Python第五次作业复盘：从类型转换到数据可视化的完整流程

批第五次作业的时候我注意到一件很有意思的事前几次作业还在同一个水平线上的学生到这一次开始明显分层了。有人交上来的代码能看到清晰的结构函数拆得干净利落有人交上来的则是一大段从上往下怼到底的脚本一旦报错整页都是红色滚动条。作为一个带过好几轮Python入门课的人我越来越觉得第五次作业才是真正意义上的“分水岭”——它把Python基础语法、函数设计、文件操作、数据处理和可视化这些零散的知识点全部串在了一起。如果你最近正在学Python或者在带一批刚入门的学生又或者你只是个想用Python做点小工具的自学者这篇复盘可能对你有用。我把这一轮第五次作业的题目设计、批改中最高频的翻车点、环境配置的各种幺蛾子和一份能直接抄走的自检清单整理在下面。看完之后你会发现第五次作业真正要你交出来的东西不只是一份能运行的代码而是一套解决问题的完整思路。1. 第五次作业为什么值得单独拿出来聊1.1 课程进度走到了哪个位置第五次作业这个时间点学生的Python基础语法基本已经讲完了。变量与基础数据类型、类型转换、条件分支、循环、列表、字典、元组、简单的函数定义与调用这些知识点都过了一遍。还没接触的是面向对象、异常处理的高级写法、装饰器、更复杂的文件读写方式以及第三方库的深度应用。这个位置很微妙。学生已经具备写出“能跑”的代码的能力但大多数人还没有形成“怎么设计”的思维。同样一个需求有人会用二十行循环硬怼有人会用三行列表推导式解决还有人会写出一个连自己都看不懂的嵌套结构。第五次作业的价值就是让学生在两种做法之间第一次感受到差距也让我第一次从作业里看到谁真正理解了这门语言谁只是在抄着语法走。从教学节奏来看第五次作业放在这个节点还有一个原因如果再不开始做综合性的练习学生的知识点就会一直停留在“背过”而不是“会用”。就好比英语学了一堆单词但从来没写过一篇文章到了真正要表达的时候大脑是一片空白的。Python这门课尤其如此语法只是砖头把砖头砌成墙的能力才是这门课真正要训练的。1.2 这次作业的题目构成与考核点我布置的第五次作业一共五道题这里把题目类型和对应的考核点列出来。题号题目类型核心考点对应热搜词1成绩统计变量、列表、类型转换、循环python类型转换、python基础语法2函数设计函数定义、位置参数、默认参数位置参数python、python定义变量3李白打酒递归、边界条件、穷举思想李白打酒python4数据筛选与去重文件读取、字典、集合、计数器python筛选一样的、python文件处理5数据可视化matplotlib基础、刻度设置python画图横坐标太密集、python数据分析与可视化第一题要求从控制台输入一组成绩计算平均分、最高分、最低分并统计不及格人数。这题看起来简单但会暴露很多基础问题比如输入值的类型、空列表的边界情况。第二题要求设计一个函数计算不同出勤率下的课程最终成绩。学生需要自己确定参数和默认值这题专门考察函数设计的基本功。出勤率用默认参数表示这就能看出学生对位置参数和默认参数的理解程度。第三题是经典递归题“李白打酒”后面会详细展开。第四题要求读取一个csv文件筛选出文件里重复出现的数据行。第五题是把60天的指标数据画成折线图并且要处理好横坐标显示的密度问题。这个构成是刻意安排的。既有基础语法的复现又有函数设计的考核还加入了文件处理、数据分析和可视化覆盖面正好对应热搜词里“python数据分析与可视化”“python画图横坐标太密集”背后指向的能力。1.3 第五次作业真正想考察的东西表面上看这次作业考的是语法、是函数、是文件操作。但把五道题放在一起看其实考的是三件更深的事。第一件是能不能把一个复杂问题拆成小步骤。第四题如果学生上来就写一个大循环把所有逻辑塞在一起后面调试会非常痛苦。如果先写“读取文件”的小函数再写“解析每一行”的小函数然后写“统计重复”的小函数每块都独立可测整个题目就清晰了。这种拆解能力不是语法知识是工程思维但它必须通过作业来练。第二件是能不能在报错之后自己定位问题。作业里最常见的现象是学生看到报错信息完全不去读报错说的是什么直接跑来问老师。实际上Python的报错信息已经给出了非常明确的线索错在哪个文件、哪一行、什么类型。学会读报错比多背十道语法题都有用。第三件是能不能让别人看懂你的代码。我批改作业时会专门关注变量命名、注释、函数划分。交上来的代码如果全篇都是a、b、c这样的变量名即使能跑我也会扣分。因为代码不仅仅是写给计算机的更是写给人看的。2. 批改作业时最高频的五类翻车点2.1 input()读进来的是字符串这是每次批改作业都会碰到的问题第五次作业里照样高频出现。很多学生会这样写score input(请输入成绩) total score 10然后运行时报错TypeError: can only concatenate str (not int) to str学生一脸迷茫。问题根源在于他们完全没意识到input()返回的一定是字符串即使你输入的是数字“85”在内存里它也是字符串“85”不是整数85。我批改时看到这种代码一般会让学生先加一行print(type(score))运行看看他们自己就明白了。正确的改法是显式做类型转换score input(请输入成绩) score float(score) # 处理带小数的成绩 total score 10但这里还有一层进阶问题如果用户输入的是“abc”呢float(abc)会直接抛ValueError。所以稍微好一点的解法是先判断再转换score input(请输入成绩) if score.replace(., , 1).isdigit(): score float(score) total score 10 else: print(输入格式有误)这道题从第一次作业就开始出现类似错误到第五次作业仍然存在说明很多学生的类型转换只是“背下来”了并没有真正理解“不同类型的数据不能直接运算”这个底层规则。我给学生的建议是写代码时心里时刻想着“这个变量的类型是什么”尤其是从外部拿到的数据永远不要假设它已经是你要的类型。2.2 函数参数顺序带来的诡异结果第二题里很多学生的函数定义长这样def calc_final_score(name, absence, usual_score80): # absence 是缺勤次数缺席越多扣分越多 ...调用的时候习惯性把分数写在前面calc_final_score(张三, 95, 2)这样“张三”对上了name95被当作absence2被当作usual_score。函数不会报错但计算结果完全错了。这种错误比TypeError更可怕因为它不报错所以特别隐蔽。学生看到输出不对第一反应是对函数内部的逻辑反复检查很少有人会怀疑是自己传参的顺序错了。他们会在函数里加各种print查来查去最后才发现是调用端的问题。我给的解决方案有两个。第一个是调用时用关键字参数calc_final_score(name张三, usual_score95, absence2)这样参数顺序就不会错了可读性也更好。第二个是在定义时给所有参数都设置合理的默认值并且写清楚文档字符串。这道题也反映出一个更深层的问题很多学生对“函数”的理解停留在“函数是个能执行代码的黑盒子”没有把“参数传递”这件事当作数据流来看待。参数是函数的输入你塞进去的数据是什么顺序、什么类型函数就按什么顺序、什么类型处理。调用前想清楚“我要给函数什么”而不是“函数能给我什么”这种思维习惯是函数式编程的第一步。2.3 李白打酒递归边界错一步答案差千里“李白打酒”这题原题是这样的李白街上走提壶去买酒。遇店加一倍见花喝一斗。三遇店和花喝光壶中酒。试问壶中原有多少斗酒这题的本质是李白在路上遇到三次“店”遇到三次“花”一共六次事件。每次遇店酒量翻倍每次见花酒量减一。最后酒刚好喝光问初始有多少酒。其实原题是个数学问题很多人直接用方程解的。但放在加深递归理解的作业里经典的解法是用递归穷举所有“遇店”和“见花”的可能顺序。每个状态由三个变量决定剩余几次遇店、剩余几次见花、当前的酒量。递归出口是店和花都用完了如果这时酒量刚好为0就是一种合法路径。学生最常见的错误写法是def wine(store, flower, current): if store 0 and flower 0: return 1 if current 0 else 0 if store 0 or flower 0: return 0 return wine(store-1, flower, current*2) wine(store, flower-1, current-1)看起来出口条件、递归分支都有了但运行结果往往是0。问题出在哪排查链路是这样的第一步现象输出0一个合法结果都没有。第二步人肉推演。手工模拟一个分支假设初始酒量为1第一次遇店变成2第一次见花变成1第二次遇店变成2……最后几轮可能出现酒量变成负数的情况。但上面的代码在current为负数时并没有停止递归它还会继续往下走。某些分支里负数被current*2或者current-1反复折腾可能最后又“凑巧”凑成一个合法结果也可能一路错到底。第三步根因定位递归时缺少剪枝条件。酒量不能为负如果某一时刻酒量已经负数了这条路径不可能成功。另外如果当前酒量大于剩余花次数后面的花无论如何也喝不完当前酒量也应该剪枝。第四步修正def wine(store, flower, current): if store 0 and flower 0: return 1 if current 0 else 0 if store 0 or flower 0: return 0 if current 0: return 0 if current flower: return 0 total 0 if store 0: total wine(store - 1, flower, current * 2) if flower 0: total wine(store, flower - 1, current - 1) return total这次的输出就正确了。这道题我批改下来只有大概三分之一的同学第一次就写对。大多数人不是不会递归而是不知道递归的边界条件需要把所有非法状态都排除掉。递归里的剪枝不是优化是正确性的一部分。这个道理放在后面的深度优先搜索、树的遍历里同样成立。2.4 文件读取乱码与路径问题第四题涉及读取csv文件两个高发问题乱码和路径找不到。乱码问题主要出现在Windows上。学生用Excel保存了一个csv文件默认编码是GBK但Python的open()默认用UTF-8去读结果中文全部变成乱码。解决办法很简单读文件时显式指定编码with open(scores.csv, r, encodingutf-8) as f: ...如果是GBK编码的文件就写成encodinggbk。路径问题是另外一种常见翻车。很多学生把scores.csv放在桌面上然后直接从当前工作目录去读结果报FileNotFoundError。原因是当前工作目录并不是桌面而是Python进程启动时的目录。在vscode里这个目录通常是打开的项目文件夹在命令行里就是终端当前所在的目录。我给学生的最稳妥建议是把数据文件和脚本放在同一个目录下然后用相对路径读写。如果非要用绝对路径先调用os.getcwd()确认当前工作目录再用os.path拼接路径不要手写C:/Users/...这种硬编码路径换机器就崩。第四题还涉及“筛选出重复数据”。我见过最笨的写法是两层for循环对每一行再遍历一遍前面的行时间复杂度O(n²)。稍微好一点的是用字典计数更好的做法是直接用collections.Counterfrom collections import Counter with open(scores.csv, r, encodingutf-8) as f: lines f.readlines() counter Counter(lines) duplicates [line for line, count in counter.items() if count 1]这道题的真正难点不在去重本身而在于让学生第一次接触“代码不是在真空中运行的”这个概念。代码的运行依赖工作目录、依赖文件编码、依赖操作系统的文件系统。很多学生写完前几题还觉得自己懂了Python到这一题才意识到原来自己连文件都读不进来这其实就是一种进步。2.5 画图时横坐标挤成一团第五题要求把60天的指标数据画成折线图。默认情况下plt.xticks()会把60个刻度全部显示出来在默认尺寸的图上这些数字会挤成一团根本看不清。热搜词里“python画图横坐标太密集”说的就是这个。批改作业时我看到学生们的绘图代码如下import matplotlib.pyplot as plt x range(1, 61) y [...] plt.plot(x, y) plt.show()图能画出来但底部完全没法看。处理方式无非这么几种组合使用效果最好import matplotlib.pyplot as plt x range(1, 61) y [...] plt.figure(figsize(12, 4)) # 把画布拉宽 plt.plot(x, y) plt.xticks(range(0, 61, 10)) # 每隔10个显示一个刻度 plt.xticks(rotation45) # 或者旋转角标 plt.grid(True, linestyle--, alpha0.6) plt.title(60天指标变化趋势) plt.xlabel(天数) plt.ylabel(指标值) plt.show()plt.xticks(range(0, 61, 10))可以解决密度问题rotation45可以让刻度标签不再互相叠盖figsize则在根本上给了刻度更多的摆放空间。这三个技巧解决掉横坐标密集的观感问题基本就没了。这题本意是考matplotlib的基本用法没想到最后让学生最痛苦的竟然不是画线而是刻度。这其实也揭示了一个常被忽略的点可视化的难点往往在于信息呈现而不在于画图本身。图是用来传达信息的如果刻度都看不清再漂亮的曲线也白搭。3. 环境问题比想象中更影响作业产出3.1 解释器选错是新手最大的隐性坑第五次作业加入了文件读取和数据可视化学生开始需要安装第三方库了。于是环境问题集中爆发。vscode里最常见的问题是解释器选错。学生装了matplotlib却在import时报ModuleNotFoundError。我远程帮学生排查发现右下角的解释器根本指向的是另一个环境库装在A环境当前运行用的是B环境能import上才怪。排查和解决顺序非常固定第一点vscode右下角的解释器信息区域查看当前用的是哪个Python。第二按CtrlShiftP输入Python: Select Interpreter选择正确的解释器。第三选择完之后重启终端再输入python --version pip list确认当前环境里真的有这个库。pycharm里的情况类似要在File - Settings - Project - Python Interpreter里确认和设置。这个坑本身不难解决但新手经常绕不出来因为它和代码逻辑完全无关。学生满脑子想的都是“我的代码哪里写错了”压根不会怀疑“我跑代码的环境不对”。我把这类问题归类为“环境问题”并且反复跟学生强调先确认环境再调试代码。3.2 “python was not found”的排查链路热搜词里那个python was not found; run without arguments to install from the Microsoft Store是Windows系统的典型问题。第一次遇到的学生基本都会卡在这个信息上不知所措。这个提示的真实含义是你在命令行里输入了python但Windows在PATH环境变量里找不到对应的Python解释器。于是系统自作主张地帮你打开了Microsoft Store的Python安装引导页。真正解决这个问题的步骤是第一步不要着急从Microsoft Store安装Python。先去设置里关掉“应用执行别名”功能。路径是设置 - 应用 - 高级应用设置 - 应用执行别名把python.exe和python3.exe两个别名开关关掉。不然就算你后面装了Python命令行里也可能优先触发这个别名继续跳转到商店。第二步去官网下载安装包重新安装Python。安装时的第一个界面务必勾选Add Python to PATH这个选项。这一步很多人漏掉导致装完以后python命令依然找不到。第三步重新打开终端输入python --version确认输出版本号。最好再输入where python确认解释器路径确实加入了PATH。这个问题的排查本身不难但折射出一个更重要的习惯遇到报错时先读信息再理清“这个信息是谁输出的、它想告诉我什么”。很多学生看到英文报错就懵了其实仔细看这句英文已经把处理方案写得清清楚楚了。3.3 pip 安装第三方库失败镜像源能解决90%的痛第二、第三题之后学生第一次需要用到matplotlib于是pip安装失败的求助信息就来了。最常见的报错是timeout、连接失败或者干脆卡在下载进度条上不动。这通常不是学生操作的问题而是默认源在国内访问速度太慢。解决办法是换成国内镜像源。临时用法pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple永久配置pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple配置之后pip下载速度会快非常多。阿里云、腾讯云、豆瓣也都有镜像源挑一个稳定的记住就行。3.4 环境问题的深层影响早学会查错比多背语法重要我不止一次见到有学生因为环境配不好直接对自己产生怀疑觉得“我是不是根本不适合编程”。这真的太可惜了。环境配置不是Python特有的问题是所有编程语言都要面对的实际门槛。Node有npm的安装依赖问题Java有JAVA_HOME和Maven的配置问题C有编译器和链接器的环境问题。与其说环境问题是学习道路上的杂音不如说它就是编程的一部分。早一点学会读报错、学会把报错原文复制到搜索引擎里、学会逛技术社群这些能力比多背几道语法题有用得多。第五次作业恰好是环境问题集中爆发的一次。撑过去的同学后面做爬虫、做数据分析都会顺很多。撑不过去的同学后面每一步都卡。所以遇到环境问题时真的值得多花一点时间彻底解决而不是绕过它。4. 从批改反馈看第五次作业暴露的教学盲区4.1 学生差距最大的题目是哪一个批改完全班作业我做了一个简单的统计。第一题和第五题绝大多数学生都能完成只是代码质量有高有低。第一题就是基础语法第五题只要图能画出来就算完成所以完成率都不错。第二题函数设计约一半的学生能写对另一半在参数传递和默认值设置上出了问题。差距最大的是第三题李白打酒。这题在很多班里只有三分之一的学生第一次就做对。有意思的是做错的学生里很多人不是不理解题目也不是完全不懂递归而是漏掉了边界条件的检查。这说明他们对“递归出口”的理解只停留在“递归必须有一个终止条件”这个口诀层面并没有真正形成一个思维习惯进入递归之前一定要把所有可能让状态变得非法的条件全部排除。这个差距和其他题目不一样。第一题不会做可能是练习不够第四题不会做可能是文件操作不熟。但第三题做错反映的是逻辑严谨性还不够。这是编程学习中一个更底层的短板不是多刷几道题就能立刻补齐的。4.2 三个关键能力断层通过这一轮作业我看到三个比较明显的能力断层。第一个是调试能力的断层。很多学生不会用“分段验证”的思路。代码写了一大段运行报错就盯着代码看不敢在中间加print输出关键变量。实际上一个简单的print就能让隐藏的错误无处遁形。我上课的时候反复强调遇到逻辑错误第一反应是在可疑节点print中间结果看看到底哪里和预期不一致。但作业里能主动这么做的人依然不多。第二个是拆解能力的断层。第四题读文件、筛选重复项看似简单但不少同学把读取、解析、去重、输出全部堆在一个循环里中间任何一步出错整个程序就崩了。如果拆成“读取函数”“清洗函数”“统计函数”每一段都可以单独测试出错的概率会小很多。这个习惯也是工程化开发的入门门槛。第三个是检索能力的断层。有些学生遇到报错宁可自己憋半小时也不去搜索。我倒不是觉得三十岁以下的年轻人不会用搜索引擎而是他们经常不知道搜什么。看到一长串英文报错复制到搜索框里都嫌麻烦。我给出的办法是先复制报错信息的最后一行也就是从Error开始的那部分再去搜索引擎搜通常第一条就能找到答案。这招比自己去猜原因高效得多。4.3 在教学中做了哪些调整因为这一轮作业暴露出的问题我在第六次课开始之前专门安排了一节课做“排错演练”。课上给出一段有bug的代码要求学生不外传、不讨论独立完成这些任务读出报错名、定位报错的代码行、加print确认变量值、修复代码、用另一组数据验证。这样的练习只做一次效果就比单纯讲三遍语法好。因为语法知识可以在文档里查到但“怎么查错”这个能力只能靠练出来。每一轮带课我都会在这个节点花这个时间。对自学者来说同样适用不要急着往后学新语法先把你已经会的代码改对、跑顺、看懂这一步比什么都值钱。5. 一份可以直接抄走的Python作业自检清单5.1 动手前先花15分钟第五次作业这种综合性题目最忌讳的就是拿到题直接开写。我的建议是动手前先花15分钟做三件事。第一件把题目里“输入什么”“输出什么”“边界是什么”写清楚。比如第一题输入是一组成绩输出是平均分、最高分、最低分、不及格人数。边界是成绩可能为空吗可能包含负数吗可能包含小数吗这一层想清楚了写代码的时候就不会遗漏。第二件想清楚函数怎么拆。第三题要不要单独写一个递归函数第四题要不要把“读文件”和“筛重复”分开这些设计决策先定下来再动手写。磨刀不误砍柴工程序员不是打字员。第三件准备一组简单的测试数据。不要拿完整数据测试先用最少的数据比如只有两三个元素的列表跑一遍确认逻辑基本正确后再扩大数据范围。5.2 遇到报错后的标准排查顺序我用经验总结出来的顺序适合所有Python习题看报错类型和最后一行报错信息。比如TypeError说明类型不对FileNotFoundError说明路径问题IndexError说明下标越界。这几类报错是Python里最常见的看到它们就能快速定位方向。看报错信息里提示的行号。回到代码里检查那一行通常问题就在附近三行之内。如果报错信息看不出来用print大法。在关键节点打印出当前的变量值和预期对比很快就能找出是哪一步逻辑出了问题。把报错原文复制到搜索引擎。注意是复制原文不是自己描述问题。直接搜原文大概率第一条就是答案。5.3 提交前最后检查这几个点交作业之前我建议所有人都按这个清单过一遍能避免很多低级扣分变量命名是否清晰是否有名字为 a、b、c 的变量函数是否都定义了是否都能被正确调用注释是否准确注释描述的行为是否和代码一致是否处理了明显的异常输入比如空列表、负成绩、文件不存在换一组测试数据跑一遍确认代码在通用情况下也正确逻辑代码之外还想补充一个点写作风格。代码里的注释不是写给老师看的是写给未来的自己看的。一个月之后你回来看这份代码能不能一眼看出每个函数是干什么的如果能这份代码就是成功的。5.4 “代码能跑”和“代码写对了”不是一回事我批改作业时最常问学生的一句话是换一组数据你的代码还能输出正确结果吗很多学生一脸自信说“当然能”然后我把输入从“张三 李四”换成“张三 李四 王五”再跑一次程序就崩了。其实“能跑”和“写对”之间最大的差距就体现在对边界条件的处理上。代码能跑只是说明你给的这组数据它没崩溃代码写对是说明任何合理输入它都能给出正确结果。我给出的自检标准每写完一个函数立刻调用一次用两三组不同的数据测一测而不是等全部代码写完再运行。这个习惯在第五次作业里尤其重要因为这五道题都涉及数据处理和文件操作中途任何一步出错后面的结果都不可能对。批完这一轮作业我最大的一个感受是第五次作业的意义并不在于那几道题本身而在于它第一次把“写代码”这件事从单点知识点变成了一个完整流程——设计、实现、调试、交付。第四周之前学生写代码是“老师让写什么我就写什么”完成第五次作业之后开始有人主动在注释里写“这里我考虑到了输入为空的情况”。作为老师看到这种变化是很开心的事。如果你也在学Python建议你把第五次作业当成一次“流程演练”来对待而不是又一次凑作业。代码写得好不好不看你会不会背语法只看你能不能把一个题目从头到尾吃透。那些在作业里愿意花时间研究报错、调整函数结构、优化代码可读性的人到后面学爬虫、学数据分析、学深度学习都会比别人顺得多。