从线性 PPT 到网状知识库,从代码片段到完整实验体系
这是一个由 Python 课程 PPT 重构而来的个人学习笔记库.原始资料为线性结构的教学课件,本仓库将其重新组织为网状知识体系,并在以下三个方面进行了深度扩展:
- 数学关联:将 Python 语法与微积分,线性代数,离散数学的概念显式连接
- 算法思维:从“怎么写代码”提升到“为什么这样设计算法”
- 实验闭环:配套 40+ 可运行代码文件,理论与实践的即时验证
本仓库内容基于校内 Python 课程的教学框架进行个人化重构与演绎.所有代码实现,数学关联分析,算法注解和知识结构设计均为个人学习产出.
本仓库的部分文本(包括但不限于代码注释,章节摘要,数学背景说明)在整理过程中使用了 AI 辅助工具 进行润色,结构化和语法修正.所有内容均经过人工审核与验证,但仍可能存在以下情况:
- 技术描述不够精确
- 数学符号或公式笔误
- 代码逻辑理解偏差
如发现任何错误,遗漏或可改进之处,欢迎在 Issues 中提出!
- 提交 Issue 时请附上具体的文件路径和问题描述
- 如果涉及代码运行问题,请同时提供输入/输出和报错信息
Python-Notes/
├── Python.md # 🧭 总导航(所有章节入口)
│
├── 导航页/ # 📚 章级笔记(8 章)
│ ├── Python简介.md
│ ├── 数据类型与运算符.md
│ ├── 程序流程控制.md
│ ├── 字符串.md # 本章内容全部在这一页
│ ├── 列表与元组.md
│ ├── 字典与集合.md
│ ├── 函数.md
│ └── 文件.md
│
├── 内容页/ # 📄 细分知识点(7 章 / 29 篇)
│ └── <章>/<概念>.md # 例:函数/递归函数.md
│
├── PythonProject/ # 💻 实验代码(按功能分类)
│ ├── 实验项目索引.md # 🧪 实验代码顶层导航
│ ├── I/ II/ III/ IV/
│ └── V/ VI/ VII/ # 每个目录配一份同名 MOC
│
├── README.md # 本文件
└── LICENSE # CC BY-NC-SA 4.0
实验代码以
.py与同名.py.md(代码说明)配对组织;每个实验目录另有一份同名 MOC.
graph TD
A[Python 笔记体系] --> B[1. Python 简介]
A --> C[2. 数据类型与运算符]
A --> D[3. 程序流程控制]
A --> E[4. 字符串]
A --> F[5. 列表与元组]
A --> G[6. 字典与集合]
A --> H[7. 函数]
A --> I[8. 文件]
A --> J[9. 实验项目]
J --> J1[I - Turtle 绘图]
J --> J2[II - 基础测试]
J --> J3[III - 数值算法]
J --> J4[IV - 字符串处理]
J --> J5[V - 列表与概率]
J --> J6[VI - 字典与映射]
J --> J7[VII - 函数与递归]
J3 --> J3a[欧几里得算法]
J3 --> J3b[蒙特卡洛模拟]
J3 --> J3c[杨辉三角]
J7 --> J7a[汉诺塔]
J7 --> J7b[动力系统模拟]
J7 --> J7c[自然数形式定义]
| 人群 | 说明 |
|---|---|
| Python 初学者 | 已学完基础语法,想了解如何与数学/算法结合 |
| 自学数学的编程者 | 正在学习微积分/线性代数/离散数学,希望用代码验证理论 |
| 准备算法竞赛/面试 | 需要系统梳理递归,分治,数论等基础 |
| 笔记爱好者 | 想参考 Obsidian 知识管理 + 代码实践的双链结构 |
- 从根目录的
Python.md开始 - 按章节顺序阅读,或跳转感兴趣的模块
- 代码文件可直接查看
.py源码
- 克隆本仓库:
git clone https://github.com/Fibonacci114514/python-math-algo-notes.git
- 用 Obsidian 打开该文件夹(支持双链,知识图谱,数学公式渲染)
- 从
Python.md开始浏览
- 确保已安装 Python 3.8+
- 进入对应实验目录
- 运行
.py文件:python 文件名.py
| 章节 | 核心内容 | 数学/算法关联 |
|---|---|---|
| 1. Python 简介 | 硬件基础,语言历史,特性,环境搭建 | 建立计算思维,为算法设计铺垫 |
| 2. 数据类型与运算符 | 数值,字符串,变量,输入/输出,math 库 |
微积分/线性代数中的基本运算 |
| 3. 程序流程控制 | 分支,循环,异常处理 | 算法中的选择与迭代结构,逻辑推理 |
| 4. 字符串 | 索引,切片,内置方法,格式化 | 文本处理基础 |
| 5. 列表与元组 | 序列操作,列表生成式,元组 | 向量/矩阵表示,数据聚合 |
| 6. 字典与集合 | 键值映射,集合运算 | 映射关系(函数),集合论 |
| 7. 函数 | 定义,参数,作用域,递归,lambda |
模块化设计,递归(数学归纳法) |
| 8. 文件 | 读写文本/CSV,with 语句 |
数据持久化,CSV 与表格数据 |
| 9. 实验项目 | 40+ 可运行代码,按主题分类 | 理论知识的代码落地与验证 |
本仓库采用 CC BY-NC-SA 4.0(署名-非商业性使用-相同方式共享)许可证.
- ✅ 允许:分享,复制,改编,但必须注明来源
- ❌ 禁止:将本仓库内容用于商业目的
- 🔄 要求:若对本仓库内容进行改编,必须使用相同的许可证发布
详见 LICENSE 文件.
本笔记体系参考但不限于以下教材:
- 《Python编程:从入门到实践》 – Eric Matthes
- 《程序设计导论:Python语言实践》 – Robert Sedgewick
笔记以课堂知识和个人理解为主,教材作为补充查阅.
- 感谢原课程教师的授课框架
- 感谢 Python 社区的开源精神
- 感谢所有在 Issues 中提出改进建议的朋友
如有任何问题,建议或合作意向,欢迎通过 GitHub Issues 与我联系.
核心原则:编程是数学的延伸,Python 是验证数学思想最快捷的工具.
希望这份笔记能为你打开从语言基础走向算法与数据科学的大门.