Matplotlib是Python生态中最基础的可视化库，能创建折线图、柱状图、饼图、散点图、箱线图、直方图等主流图表。教程系统介绍了图表类型选择原则：折线图展示趋势，柱状图比较类别，饼图反映比例，散点图探索关系，箱线图显示分布与异常值。核心工具是pyplot模块与全局配置rcParams，前者提供绘图函数，后者用于设置默认样式（如字体、图形尺寸）。各图表绘制函数均支持丰富的自定义参数，包括颜色、标记、线型、标签等。此外，通过subplots和subplot2grid可实现规则与不规则组合图；标题、标签、图例、网格等辅助函数用于完善图表；rcParams可统一配置样式，savefig支持多种格式导出。教程还提供了天气数据综合分析的实战案例，并附核心函数速查表，强调将可视化应用于实际数据分析。

协程是一种运行在线程内部的用户态任务调度机制，通过事件循环在I/O等待时挂起当前任务并恢复其他任务，从而避免CPU空转，提升线程利用率。它并非线程或进程，不依赖内核调度，也不能自动利用多核，特别适合网络请求、爬虫等I/O密集型场景。Python中，`async def`定义协程函数，调用返回协程对象，必须交由事件循环（如`asyncio.run()`）执行。`await`用于挂起协程并等待可等待对象完成，但真正的并发需通过`asyncio.create_task()`将协程注册为任务，或用`asyncio.gather()`批量执行。协程不适合CPU密集型计算；常见误区包括将协程等同于线程、认为定义即执行、在协程内使用阻塞函数等。

并发编程是现代软件开发的基础能力，文章系统梳理了Python中进程与线程的核心概念与实践方法。关键要点包括：并发强调任务交替推进，并行强调同时执行；同步/异步描述任务等待关系而非CPU核心数。进程是资源分配基本单位，线程是CPU调度基本单位，进程间内存独立，线程共享进程资源。Python通过`multiprocessing.Process`和`threading.Thread`创建执行单元，需使用`Lock`/`RLock`保护临界区，`join()`等待子进程，`terminate()`强制终止。进程间通信依赖`Queue`和`Pipe`，变量默认不共享。进程池和线程池（`concurrent.futures`）可高效管理批量任务。CPython的GIL导致多线程在CPU密集型任务中无法真正并行，因此CPU密集型优先多进程，I/O密集型优先多线程。理解这些概念并根据任务类型、资源开销和稳定性需求选择合适模型，是并发编程的核心能力。

Python文件操作是编程基础，涉及文件本质（文本文件依赖编码，二进制文件依赖格式）、路径（绝对与相对）、open()函数及多种模式（r/w/x/a/b/t/+）。读取方式包括read()、readline()、readlines()和for循环遍历，推荐用with上下文管理器确保资源自动释放。写入时需注意覆盖(w)、追加(a)或排它创建(x)的区别；flush()可强制落盘。组合模式（r+/w+/a+等）配合seek()实现读写一体。目录操作通过os和shutil模块实现创建、删除、遍历。核心建议：文本文件指定UTF-8编码，大文件逐行或分块读取，二进制文件用b模式，操作前确认覆盖风险，优先使用with。掌握这些为数据处理、自动化等高级应用打下基础。

Python中的可迭代对象（如列表、字符串）定义了能被`for`循环遍历的能力，其核心是提供`__iter__`方法。迭代器是真正负责逐项取值的对象，通过`__next__`方法推进状态并在耗尽时抛出`StopIteration`异常，它支持惰性计算，按需生成结果，节省内存。生成器是基于`yield`关键字的特殊迭代器，由解释器自动管理状态保存与恢复，使代码更简洁自然。`for`循环本质是自动调用`iter()`和`next()`的语法糖。生成器表达式提供列表推导式的惰性版本。在实际开发中，优先使用生成器实现遍历，仅在需要精细状态控制时才手写迭代器类。理解这三者的关系有助于优化大规模数据处理与流式编程。

Python中的模块是`.py`文件，用于拆分功能、提高复用性和可维护性；包括标准库、自定义和第三方三类。包是包含`__init__.py`的目录，用于组织多个模块和子包，形成层级结构。模块导入方式包括`import`、`from ... import`及别名用法，其中`__all__`控制`import *`的导出内容，`__name__`用于判断模块是否作为主程序运行。包通过`__init__.py`实现初始化与接口暴露。第三方包通过PyPI发布，使用`pip`安装。Python环境分为全局环境与虚拟环境，虚拟环境能实现项目间依赖隔离，避免版本冲突，是真实开发中的推荐做法。掌握模块、包与环境管理，是构建可维护、可扩展Python项目的基础。

在Python中，程序中断由错误与异常两类原因造成。错误是语法层面的问题，发生在代码解析阶段，无法通过异常处理拯救，只能修正源码。异常是语法正确但运行时因数据或环境问题导致的非预期情况，可通过异常处理机制管理。常见异常类型有ZeroDivisionError、TypeError、IndexError等。完整的异常处理结构为try-except-else-finally，其中finally用于资源清理。raise语句可主动抛出业务异常。异常会沿函数调用链逐层传递，直到被捕获。自定义异常类继承自Exception，能更准确表达业务语义，提升可读性与可维护性。工程化建议包括：避免使用裸except，优先捕获具体异常，保留异常上下文，利用finally清理资源，并合理使用自定义异常，不滥用异常替代分支判断。

Python函数进阶的核心在于“函数是一等对象”，可赋值、传递、嵌套和动态修改。文章系统讲解了多返回值与参数解包、高阶函数与匿名函数（lambda）、数据处理工具（map/filter/sorted/reduce）、推导式、深浅拷贝、作用域与LEGB规则、闭包（携带状态的函数）、装饰器（无侵入功能增强，包括函数装饰器和类装饰器）以及类型注解（代码文档化）。这些特性使代码更灵活、可复用，并为装饰器、元编程等高级领域打下基础。文章强调理解可变/不可变对象传递差异、闭包中自由变量的捕获、装饰器实现原理及类型注解对大型项目的价值。

面向对象编程（OOP）将数据和行为封装在对象中，通过类定义共性，继承实现复用，多态让不同对象对同一消息作出不同响应。Python完全支持OOP，涵盖类与实例（__init__初始化）、实例属性与类属性、实例方法/类方法（@classmethod）/静态方法（@staticmethod）。继承支持单继承和多重继承，通过super()调用父类，可重写方法。权限控制采用命名约定（单下划线表示受保护，双下划线通过名称改写实现私有），结合@property实现受控访问。魔法方法（如__str__、__lt__、__eq__）让对象更自然。多态既可通过继承实现，也依赖鸭子类型（动态语言特性）。抽象类（ABC）强制子类实现接口。综合案例（学生成绩管理系统）展示了数据封装、继承、类属性、魔法方法等核心概念。在实际开发中，遇到相似实体、继承关系、多态操作或需要封装复杂状态时，应优先考虑OOP，以提升代码可读性、可维护性和可扩展性。

Python提供了五种内置数据容器：列表、元组、字符串、集合、字典。列表是有序且可变的序列，支持增删改查、排序和反转；元组是有序但不可变的序列，常用于固定数据，支持解包；字符串是字符的不可变序列，可进行查找、分割、替换等操作；集合是无序且元素唯一的可变容器，支持并、交、差等数学运算；字典以键值对形式存储，键唯一且不可变，用于高效映射查找。所有容器均支持成员运算符`in`和类型转换函数。序列（列表、元组、字符串）还支持切片和相加/重复操作。选型建议：需要频繁修改用列表，固定数据用元组，文本处理用字符串，去重或集合运算用集合，键值映射用字典。掌握这些容器可应对绝大多数数据管理场景。