体系化
将零碎的知识点体系化真的很重要，我就把这门课的所有要点都放在一张思维脑图（是体系化知识的好工具）里了。
整个 Python 基础内容我把它结构化为六点：
- 编程概论
- 数据
- 流程
- 函数
- 对象和类
- 高级特征
从下面动图可看出每个点的更多细节。
按上面这种方式划分构建一个体系是有原因的：
编程概论：学习任何一种编程语言，我们都需要了解一些概论。类比计算机语言和人类语言，学习语言首先要了解其词汇和语法，再开始讲故事。
- 词汇包括保留字（keyword）和变量名（variable name）
- 语法包括缩进、冒号等等
- 故事可由三种方式来演绎，按顺序讲；按条件讲；重复讲
了解完概论就可以了解所有编程语言中最重要的一环，数据。
数据：数据的重要性不需要多讲，在 Python 中数据可分两大类：
- 元素型：整数、浮点、布尔、None
- 容器型：字符串、元组、列表、字典、集合
数据会被命名成变量，变量（词）之间会发现联系（句子），当你试着「用词造句讲故事」的时候，你实际创建了一个流程，而流程需要控制。
流程：类比三种演绎故事的形式，代码也可以按顺序写、按条件写（if）、重复写（while, for），这些都叫做流程控制，当然在运行不出错的时候。如果出错了需要异常处理（try, except）。因此流程控制可细分
- 按顺序：一句一句写
- 按条件：用 if 语句
- 按重复：
- 用 for 循环 - 当循环次数事先知道
- 用 while 循环 - 当循环次数事先不知道
- 要纠正：用 try, except, else, finally 语句
当你想重复使用一组语句时，你需要考虑函数。
函数：Python 定义函数有两种方式：
- 用 def 定义普通函数
- 用 lambda 定义匿名函数
Python 把函数当成「一等公民」，即可把函数当成变量使用，进而可以定义高阶函数（普通函数和匿名函数都属于低阶函数）：
- 把函数当成输入参数
- 把函数当成输出结果
介绍完数据和函数后，我们可得出
- 如果只处理数据，将其存储在列表，字典或其他数据中
- 如果只处理行为，而没有存储数据，则使用函数更合适
如果同时要处理到数据和行为呢？考虑对象和类。
对象和类：对象是既具有数据又具有行为的实例，而类是对象的描述。变量和函数是零散的，而对象将它们集合起来，
- 在对象里也有变量，用来存储数据，这时变量又称字段（fields）
- 在对象里也有函数，用来操作数据，这时函数又称方法（methods）
字段和方法统称为类的属性（attributes）。
基于对象编程叫做「面向对象编程」，里面的知识点包括：实例变量、类变量、实例方法、类方法、静态方法、继承、多态、魔法方法、属性装饰器等。
高级特征：这是都是些锦上添花的东西，包括格式化字符串、正则表达式、解析表达式、生成器、迭代器和装饰器等等。
现在我已经把整套课的体系建出来了，当然每个知识点还有很多细节要去深挖。学习一个新事物时，我痴迷于去体系化其要点，去对比和类比其性质、这样知识点会越来越明晰。
体系化可以把握全局
故事化
故事总是比代码更能让人感兴趣，尤其以 Python 的难点「装饰器」为例，如果一上来就给装饰器的代码 @decorate_function，没有多少人能坚持学下去的。但是如果将它赋予故事呢？
故事开始
斯蒂文是个厨师，有一天开始研究汉堡 (burger) 的做法，第一次他只用鸡肉饼做汉堡。
代码语言：javascript复制def meat(food='--鸡肉饼--'):
print(food)
burger = meat
burger()--鸡肉饼--很明显汉堡都是肉，太荤了。加点蔬菜如何？
代码语言：javascript复制def vegetable(func):
def wrapper():
print(' ~西红柿~')
func()
print(' ~沙拉菜~')
burger = vegetable(meat)
burger() ~西红柿~
--鸡肉饼--
~沙拉菜~现在汉堡看起来不错，可是好像看缺少了什么？对，再加点面包就好了。
代码语言：javascript复制def bread(func):
def wrapper():
print('</------>')
func()
print('<------/>')
return wrapper
burger = bread(vegetable(meat))
burger()</------>
~西红柿~
--鸡肉饼--
~沙拉菜~
<------/>现在看上去真像汉堡，面包夹着蔬菜，蔬菜夹着肉。
故事结束
面包和蔬菜「装饰」着鸡肉饼，bread() 和 vegatable() 这两个函数起着「装饰器」的作用，它们没有改变 meat() 函数，只在它的基础上添砖加瓦，最后把鸡肉饼装饰成汉堡。
我相信即便你在还不太懂 Python 函数的情况，也能大概了解装饰器的作用了。
除了故事化，我在讲难点时喜欢把所有需要的知识点过一遍。比如装饰器涉及到函数的各种用法，我会在讲装饰器前，揉碎了讲下面几个知识点：
- 把函数赋值给变量
- 在函数里定义函数
- 在函数里返回函数
- 把函数传递给函数
这样你们学起来会很轻松，但对我而言就要下很大功夫，但是我愿意。
故事化可以引人入迷
可视化
一图胜千言，人是感官动物，从图表中接收的信息绝对比从文字快。
在学习高阶函数 map, filter, reduce 的时候，绝大教材都会直接上代码这样举例：
代码语言：javascript复制lst = [1, 2, 3, 4, 5]
map_iter = map( lambda x: x**2, lst )
list(map_iter)[1, 4, 9, 16, 25]f_iter = filter( lambda x: x%2==1, lst )
list(f_iter)[1, 3, 5]from functools import reduce
reduce( lambda x,y: x y, lst )15虽然可以看懂，但是总觉得不直观。再看看我是如何来「可视化」这三个函数的。
我们看着 Emoji，很自然的就能读懂
- 将 cook 函数映射（map）到牛、土豆、鸡和玉米上，就能做出汉堡、薯条、鸡腿和爆米花。原来 map 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上啊。
- 用 ismeat 函数来判断牛、土豆、鸡和玉米是不是肉，得出汉堡和鸡腿是肉，因此将它们过滤（filter）出来。原来 filter 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上，然后过滤出返回为真的数据。
- 将 eat 函数压缩（reduce）牛、土豆、鸡和玉米成排泄物，因此 reduce 函数是用第一个参数（函数）作用到它第二个参数（容器型数据）上，得到一个元素型数据。
这样是不是秒懂 map, filter 和 reduce 了？
再举一个我最喜欢的例子，「可视化」列表解析式。
你可以把「带 if 的 for 循环」到「解析式」的过程想像成一个「复制-粘贴」的过程：
- 将「for 循环」的新列表复制到「解析式」里
- 将 append 里面的表达式 n 复制到新列表里
- 复制循环语句 for n in lst 到新列表里，不要最后的冒号
- 复制条件语句 if n%2 == 1 到新列表里，不要最后的冒号
通过这样的可视化过程，你发现列表解析式原来这么简单直观啊。
可视化可以增强记忆
抽象化
从具体问题能抽出本质是一种很重要的能力，人一旦会举一反三才算会学习。
以格式化字符串举例，一般有四种方法：
- 用 % 字符
- 用 $ 字符
- 用 format 函数
- 用 f-string
如果光看例子，那真是千奇百怪，但透过例子看本质，每种方法都有通用的语法格式，如下图总结。
记住那么多特例是不可能的，但记住这四种通式是可行的。
