第3章 Python基础回顾：环境配置、基础语法速览、常用数据结构、函数与模块
说实话，很多做报告自动化的同学，最后卡住的不是业务逻辑，而是Python基础不牢。我见过太多人写脚本写到一半，连个列表推导式都写不利索，更别提用pathlib优雅地处理文件路径了。
这一章，咱们就把Python基础过一遍。别担心，我不会让你背语法手册。我会告诉你哪些东西在报告自动化里真正有用，哪些坑我踩过。
本章核心目标：用30分钟快速唤醒Python基础，重点掌握文件处理、数据结构和模块化编程——这三样东西，是自动化报告的灵魂。
3.1 环境配置：别让工具拖后腿
我建议你用Python 3.9以上版本。为什么？因为3.9引入了zoneinfo，处理时区不再需要第三方库。报告里经常要打时间戳，这个特性很实用。
安装完Python，第一件事就是配虚拟环境。我个人习惯用venv，轻量、够用。
# 创建虚拟环境
python -m venv report_env
# 激活（Windows）
report_env\Scripts\activate
# 激活（macOS/Linux）
source report_env/bin/activate嗯，这里要注意：永远不要在全局环境里装项目依赖。我曾经因为图省事，直接在系统Python里装了一堆包，结果两个项目依赖冲突，折腾了一下午才搞定。
我的小技巧：在项目根目录放一个requirements.txt，每次换电脑或部署时，一行命令就能恢复环境：pip install -r requirements.txt
3.2 基础语法速览：够用就行
报告自动化里，Python语法用到最多的就这几样：变量、条件判断、循环、字符串处理。别的不说，字符串格式化你得玩熟。
# 老式写法（不推荐）
name = "Q3财报"
print("正在生成：%s" % name)
# f-string（推荐，Python 3.6+）
print(f"正在生成：{name}")
# 带格式控制
revenue = 1234567.89
print(f"营收：{revenue:,.2f} 元") # 输出：营收：1,234,567.89 元你看，f-string配合格式化说明符，数字千分位、小数位数一步到位。报告里那些财务数字，用这个处理特别顺手。
3.3 常用数据结构：选对工具，事半功倍
Python内置的数据结构，说白了就四种：列表、字典、元组、集合。但报告自动化里，字典和列表是绝对的主角。
| 数据结构 | 特点 | 报告自动化典型场景 |
|---|---|---|
| 列表 | 有序、可修改 | 存储多行数据、图表数据点 |
| 字典 | 键值对、快速查找 | 配置参数、单行记录 |
| 元组 | 有序、不可修改 | 固定配置、函数多返回值 |
| 集合 | 无序、去重 | 数据去重、交集/差集运算 |
举个例子，你要从数据库里查出一批销售记录，每条记录用字典表示，多条记录放列表里。这种结构，后面转成DataFrame或者直接写Excel都很方便。
# 典型的报告数据模型
sales_data = [
{"region": "华东", "revenue": 1250000, "target": 1500000},
{"region": "华南", "revenue": 980000, "target": 1000000},
{"region": "华北", "revenue": 1120000, "target": 1100000},
]
# 列表推导式：快速筛选达标区域
achieved = [item for item in sales_data if item["revenue"] >= item["target"]]
print(achieved)
# 输出：[{'region': '华北', 'revenue': 1120000, 'target': 1100000}]避坑提醒：我曾经在循环里直接修改列表，导致索引错乱。记住：遍历列表时不要增删元素。如果非要改，用列表推导式生成新列表，或者用enumerate()配合索引操作。
3.4 函数与模块：把代码装进盒子里
写报告脚本最忌讳什么？把所有逻辑堆在一个文件里，几百行代码，改一个地方牵一发动全身。你想想看，要是每个报告模块都能独立测试、独立维护，那该多省心。
函数就是最小的代码盒子。我建议你遵循一个原则：一个函数只做一件事。
# 不好的写法：一个函数干三件事
def process_report(data):
# 清洗数据
# 计算指标
# 生成图表
pass
# 好的写法：拆成三个函数
def clean_data(raw_data):
"""清洗原始数据"""
pass
def calculate_metrics(cleaned_data):
"""计算关键指标"""
pass
def generate_chart(metrics_data):
"""生成图表"""
pass模块呢，就是把相关的函数和类打包在一起。比如，所有和Excel相关的操作放excel_utils.py，所有图表相关的放chart_utils.py。这样项目结构清晰，别人接手也容易看懂。
我的习惯：每个模块文件开头写一个简短的docstring，说明这个模块是干什么的。半年后你回来看代码，会感谢当初的自己。
3.5 本章知识体系总览
下面这张图，把本章的核心知识点串起来了。你可以把它当作一个快速索引，以后写代码时忘了什么，回来瞄一眼就行。
这张图把本章内容分成了四个板块。你看，环境配置是地基，基础语法是工具，数据结构是容器，函数与模块是组织方式。四者缺一不可。
好了，基础回顾就到这里。这些东西看着简单，但真正用熟需要时间。我建议你打开编辑器，把上面的代码示例敲一遍，改改参数，看看输出。动手，是最好的学习方式。