成 pandas 写法，并逐行标注两边的对应关系：<贴上你的代码>

十一、合起来用：一份会自己记日期的成绩表

把前面学的串一条线：用 pathlib 管路径、csv 存表格、datetime 记时间、json 存汇总。

Python

# 文件：save_scores.py
import csv, json
from datetime import datetime
from pathlib import Path

def save(folder, scores):
    folder = Path(folder)
    folder.mkdir(parents=True, exist_ok=True)

    # 1) 明细存成 csv，Excel 能直接打开
    csv_path = folder / 'scores.csv'
    with open(csv_path, 'w', encoding='utf-8-sig', newline='') as fp:
        w = csv.writer(fp)
        w.writerow(['姓名', '分数'])
        w.writerows(scores)

    # 2) 汇总存成 json，带生成时间
    total = sum(s for _, s in scores)
    summary = {
        '生成时间': datetime.now().strftime('%Y-%m-%d %H:%M'),
        '人数': len(scores),
        '平均分': round(total / len(scores), 1),
    }
    json_path = folder / 'summary.json'
    json_path.write_text(
        json.dumps(summary, ensure_ascii=False, indent=2), encoding='utf-8')

    return csv_path, json_path

用法和效果：

Python

import csv, json, pathlib, tempfile
from pathlib import Path

work = Path(tempfile.mkdtemp())
scores = [('小满', 92), ('阿禾', 78), ('小鹿', 85)]

# 写明细
csv_path = work / 'scores.csv'
with open(csv_path, 'w', encoding='utf-8-sig', newline='') as fp:
    w = csv.writer(fp)
    w.writerow(['姓名', '分数'])
    w.writerows(scores)

# 写汇总
total = sum(s for _, s in scores)
summary = {'人数': len(scores), '平均分': round(total / len(scores), 1)}
(work / 'summary.json').write_text(
    json.dumps(summary, ensure_ascii=False, indent=2), encoding='utf-8')

# 再读回来验证一遍
with open(csv_path, 'r', encoding='utf-8', newline='') as fp:
    rows = list(csv.DictReader(fp))
print('从 csv 读回', len(rows), '条记录')
print('第一条：', rows[0])
print('从 json 读回：', json.loads((work / 'summary.json').read_text(encoding='utf-8')))

输出：

输出

从 csv 读回 3 条记录
第一条： {'\ufeff姓名': '小满', '分数': '92'}
从 json 读回： {'人数': 3, '平均分': 85.0}

这一套「写出去能被人打开、读回来能继续算」的模式，就是实际项目里最常用的数据落地方式。

需求	选哪个	原因
要给人看、要能用 Excel 打开	csv	表格结构，双击就开
要存复杂的嵌套结构	json	能装字典套列表
只存一行行纯文本	直接读写 txt	最简单，第 26 篇讲过
要给数据加时间标记	datetime	格式化 + 算差值

课程思政｜数据安全与法治素养 · 会落地，也要会看管

这一节把 pathlib、csv、datetime、json 串成一条线，让一份成绩表既能存下来，又能读回来接着算。工具顺手了，责任也跟着来了：同学的成绩、联系方式都属于个人信息，能随手续写，不等于能随便留存和传阅。自己练手就用脱敏或假数据，将来在工作里也先问一句「这份数据我有没有权限存」。

十二、常见坑

坑 1：忘了写 `encoding='utf-8'`，中文乱码或直接报错

Python

import pathlib, tempfile
work = pathlib.Path(tempfile.mkdtemp())
f = work / 'gbk.txt'
f.write_bytes('中文'.encode('gbk'))      # 假设这是别的软件存出来的文件
print(f.read_text(encoding='utf-8'))     # 按 utf-8 去读

运行后会报错（逐字照抄解释器）：

报错

UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte

处理办法：读写文件一律显式写 encoding='utf-8'。读到老软件存的 GBK 文件时，试 encoding='gbk'。

坑 2：csv 写出空行

Python

import csv

# 错的写法：漏了 newline=''，Windows 上每行后面会多出一个空行
with open('a.csv', 'w', encoding='utf-8') as fp:
    csv.writer(fp).writerow(['a', 'b'])

# 对的写法
with open('a.csv', 'w', encoding='utf-8', newline='') as fp:
    csv.writer(fp).writerow(['a', 'b'])

坑 3：csv 读出来的数字是字符串

Python

import csv, io

rows = list(csv.DictReader(io.StringIO('姓名,分数\n小满,92\n')))
score = rows[0]['分数']
print('值：', score, '｜类型：', type(score).__name__)
print('算数前先转：', int(score) + 1)

输出：

输出

值： 92 ｜类型： str
算数前先转： 93

处理办法：参与计算前先 int() 或 float() 转一下，和 input() 的处理方式一样。

坑 4：json 文件里中文变成 `\u4e2d`

Python

import json

print(json.dumps({'城市': '广州'}))
print(json.dumps({'城市': '广州'}, ensure_ascii=False))

输出：

输出

{"\u57ce\u5e02": "\u5e7f\u5dde"}
{"城市": "广州"}

处理办法：加 ensure_ascii=False。两种都能被 loads() 读回来，加参数只是为了「人看着舒服」。

坑 5：手写路径拼接

Python

# 别这么写：换个系统就失效
path = 'data' + '/' + 'a.csv'

# 这么写：pathlib 会自动用对分隔符
from pathlib import Path
path = Path('data') / 'a.csv'

坑 6：`json.dumps` 和 `json.dump` 用混

Python

import json
from pathlib import Path

data = {'姓名': '小满', '分数': 92}

# dumps（带 s）= 变成字符串，返回值给你，需要自己存
text = json.dumps(data, ensure_ascii=False)
Path('a.json').write_text(text, encoding='utf-8')

# dump（不带 s）= 直接写进文件对象
with open('a.json', 'w', encoding='utf-8') as fp:
    json.dump(data, fp, ensure_ascii=False)

口诀：带 s 的是「转成字符串」，不带 s 的是「直接对文件操作」。其余几个也同理：loads / load。

坑 7：把字符串丢给 `statistics` 去算

Python

import statistics

print(statistics.mean(['88', '92', '95']))

运行后会报错（逐字照抄解释器）：

报错

TypeError: can't convert type 'str' to numerator/denominator

处理办法：和「csv 读出来的数字是字符串」是同一个病根——算之前先转：statistics.mean([int(s) for s in data])。

坑 8：只有一个数就求标准差

Python

import statistics

print(statistics.stdev([88]))

运行后会报错（逐字照抄解释器）：

报错

statistics.StatisticsError: stdev requires at least two data points

处理办法：「散不散」至少要两个数才比得出来。算之前先判断 if len(data) >= 2:，不够就先不算，或者直接提示「样本太少」。

坑 9：拿列表去数数

Python

from collections import Counter

print(Counter([['奶茶'], ['炸鸡']]))

运行后会报错（逐字照抄解释器）：

报错

TypeError: unhashable type: 'list'

处理办法：Counter 数的东西必须是「能当字典键的」（字符串、数字、元组）。要数一组一组的组合，先把每组转成 tuple(单品) 或拼成一个字符串再数。

坑 10：把 `.xlsx` 当作 csv 去读

Python

import csv, pathlib, tempfile, zipfile

work = pathlib.Path(tempfile.mkdtemp())
p = work / '成绩单.xlsx'
with zipfile.ZipFile(p, 'w', zipfile.ZIP_STORED) as z:   # .xlsx 的本质就是一个 zip 压缩包
    z.writestr('sheet1.xml', bytes(range(256)))

print('后缀明明是 .xlsx，开头两个字节却是：', p.read_bytes()[:2])

try:
    with open(p, 'r', encoding='utf-8') as fp:
        list(csv.reader(fp))
except UnicodeDecodeError:
    print('用 csv 打开它 → 报错 UnicodeDecodeError（根本不是文本，读不了）')

输出：

输出

后缀明明是 .xlsx，开头两个字节却是： b'PK'
用 csv 打开它 → 报错 UnicodeDecodeError（根本不是文本，读不了）

处理办法：认后缀。b'PK' 就是 zip 压缩包的标志（P / K 取自 zip 格式发明人 Phil Katz 的首字母），而 .xlsx 正是 zip。这类文件只能交给 openpyxl 或 pandas.read_excel()（第十节 10.3）——改编码、改后缀都没用，里面的字节一个都没变。

十三、报错手册

报错原文都是从本机解释器逐字抄下来的，对照着找就行。

报错原文（最后一行）	什么情况	怎么改
`FileNotFoundError: [Errno 2] No such file or directory: '没有的文件.txt'`	要读的文件不存在（路径写错 / 文件没放对地方）	用 `Path(...).exists()` 先判断，或核对路径
`json.decoder.JSONDecodeError: Expecting property name enclosed in double quotes: line 1 column 2 (char 1)`	JSON 格式不合法（常见：用了单引号、多了逗号）	JSON 里键和字符串必须双引号；用在线工具或 `json.dumps` 生成
`TypeError: Object of type set is not JSON serializable`	拿集合（或函数、自定义对象）去 `json.dumps`	先转成列表：`list(集合)`
`UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6 in position 0: invalid continuation byte`	文件不是 UTF-8 编码（常见是老软件存的 GBK）	试 `encoding='gbk'`；或先把文件转成 UTF-8
`ValueError: time data '2026/10/04' does not match format '%Y-%m-%d'`	字符串和格式串对不上（`/` 对 `-`）	格式串要写成 `'%Y/%m/%d'` 才能解析斜杠
`AttributeError: 'str' object has no attribute 'exists'`	把字符串当路径对象用	先 `p = Path('a.txt')`，再 `p.exists()`
`statistics.StatisticsError: mean requires at least one data point`	拿空列表去求平均	先判断 `if data:`，空的时候给个默认值
`statistics.StatisticsError: stdev requires at least two data points`	只有一个数就求标准差	标准差至少要两个数据点，先 `if len(data) >= 2:`
`TypeError: can't convert type 'str' to numerator/denominator`	把字符串列表丢给 `statistics.mean()`	先 `int()` / `float()` 转成数字再算
`ValueError: Sample larger than population or is negative`	`random.sample(名单, 10)` 要的数量比名单人数还多	抽的数量 `k` 不能大于列表长度
`TypeError: unhashable type: 'list'`	往 `Counter` 里塞了列表	先转成 `tuple` 或字符串
`ModuleNotFoundError: No module named 'numpy'`	没装就 `import numpy`（第三方库不是自带的）	在终端执行 `pip install numpy`；已装还报，多半是装到了别的 Python 环境
`zipfile.BadZipFile: File is not a zip file`	把 `.csv` 改名成 `.xlsx` 就去打开了——改后缀	不会换格式，里面还是纯文本；读 `.xlsx` 要用 `openpyxl`
`ModuleNotFoundError: No module named 'openpyxl'`	用了 `pandas.read_excel()` 或 `openpyxl` 但没装	`pip install openpyxl`（老式的 `.xls` 则是 `pip install xlrd`）
标准差比「手算」小了一点点	用了 `pstdev`（总体），而不是 `stdev`（样本）	数据是抽来的样本就用 `stdev`；这组数就是全体才用 `pstdev`
相关系数很高，就断定「A 导致 B」	相关不等于因果，r 高只说明「一起变」	要下因果结论得靠实验设计，别用相关系数硬推

下面这几条是「不报错，但结果不对」的，比报错更值得当心：

现象	原因	怎么改
CSV 每行后面多一个空行	少了 `newline=''`	写和读都加上 `newline=''`
CSV 读出来的数字没法直接相加	读进来的是字符串	先 `int()` / `float()`
JSON 文件里中文全是 `\u…`	没加 `ensure_ascii=False`	加上这个参数
Excel 打开 CSV 中文乱码	编码不是 Excel 认的那一种	存的时候用 `encoding='utf-8-sig'`
Windows 上路径报错，macOS 上好好的	路径里的分隔符写死了	改用 `pathlib` 的 `/` 拼
平均分和中位数差很多	数据里有极端值（0 分、超高的个例）	两个都算出来，报告里一并说明
每次跑出来的随机结果都不一样，输出对不上	忘了写 `random.seed()`	需要复现时，先固定种子再生成
页面上的耗时和我不一样	计时结果本来就因机器而异	只比数量级，别当固定值写进结论

十四、十六个基础案例

下面十六个例子都很短，建议每个都亲手敲一遍、跑一遍。后六个是统计、抽样、计时、计数，以及表格文件的几种写法。

1. 拆一个路径的各个部分

Python

from pathlib import Path
p = Path('data/2026/scores.csv')
print(p.name, '|', p.stem, '|', p.suffix, '|', p.parent)

输出：

输出

scores.csv | scores | .csv | data/2026

2. 判断文件在不在，再决定读不读

Python

import pathlib, tempfile
f = pathlib.Path(tempfile.mkdtemp()) / 'a.txt'
if f.exists():
    print('能读：', f.read_text(encoding='utf-8'))
else:
    print('文件不在，先跳过')

输出：

输出

文件不在，先跳过

3. 一行写、一行读

Python

import pathlib, tempfile
f = pathlib.Path(tempfile.mkdtemp()) / 'note.txt'
f.write_text('今天学了标准库', encoding='utf-8')
print(f.read_text(encoding='utf-8'))

输出：

输出

今天学了标准库

4. 用 json 存一份带嵌套结构的配置

Python

import json
cfg = {'班级': '统计一班', '人数': 30, '课程': ['Python', '统计']}
text = json.dumps(cfg, ensure_ascii=False, indent=2)
print(text)
print('人数：', json.loads(text)['人数'])

输出：

Python

{
  "班级": "统计一班",
  "人数": 30,
  "课程": [
    "Python",
    "统计"
  ]
}
人数： 30

5. 用 csv 写一张能被 Excel 打开的表

Python

import csv, pathlib, tempfile
f = pathlib.Path(tempfile.mkdtemp()) / 'scores.csv'
with open(f, 'w', encoding='utf-8-sig', newline='') as fp:
    w = csv.writer(fp)
    w.writerow(['姓名', '分数'])
    w.writerow(['小满', 92])
print('写完之后，文件里的内容是：')
print(f.read_text(encoding='utf-8-sig'))

输出：

输出

写完之后，文件里的内容是：
姓名,分数
小满,92

6. 用 DictReader 按字段名取数据并求和

Python

import csv, io
text = '姓名,分数\n小满,92\n阿禾,78\n小鹿,85\n'
total = sum(int(r['分数']) for r in csv.DictReader(io.StringIO(text)))
print('总分：', total)

输出：

输出

总分： 255

7. 把当前时间格式化成一行日志

Python

from datetime import datetime
d = datetime(2026, 10, 4, 19, 30, 0)
print('[%s] 程序开始运行' % d.strftime('%Y-%m-%d %H:%M:%S'))

输出：

输出

[2026-10-04 19:30:00] 程序开始运行

8. 算两个日期差多少天

Python

from datetime import date
start = date(2026, 9, 1)
end = date(2026, 10, 4)
print('开学到今天：', (end - start).days, '天')

输出：

输出

开学到今天： 33 天

9. 把学生名单按「姓名-分数」两列存成 json

Python

import json
scores = [('小满', 92), ('阿禾', 78)]
data = [{'姓名': n, '分数': s} for n, s in scores]
print(json.dumps(data, ensure_ascii=False))

输出：

输出

[{"姓名": "小满", "分数": 92}, {"姓名": "阿禾", "分数": 78}]

10. 目录不存在就先建出来

Python

import pathlib, tempfile
from pathlib import Path
base = Path(tempfile.mkdtemp())
target = base / '学期项目' / '第一周'
target.mkdir(parents=True, exist_ok=True)
print('文件夹建好了吗：', target.exists())
print('最后一级是：', target.name)

输出：

输出

文件夹建好了吗： True
最后一级是： 第一周

11. 算一组成绩的平均分、中位数和标准差

Python

import statistics

scores = [72, 68, 91, 85, 77, 80]

print('平均分：', round(statistics.mean(scores), 1))
print('中位数：', statistics.median(scores))
print('标准差：', round(statistics.stdev(scores), 2))

输出：

输出

平均分： 78.8
中位数： 78.5
标准差： 8.42

12. 固定种子，随机抽查 3 个人

Python

import random

random.seed(2026)
students = ['小满', '阿禾', '小鹿', '乐乐', '果果', '小北', '汤圆', '芋圆']

print('被抽到的 3 人：', random.sample(students, 3))

输出：

输出

被抽到的 3 人： ['阿禾', '小鹿', '果果']

13. 给一段代码计时

Python

import time

t0 = time.perf_counter()
total = sum(i * i for i in range(1, 100001))
t1 = time.perf_counter()

print('平方和：', total)
print('耗时不到 1 秒：', t1 - t0 < 1)

输出：

Python

平方和： 333338333350000
耗时不到 1 秒： True

14. 数一数每样加料被点了几次

Python

from collections import Counter

words = '珍珠 椰果 珍珠 布丁 椰果 珍珠 西米 椰果'.split()

print('每样加料被点了几次：', Counter(words).most_common())
print('加料种数：', len(set(words)))

输出：

输出

每样加料被点了几次： [('珍珠', 3), ('椰果', 3), ('布丁', 1), ('西米', 1)]
加料种数： 4

AI 助手小贴士｜标准库真正的用法是「组合拳」，出组合题练。

打开任意 AI 对话工具（网页版或 App 都可以），试试这样问：出 2 道标准库组合题：①用 datetime 和 os 把文件夹里的照片按月份归类；②用 json 和 random 做随机抽签并保存记录。只要思路提示

15. 写一个 Excel 也能打开的 tsv

Python

import csv, io

buf = io.StringIO()
w = csv.writer(buf, delimiter='\t')          # 用制表符分隔
w.writerow(['姓名', '分数', '班级'])
w.writerow(['小满', 92, '统计一班'])
w.writerow(['阿禾', 78, '统计一班'])
print(repr(buf.getvalue()))

输出：

输出

'姓名\t分数\t班级\r\n小满\t92\t统计一班\r\n阿禾\t78\t统计一班\r\n'

16. 一次算齐一组成绩的全部指标

Python

import statistics

scores = [88, 92, 79, 95, 61, 84, 90, 73, 100, 0]
q1, q2, q3 = statistics.quantiles(scores, n=4)

print('人数：', len(scores))
print('平均：', statistics.mean(scores), '｜中位：', statistics.median(scores))
print('最低：', min(scores), '｜最高：', max(scores), '｜极差：', max(scores) - min(scores))
print('标准差：', round(statistics.stdev(scores), 2),
      '｜变异系数：', round(statistics.stdev(scores) / statistics.mean(scores), 4))
print('五数概括：', min(scores), '/', q1, '/', q2, '/', q3, '/', max(scores))

输出：

输出

人数： 10
平均： 76.2 ｜中位： 86.0
最低： 0 ｜最高： 100 ｜极差： 100
标准差： 29.09 ｜变异系数： 0.3817
五数概括： 0 / 70.0 / 86.0 / 92.75 / 100

十五、常见问题

Q：os.path 和 pathlib 到底用哪个？
新写的代码用 pathlib：写法更短、跨系统更稳、有 / 可以拼路径。但老代码和老教程里全是 os.path，必须看得懂。两个混着用也可以，因为 Path() 能接字符串、str(路径) 也能变回字符串。

Q：数据存 csv 还是 json？
一句话判断：长得像一张表（每行同几个字段）→ csv；长得像一棵树（字典套列表、层层嵌套）→ json。要给人用 Excel 打开，选 csv。

Q：为什么我的 csv 用 Excel 打开中文乱码？
Excel 默认按本地编码猜。解决：写文件时用 encoding='utf-8-sig'（多了 BOM 标记，Excel 一看就知道是 UTF-8）。

Q：json.dumps 和 json.dump 我总是记混？
只记一点：带 s 的那个 s = string（字符串）。所以 dumps 返回字符串、loads 吃字符串；不带的就直接对着文件对象。四个函数按这个规律一拆就清楚。

Q：datetime.now() 每次结果都不一样，怎么测试？
这正是要小心的地方。写测试或写教程时，用固定时间 datetime(2026, 10, 4)；真实程序里用 now()。别把 now() 的结果写进需要可重复比对的输出里。

Q：这几个库要不要背？
不用。这一篇的作用是知道「有这些东西、能解决什么问题」，具体函数名忘了就查：dir(模块) 看有什么，help(函数) 看怎么用（第 27 篇《模块与包》第四节讲过）。真正需要背下来的只有「json.dumps 带 s 是转字符串」「csv 要写 newline=''」这类会踩坑的点。

Q：算平均分，该用 statistics 还是自己写循环？
都行，但优先用 statistics：一行写完、还顺带算标准差和中位数；自己写循环容易漏掉「空列表」「字符串没转数字」这两种情况。只有一件事必须自己判断——用平均还是用中位数，这不是工具问题，是口径问题。

Q：numpy / pandas 要不要现在就学？
先把标准库这一套用顺再学。判断标准很简单：数据小到能一眼看完（几十行），标准库够用；数据大到要滚动条才能看完，或者要画图，才值得上 pandas。工具是跟着需求长的，先有需求再学，不容易忘。

Q：随机抽样的结果能写进实验报告吗？
能，但要把种子一起写上：写「用 random.seed(2026) 固定种子，随机抽了 3 人」，别人才能复现。只写「随机抽了 3 人」，别人跑出来是另一批人，这份报告就没法验证。

Q：csv 和 xlsx 到底该用哪个？
一句话：要「交换」用 csv，要「交付」用 xlsx。csv 是纯文本，谁的 Python 都能直接读，出问题用记事本当场就能看一眼；xlsx 能存格式、公式、多个工作表，但读它必须先装库，而且它本质是个压缩包，出问题肉眼看不出来。给人传数据、喂给别的程序——csv；交一份带表头样式、多张工作表的正式报表——xlsx。

Q：描述性统计要报哪几个指标？
至少三个：一个「中心」（平均数＋中位数一起报）、一个「离散」（标准差）、一个「范围」（最小 / 最大）。只报平均数是最常见的偷懒——同一份数据换个指标就能讲出另一个故事。数据里有明显极端值，或者要和别人比「谁更整齐」，再把四分位距和变异系数补上。

Q：pandas.read_excel() 提示缺 openpyxl，怎么办？
照提示装：pip install openpyxl。pandas 自己不解析 Excel，它只负责指挥，真正干活的是 openpyxl（读 .xlsx）或 xlrd（读老的 .xls）。装完还报，多半是装到了别的 Python 环境——和 ModuleNotFoundError: No module named 'numpy' 是同一类问题。

AI 助手小贴士｜标准库的问题是「不知道有什么」。把需求说给 AI，让它推荐该用哪些模块、各自负责什么——先要思路，再要代码。

打开任意 AI 对话工具（网页版或 App 都可以），试试这样问：我想写一个程序：自动整理下载文件夹，把照片按拍摄月份分类到子文件夹。应该用到哪些标准库？每个模块负责什么？先给思路再给代码

十六、随堂自测（16 题）

点击选项即可判分，答错的题会立刻显示解析。

已答 0 / 18 · 正确 0 —

1要把 'data/scores.csv' 里的文件名、后缀、所在文件夹分别取出来，下面哪个库最方便？

A. pathlib，用 Path(p).name / .suffix / .parent
B. json
C. csv
D. datetime

答案：A。pathlib 专管路径：.name 文件名、.stem 去掉后缀、.suffix 后缀、.parent 所在文件夹。它还能用 / 拼路径，自动适配 Windows 和 macOS 的分隔符。

2用 pathlib 拼出 data 文件夹下的 a.csv，写法正确的是？

A. Path('data') + 'a.csv'
B. Path('data') / 'a.csv'
C. Path('data').join('a.csv')
D. Path('data', 'a.csv', sep='/')

答案：B。Path 重载了除法运算符 / 来拼路径，这是它的标志性写法，而且会自动用对当前系统的分隔符。+ 会报类型错误，也没有 join 这个方法。

3json.dumps(data, ensure_ascii=False) 里的 ensure_ascii=False 有什么作用？

A. 让 JSON 能被 Excel 打开
B. 让 JSON 自动按字母排序
C. 让中文直接显示，而不是变成 \u4e2d 这样的编码
D. 让数据压缩得更小

答案：C。默认情况下非 ASCII 字符会被转成 \uXXXX 转义，功能没问题但人没法读。加 ensure_ascii=False 后中文原样保存——占的字节还更少。要和 Excel 打交道应该用 csv，不是 json。

4下面哪个东西不能直接转成 JSON？

A. 字典 {'a': 1}
B. 集合 {1, 2}
C. 列表 [1, 2]
D. 布尔 True

答案：B。JSON 只认「对象、数组、字符串、数字、真值、空值」。集合会报 TypeError: Object of type set is not JSON serializable，要先 list(集合) 转成列表。另外元组虽然能转，但读回来会变成列表。

5用 csv 写文件时，open() 里必须加的参数是？

A. encoding='gbk'
B. errors='ignore'
C. buffering=0
D. newline=''

答案：D。不加 newline=''，csv 自己写的换行会和 open() 的换行叠加，Windows 上每行后面多一个空行——这是 csv 最经典的坑，读和写都建议加上。

6用 csv.DictReader() 读出来的每一行是什么？

A. 一个列表，按列的位置取值
B. 一个字符串，整行原样
C. 一个字典，用第一行当字段名
D. 一个元组，不能修改

答案：C。DictReader 会拿第一行当字段名，之后每行给你一个字典，用 row['姓名'] 这种写法取值，比 row[0] 清楚得多，列顺序变了也不受影响。csv.reader() 才是返回列表的那个。

7用 csv 读进来的分数 row['分数'] 想直接参与计算，会怎样？

A. 它是字符串，要先 int() 或 float() 转换
B. 直接能算，csv 会自动转成数字
C. 它是分数对象，要用 .value 取值
D. 会报 TypeError

答案：A。csv 文件是纯文本，读进来的所有字段都是字符串，'88' 而不是 88。直接相加会得到 '88' + '95' 这种字符串拼接或者报错。先转类型再计算，和 input() 的处理一样。

8想按自定义格式显示时间，该用哪个方法？

A. strptime
B. strftime
C. format_time
D. tostring

答案：B。strftime 里的 f 是 format，把时间对象变成字符串；strptime 里的 p 是 parse，把字符串变成时间对象。两者只差一个字母，方向正好相反，是新手最容易记混的一对。

9datetime.strptime('2026/10/04', '%Y-%m-%d') 会怎样？

A. 正常返回 2026 年 10 月 4 日
B. 自动忽略符号差异，只按数字解析
C. 报 ValueError: time data '2026/10/04' does not match format '%Y-%m-%d'
D. 返回 None

答案：C。格式串里的分隔符必须和待解析的字符串一致：数据是斜杠就写 '%Y/%m/%d'，是短横就写 '%Y-%m-%d'。报错信息里会同时打出数据和格式串，照着对比就能找出差在哪里。

10算「两个日期相差几天」，正确的做法是？

A. 两个 date 相减，取结果的 .days
B. 自己拿天数除以 30 估一个
C. 用 date.diff()
D. 把年份月份日期分别相减再换算

答案：A。两个日期相减得到 timedelta，.days 就是天数。月份、闰年、跨年这些麻烦 datetime 都替你算好了，自己用 30 天一个月去估一定会错。

11关于 json.dumps 和 json.dump，说法正确的是？

A. 两个完全一样，随便用
B. 不带 s 的只能处理列表
C. 带 s 的用于读取，不带 s 的用于写入
D. 带 s 的返回字符串，不带 s 的直接对文件对象操作

答案：D。把那个 s 记成 string 就好：dumps 把对象转成 JSON 字符串（返回值给你）；dump 直接写进文件对象。loads / load 同理——一个吃字符串，一个吃文件。

12要存一份「每个学生有姓名、分数、以及多门课成绩」的嵌套数据，最合适的是？

A. csv，因为它是表格格式
B. 必须先转成集合再存
C. 直接写 txt，用逗号隔开
D. json，因为它能装字典套列表这种嵌套结构

答案：D。csv 是「一行一条、每行字段相同」的平面表，装不下「一个人对应多门课」这种嵌套。json 天生支持字典套列表，正适合这种结构。反过来，如果数据就是规规矩矩的表格、还想用 Excel 打开，那就该选 csv。

13一组成绩里有一位同学考了 0 分，想说明「大部分同学考得不错」，最该看哪个指标？

A. 平均分
B. 中位数
C. 最大值
D. 标准差

答案：B。0 分这种极端值会把平均分往下拽，却不能动摇中位数。同一组数据里，平均分 76.2、中位数 86.0，差得越多说明极端值影响越大。所以要两者一起看，别只报一个。

14random.seed(42) 的作用是什么？

A. 让随机数变得更大
B. 让随机数变成固定值（每次都是同一个数）
C. 把随机序列固定下来，之后每次运行都得到同一串「随机」结果
D. 提高随机性，避免重复

答案：C。种子固定后，随机数的序列就固定了：第一个、第二个、第三个都一模一样，所以整段程序每次跑的结果完全相同。没有它，输出每次都不一样，别人就没法复现你报告里的数字。

15要给一段代码计时，该用 time 里的哪个函数？

A. time.sleep()
B. time.strftime()
C. time.gmtime()
D. time.perf_counter()

答案：D。perf_counter() 是高精度计时器：开始前记一次、结束后记一次，两个一减就是耗时。它比 time.time() 精度高，也不受系统时间被改动的影响。sleep 是「停一会儿」，strftime / gmtime 是处理日期显示。

16关于 numpy、pandas、matplotlib，说法正确的是？

A. 它们是第三方库，要先 pip install 才能 import
B. 它们是标准库，装好 Python 就自带
C. 它们只能在 TRAE 里运行
D. 用了 pandas 就不需要再懂 csv 和字典了

答案：A。这三个都是第三方库，必须先装、而且装在哪个 Python 环境里也要对得上，否则会报 ModuleNotFoundError。不过 pandas 读的 csv、用的字典逻辑，正是本篇讲的那些东西——底层概念懂了，换工具只是换个写法。

17别人发来一份 .xlsx 表格，想用 Python 读它，下面说法正确的是？

A. 它是 zip 压缩包，标准库 csv 读不了，要装 openpyxl（或 pandas）
B. 把后缀名改成 .csv，标准库就能读了
C. 用 csv.DictReader 直接就能读
D. .xlsx 和 .csv 一样，都是纯文本

答案：A。.csv 是纯文本，标准库 csv 就能读写；.xlsx 本质是个 zip 压缩包（里面装着一堆 XML），标准库解析不了。改后缀更没用——里面的字节一个都没变，只会再报一个 BadZipFile。要读 .xlsx，得装 openpyxl 或用 pandas.read_excel()。

18想说明「这个班的成绩比隔壁班更参差」，最该拿哪个指标去比？

A. 两个班的平均分
B. 两个班的标准差
C. 两个班的最高分
D. 两个班的人数

答案：B。平均分说的是「水平」，标准差说的是「散不散」。两个班平均分都是 80，标准差 5 的那个整齐、标准差 20 的那个参差——这正是 statistics.stdev() 的用武之地。最高分只反映一个人，人数跟整齐程度无关。

Python 常用标准库：路径、表格、时间与统计

一、标准库：装好就有的一整套工具

二、pathlib：拼路径、拆路径

2.1 造一个路径

2.2 拼路径：用 / 就行

2.3 常用的四个动作

2.4 老写法 os.path 也认一下

三、json：数据交换的通用格式

3.1 四个函数，两两配对

3.2 ensure_ascii=False 是关键

3.3 存在文件里

3.4 不是所有东西都能转成 JSON

四、表格格式：csv、tsv 与 xlsx

4.1 读：csv.reader() 用下标取

4.2 读：csv.DictReader() 用字段名取

4.3 写：csv.writer()

4.4 真正读写文件的标准写法

4.5 csv 之外，Excel 还能打开哪些格式

4.6 分隔符不一定是逗号

五、datetime：日期与时间

5.1 造一个时间、显示成你要的样子

5.2 把字符串变成时间：strptime

5.3 算日期：timedelta

六、statistics：描述性统计一次算全

6.1 四个最常用的指标

6.2 描述性统计，看四类指标

6.3 集中趋势：平均数不止一种

6.4 平均数会骗人，中位数不会

6.5 离散程度：数据散不散

6.6 分布位置：分位数与五数概括

6.7 变量之间的关系：相关与回归

6.8 指标速查表

七、random：抽样与可复现

7.1 随机抽几个人来检查

7.2 没有数据？先造一批「看起来像真的」

八、time：时间戳与给代码计时

8.1 时间戳：给数据记上「什么时候存的」

8.2 给代码计时：用 perf_counter()

九、collections 与 itertools：数数、分组、组合

9.1 Counter：自动数谁出现得最多

9.2 itertools：组合、排列交给它

十、再往前一步：numpy / pandas / openpyxl / matplotlib

10.1 numpy：整个数组一起算

10.2 pandas：像 Excel 一样的表格

10.3 openpyxl / pandas：读写 Excel 的 .xlsx

10.4 matplotlib：把结果画出来

十一、合起来用：一份会自己记日期的成绩表

十二、常见坑

坑 1：忘了写 encoding='utf-8'，中文乱码或直接报错

坑 2：csv 写出空行

坑 3：csv 读出来的数字是字符串

坑 4：json 文件里中文变成 \u4e2d

坑 5：手写路径拼接

坑 6：json.dumps 和 json.dump 用混

坑 7：把字符串丢给 statistics 去算

坑 8：只有一个数就求标准差

坑 9：拿列表去数数

坑 10：把 .xlsx 当作 csv 去读

十三、报错手册

十四、十六个基础案例

1. 拆一个路径的各个部分

2. 判断文件在不在，再决定读不读

3. 一行写、一行读

4. 用 json 存一份带嵌套结构的配置

5. 用 csv 写一张能被 Excel 打开的表

6. 用 DictReader 按字段名取数据并求和

7. 把当前时间格式化成一行日志

8. 算两个日期差多少天

9. 把学生名单按「姓名-分数」两列存成 json

10. 目录不存在就先建出来

11. 算一组成绩的平均分、中位数和标准差

12. 固定种子，随机抽查 3 个人

13. 给一段代码计时

14. 数一数每样加料被点了几次

15. 写一个 Excel 也能打开的 tsv

16. 一次算齐一组成绩的全部指标

十五、常见问题

十六、随堂自测（16 题）

二、`pathlib`：拼路径、拆路径

2.2 拼路径：用 `/` 就行

2.4 老写法 `os.path` 也认一下

三、`json`：数据交换的通用格式

3.2 `ensure_ascii=False` 是关键

四、表格格式：`csv`、`tsv` 与 `xlsx`

4.1 读：`csv.reader()` 用下标取

4.2 读：`csv.DictReader()` 用字段名取

4.3 写：`csv.writer()`

五、`datetime`：日期与时间

5.2 把字符串变成时间：`strptime`

5.3 算日期：`timedelta`

六、`statistics`：描述性统计一次算全

七、`random`：抽样与可复现

八、`time`：时间戳与给代码计时

8.2 给代码计时：用 `perf_counter()`

九、`collections` 与 `itertools`：数数、分组、组合

9.1 `Counter`：自动数谁出现得最多

9.2 `itertools`：组合、排列交给它

十、再往前一步：`numpy` / `pandas` / `openpyxl` / `matplotlib`

10.1 `numpy`：整个数组一起算

10.2 `pandas`：像 Excel 一样的表格

10.3 `openpyxl` / `pandas`：读写 Excel 的 `.xlsx`

10.4 `matplotlib`：把结果画出来

坑 1：忘了写 `encoding='utf-8'`，中文乱码或直接报错

坑 4：json 文件里中文变成 `\u4e2d`

坑 6：`json.dumps` 和 `json.dump` 用混

坑 7：把字符串丢给 `statistics` 去算

坑 10：把 `.xlsx` 当作 csv 去读