南瑾i我到现在还记得自己当年交第一份Python作业时的狼狈样：代码在课上跑得好好的，回宿舍一运行就报错，折腾到凌晨也没解决，第二天才发现就是没保存。后来带的人多了，发现第一份作业翻车的套路基本都一样——不是题目不会做，而是环境、工具、基础语法这些“写代码之前的事”没理顺。
这篇博文就复盘一次真实的“Python第一次作业”完整过程。我用一个很经典的任务来当例子：读取一个文章文件，统计词频，输出出现次数最多的Top 10。选题不大，但变量、字符串、列表、字典、循环、函数、文件读写全都能练到，更重要的是能帮你把“写代码的环境”“运行代码的逻辑”“出错怎么排查”这三件事彻底打通。不管你是刚装好Python还没跑过一行代码，还是卡在VS Code和pip报错里出不来，这份实操记录都能让你少走不少弯路。
1. Python环境搭建：作业没开始，环境先把人劝退
第一次写作业，最大的门槛往往不是语法本身，而是“让电脑能执行你写的代码”这套环境准备。很多同学还没开始写代码，就先在安装、配置上耗掉了一整天。所以这一章先把环境彻底讲清楚。
1.1 安装Python：版本和系统都有讲究
安装Python的第一个问题是选版本。我的一贯建议是：新手别追最新，选一个已经发布半年以上、社区使用量最大的稳定版本，比如Python 3.10或3.12。原因很简单，新版本出来之后，一些第三方库可能还没适配完，你装完Python再装依赖包，很容易碰到“缺这个缺那个”的问题。而3.10、3.12这类版本经过大量项目验证，生态成熟，遇到问题能搜到一堆现成答案，对新手最友好。
具体安装步骤（以Windows为例）：
- 打开Python官方网站，进入Downloads页面，点击对应系统的安装包。
- 运行安装程序，这一步有个地方极其容易踩坑，就是一定要勾选最下方的“Add Python to PATH”。
- 勾选后点击Install Now，等待安装完成。
- 验证方式：打开命令行（cmd或PowerShell），输入
python --version，如果能输出版本号就说明装成功了。
关于第2步要多说一句。PATH这个概念，你可以把它理解成“电脑系统里的一条索引目录”。当你敲下python这个命令时，系统会按PATH里记录的目录去找有这个名字的程序。如果安装时没勾选，系统不知道去哪找Python，后续就会报“python不是内部或外部命令”。我第一次装的时候就吃过这个亏，后来已经习惯性在重装任何语言环境前先检查PATH。
macOS其实自带一个Python 2，但那个版本太老，不建议用。建议去官网下载Python 3的安装包，或者用Homebrew执行brew install python。Linux系统则通常可以通过包管理器安装，比如Ubuntu/Debian用sudo apt install python3，CentOS/RHEL用sudo yum install python3。不管什么系统，装完后先跑一遍python --version，确认版本是我们需要的再继续，这个习惯可以帮你省掉后面大量“我明明装了为什么不行”的疑问。
1.2 编辑器选型：我用VS Code而不是IDLE
Python安装包自带一个叫IDLE的编辑器，说实话它作为“教学演示”足够，但真用来写作业体验太差，连代码提示都几乎没有。我自己带新手的时候，更建议直接用VS Code，免费、跨平台、插件生态好，而且是目前用得最多的代码编辑器之一。
VS Code的配置流程里，最关键的是下面三步：
- 安装VS Code后，先安装Python官方扩展。打开左侧扩展商店，搜索“Python”，选择发布者为Microsoft的那个，点击Install。
- 打开一个项目文件夹，按下
Ctrl+Shift+P打开命令面板，输入“Python: Select Interpreter”，选中你刚安装的那个Python版本。 - 新建一个
.py文件，随便写一行print("hello world")，点击右上角的三角形运行按钮，看右下角输出窗口有没有结果。
很多人在第二步“选择解释器”上翻车。VS Code本身只是一个编辑器，编辑完之后要交给具体的Python解释器去运行。如果你电脑上装了多个Python（比如一个官网版、一个Anaconda带的），没有主动选择解释器，VS Code可能挑了一个不是你期望的版本，后面装包的时候就会非常混乱。判断标准很简单：右下角状态栏会显示当前解释器的路径，装包之前先确认这个路径，再用pip list对比一下已经装了哪些包，能避免90%的“我明明装了这个库但运行说找不到”的问题。
1.3 跑通第一行代码：作业的第一步
环境装好之后，我的习惯是先用一个极简脚本做“运行链路验证”，而不是直接上作业代码。这就像你新买了一台打印机，得先打一张测试页确认设备正常，再开始打印正式文档。
打开VS Code，新建文件，保存为test.py，输入：
python复制print("作业开始")
运行。看到输出结果之后，再在文件末尾加一行：
python复制print(1 + 2)
如果两行都正常输出，说明环境、解释器、文件保存、输出显示这一整条链路全部通了。这时就可以正式进入作业环节了。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 第一次作业到底在练什么：核心考点拆解
环境准备好了，接下来要搞清楚“第一次作业”到底在考什么。明白了这一点，你才能不慌不忙地写代码，而不是一边写一边查“这个语法是什么意思”。
2.1 作业设定：一个不超纲又很实用的词频统计
我第一次给零基础同学布置的作业是这样的：
给定一个纯文本文件
article.txt，里面是一段中文文章。请编写一个Python程序，读取该文件，统计其中出现频率最高的前10个词语，并把“词语：次数”逐行打印出来。
这个题目听起来不难，但它覆盖了Python入门里最核心的几类知识点：
- 变量与赋值：需要把读取到的内容、统计出的结果存到某个名字里；
- 字符串处理：需要把一长段文本切分成一个个词语；
- 列表和字典：需要用一个合适的结构来保存“哪个词出现了多少次”；
- 循环：需要重复地遍历每一个词、更新统计结果；
- 函数：需要把读文件、分词、统计这些步骤拆成清晰的模块；
- 文件操作：程序的输入来源就是磁盘上的一个文件；
- 标准库的简单使用：排序、计数可以直接借助
collections.Counter。
有同学会问，为什么不直接写个hello world？这个问题问得好。hello world只能帮你验证环境，但完全练不到逻辑。词频统计这样的作业，代码量在30行左右，难度对第一次作业刚刚好，而且完成后你会明显感觉到“我能用程序解决一个实际小问题了”，这种反馈感比单纯打印一句话强得多。
2.2 动手前先看懂这几块基础语法
在写代码之前，我建议先把下面这几个语法点过一遍。不要求你背出来，但要做到看到代码能大致猜出它在干什么。
- 变量：
count = 0，就是给一个结果取个名字，后面反复用。 - 列表：
words = ["hello", "world"]，有序的一组数据，用中括号。适合保存“按顺序切出来的所有词”。 - 字典：
word_count = {"python": 3, "作业": 5}，像一本小词典，根据关键词查对应的值，用花括号。适合保存“词 -> 次数”这种映射关系。 - 循环：
for word in words:，意思是对列表里的每一个元素挨个执行下面的缩进代码块。 - 函数：
def main():，把一段逻辑打包成一个可复用的模块。第一次作业别追求复杂的函数设计，能把主流程拆成“读文件”“分词”“统计”“打印”四个函数就足够。 - 文件读写：
open("article.txt", "r", encoding="utf-8")，打开文件、指定读模式、指定编码。这里面的encoding参数很关键，后面踩坑部分我会专门讲。
我的建议是，先弄懂这些概念，再从网上找点简单的代码例子读一读，最后再动手写。很多朋友喜欢“边查边写”，我理解这种心态，但最好还是先把代码框架在脑子里过一遍，哪怕第一版写得烂也没关系，重点是你知道每一行是在干什么。
2.3 不同写法背后的设计权衡
同一个词频统计作业，你可以用三种不同思路实现，这也正好是一次很好的“算法思维”训练：
- 第一种：先取到所有词语的列表，再用循环依次判断每个词是否已经在字典里，在就加1，不在就初始化成1。这种最直观，全靠基础语法完成。
- 第二种：用
collections.Counter，把整个列表丢进去，Counter会自动统计每个元素出现的次数，然后调用most_common(10)一步到位。这种代码最短，也是我推荐的。 - 第三种：先对词语列表排序，再通过遍历找连续相同项来计数。这种在正规的算法题里很常见，但对第一次作业来说没必要。
我的建议是先把第一种写出来，因为你能体验完整的“手动设计”过程；然后改成第二种，体会标准库的威力。这个对比过程本身，就会让你对“为什么要用合适的数据结构”有非常直观的感受。
3. 实操过程：从一行代码到作业提交
这一章是全文的核心部分。我会带着大家把作业完整实现一遍，从画流程到写代码，再到运行验证。
3.1 先把流程画出来，再动手写代码
写代码最重要的习惯不是马上敲键盘，而是先把流程想明白。这个作业的流程很清晰：
- 打开文件，读入全部文本；
- 把文本拆成一个个词语；
- 统计每个词语出现的次数；
- 按次数从高到低排序；
- 输出前10个词及其次数。
你可以用文字、流程图、甚至直接在草稿纸上写几笔。我自己的习惯是先在注释里写流程，再在流程注释下面“填”代码。这样每写一段代码，都清楚地知道自己在一个更大的流程中的哪个位置，不会写着写着就迷路。
3.2 完整代码与逐段说明
我的作业代码长这样，先看整体：
python复制import re
from collections import Counter
def read_file(file_path):
with open(file_path, "r", encoding="utf-8") as f:
return f.read()
def split_words(text):
return re.findall(r"[\u4e00-\u9fa5]{2,}", text)
def main():
content = read_file("article.txt")
words = split_words(content)
counter = Counter(words)
for word, count in counter.most_common(10):
print(f"{word}: {count}")
if __name__ == "__main__":
main()
先说第一行的import re。re是Python的正则表达式标准库，专门用来按规则匹配文本。re.findall(r"[\u4e00-\u9fa5]{2,}", text)的意思是：找出所有由连续汉字组成的片段，长度为2个字或以上，并返回一个列表。你可能想问，为什么不是按真正的中文“词”来切呢？因为真正的中文分词需要更复杂的算法或第三方库。第一次作业的目的是先把程序跑通，先理解“统计”的逻辑，所以用“连续汉字”来近似词语是完全可以接受的，这也是不额外引入依赖时最合理的写法。
接下来是read_file函数。with open(...) as f是一个上下文管理器，它的好处是：文件用完之后会自动关闭，不需要你手动写f.close()。在文件操作里忘记关闭文件，虽然这个小程序不容易出错，但一旦程序变大，文件句柄泄漏是个很麻烦的事。所以第一次写文件读取，我就把这个好习惯教给你：能用with就用with。编码参数encoding="utf-8"是我的习惯动作。如果你不写，Windows上默认可能是GBK，到时候读到UTF-8文件就会报UnicodeDecodeError，这是新手必踩的坑之一。
Counter(words)就是前面说的标准库大杀器。Counter会对列表里的所有元素做计数，返回一个类似字典的对象。most_common(10)返回出现次数最多的前10个元素，每个元素是一个(词语, 次数)元组。for word, count in ...这一行把元组拆包成两个变量，再打印。print(f"{word}: {count}")用到了f-string格式化，这是Python 3.6以后推荐写法。
最后有一个看起来略显多余的判断：
python复制if __name__ == "__main__":
main()
我第一次学的时候也好奇：直接写main()不行吗？解释一下。__name__在文件被直接运行时是"__main__"，但如果这个文件被别的程序当作模块import时，它就不会等于"__main__"，于是main()不会被自动调用。这样设计的好处是，你的代码既可以当脚本直接运行，又能被其他人当模块安全调用，不会出现“一import就启动程序”的意外。对一个30行的小作业来说，这个写法是加分的。
3.3 运行验证：看到结果才算数
把上面的代码保存为word_counter.py，再准备一个article.txt放在同一目录下。在VS Code里直接点击运行按钮，或者在命令行里执行：
bash复制python word_counter.py
我随便用一段文字测试，输出是：
code复制Python: 8
数据: 6
分析: 5
可视化: 4
教程: 3
学习: 3
代码: 3
环境: 2
安装: 2
项目: 2
看到这个结果，作业的第一步就算完成了。如果出现报错，别急，第4章我会把最常见的报错和排查方法一次性整理出来。
3.4 进阶小升级：装上jieba再做真中文分词
如果你想做得更漂亮一点，可以把“连续汉字”的切分方式升级为真正的“中文分词”。这里需要安装一个第三方库jieba。在命令行里输入：
bash复制pip install jieba
然后在代码里改动两处：
python复制import jieba
def split_words(text):
return [word for word in jieba.cut(text) if len(word) >= 2]
jieba.cut(text)会把文本切成一个个词，然后用列表推导式过滤掉长度小于2的单个字。升级之后你会发现统计结果变成了更真实的“词语”。更重要的是，借这个机会你体验了一次完整的“安装第三方包 -> 修改代码 -> 重新运行”流程，之后再遇到需要pandas、requests这些库的时候，你就知道这条路是怎么走的了。这也引出后面要讲的环境和包管理问题。
4. 踩坑实录：新手最容易遇到的5个问题
第一次作业最耗时间的部分，其实不是写代码，而是排查各种莫名其妙的报错。这一章把我见过的高频问题整理成一个速查表，逐个给你说透。
4.1 命令行输入python显示“不是内部或外部命令”
这个问题的原因就是之前提到的，安装时没有勾选“Add Python to PATH”，或者你的PATH配置被其他软件改乱了。解决办法有三个，按优先级排列：
- 重新运行Python安装包，选择Modify，勾选Add Python to PATH，再继续。
- 手动把Python安装目录（比如
C:\Users\你的用户名\AppData\Local\Programs\Python\Python312\）和它的Scripts子目录加进系统环境变量。 - 用
py命令代替python。Windows上装了官方Python后，通常会自动附带一个启动器，py --version和py往往可用，很多情况下能应急。
我的建议是走第一种和第二种，彻底解决。添加环境变量之后要新开一个命令行窗口才会生效，这是很多人的第二个坑。
4.2 双击.py文件，窗口一闪而过
还没看到输出，黑窗口就消失了。这种情况通常是因为程序运行完毕，控制台自动关闭。解决办法是在代码最后加一行input("按回车退出")，让程序停在等待输入的状态。但真正做作业时更推荐在命令行里运行：
bash复制cd 你的项目目录
python 文件名.py
这样窗口不会自己关，报错信息也看得清楚。双击运行适合给不懂技术的人展示成品，但不适合开发调试，这个习惯要尽早建立。
4.3 UnicodeDecodeError: 'gbk' codec can't decode
这个报错出现频率极高，特别是读取中文文本时。原因是Windows中文版系统默认编码是GBK，如果你打开文件时没有显式指定编码，Python会尝试用GBK去读UTF-8的文件，遇到UTF-8里的中文多字节字符就崩了。
解决方法是标准动作：每次open读文件时都带上encoding="utf-8"，就像上面的代码一样。如果文件本身是GBK编码（比如某些老系统的记事本保存的），那要改成encoding="gbk"。最保险的做法是在打开文件前先确认文件编码。VS Code右下角会显示文件当前编码，点一下就能看到或切换，这个功能非常实用。
4.4 ModuleNotFoundError: No module named 'xxx'
这个也很常见。你在代码里写了import pandas，运行却说找不到。通常原因是你装包用的pip和你运行代码用的Python不是同一个环境。你可以运行以下两条命令检查：
bash复制pip --version
python --version
如果它们对应的路径不一致，就会出现“装是装了，但运行找不到”的情况。这种情况下，推荐用python -m pip install 包名这种写法，它保证把包装到当前python命令对应的环境里。VS Code里还要再确认一下右下角解释器是否和命令行用的是同一个Python。把这三者（命令行python、pip、VS Code解释器）统一，几乎可以解决所有环境错乱的问题。
4.5 别人给的代码，红色波浪线提示安装缺失的包
现在很多项目代码比较长，打开VS Code后会看到“导入xxx”这一行的下面有红色波浪线，鼠标放上去会提示类似“要安装缺失的包，请在你的python环境中运行 pip install xxx”这样的信息。第一次遇到的同学很容易慌，其实处理思路很固定：
- 先看提示里是哪个模块名；
- 在命令行执行
python -m pip install 模块名； - 装完如果还有红色波浪线，点一下VS Code右下角的解释器，再看看是不是用对了环境。
按这个流程操作，90%的“红色波浪线”都能排除。一开始不熟悉的时候，多看看报错信息里的模块名和路径，比盲目搜索经验帖有用得多。
下面把上面五个问题汇总成一张速查表：
| 现象 | 根本原因 | 快速解决 |
|---|---|---|
| python不是内部或外部命令 | PATH未配置 | 重装勾选Add to PATH或手动配环境变量 |
| 双击运行窗口一闪而过 | 程序结束自动关窗 | 用命令行运行，或末尾加input() |
| UnicodeDecodeError | 默认编码与文件编码不一致 | open时指定encoding="utf-8" |
| ModuleNotFoundError | pip与python环境不一致 | 用python -m pip install，并统一解释器 |
| 红色波浪线提示缺包 | 当前环境中未安装该模块 | 根据提示pip install，并检查解释器路径 |
这张表我建议截图保存。后面不止第一次作业，整个学习阶段你都会反复和这些问题打交道。
5. 作业交完之后：下一步怎么走
代码跑通、结果正确，第一次作业就圆满收官了吗？从“能运行”到“真正会写”，中间还有几步可以做得更好。这一章聊作业收尾和后续方向。
5.1 让代码更好看的小习惯
会运行只是及格线，我建议在交作业之前，再花10分钟做三件事：
- 给代码文件起一个有意义的名字。
word_counter.py比test1.py好太多，因为别人（包括你未来的自己）一眼就知道这个文件是干什么的。 - 在文件顶部加一段两三行的注释，说明这个程序的功能和运行方式。比如“读取article.txt，统计词频并输出Top 10，运行方式：python word_counter.py”。
- 保持缩进一致、变量名有语义。
word_count比a好，result比s好。这个习惯能帮你省掉大量后期维护成本。
如果你想把作业提交得更有仪式感，可以顺手学一下Git和GitHub的基础操作，把代码推到远程仓库。第一次提交时的记录会是你学习成长很珍贵的见证。
5.2 跨过第一次之后，你就有能力碰这些了
第一次作业完成，意味着你已经掌握了Python最核心的“语法骨架”。基于这套骨架，你可以尝试的方向其实很多：
- Python爬虫：用
requests和BeautifulSoup抓取网页数据，本质是“读取网络上的文本，再从中抽取信息”，和词频统计的思路一脉相承。 - 数据分析与可视化：用
pandas处理表格、matplotlib画图。很多同学学到这里就发现，当年作业里学的字典操作、循环、文件读取，全都在处理Excel数据时用上了。 - 把脚本打包成exe：用
pyinstaller把Python程序打包成Windows可执行文件。做完之后你可以把作业发给不会装Python的朋友，他们双击就能跑，那种成就感比在命令行里跑代码爽得多。 - 量化交易策略、小游戏（比如以前很火的“人狗大作战”这类练手项目）也都可以开始尝试。不过要注意，这些方向只是“可以碰”，不是让你一晚上就做完，贪多嚼不烂。
5.3 保持动力的三个方法
最后分享三个我自己保持学习动力的方法，也送给正在被第一次作业折磨的朋友：
- 每天只写20分钟，但坚持每天都写。编程是“手感”手艺，断两天再捡起来，比天天写麻烦得多。
- 抄代码时，用手打字，不要复制粘贴。每敲一行，就在心里读一遍这一行在干什么，这比看十遍教程都管用。
- 找一个能运行的“最小作品”，然后往上加功能。比如词频统计可以加一个功能：只统计某些指定词（停用词过滤）。改出来之后你会发现，自己已经敢动代码了，这才是真正的进步。
最后再啰嗦几句。我第一次交作业的时候，代码能跑，但别人问“为什么这么写”我说不上来，后来实习时被导师逼着把每一行代码讲一遍，才补上了理解这一课。所以我的建议是：作业完成后别急着发朋友圈，试着用三分钟把这个程序讲给旁边的人听——从文件怎么读、词怎么切、怎么统计，到怎么排序输出。你能讲清楚，才说明这次作业你真的赚到了。