阶段复习：进阶部分 (Review: Advanced Python)

恭喜到达进阶部分的最后一站！在本章中，我们将回顾进阶阶段涉及的全部知识领域，通过综合练习和自测题检验你的学习成果。

导语

进阶部分涵盖了 Python 中最实用的几个高级主题：异步编程让你能同时处理大量并发任务，FastAPI 帮助你快速构建现代 Web API，依赖注入让你的代码更可测试和可维护，数据库操作让你的程序具备数据持久化能力，JSON 是网络数据交换的通用语言，NumPy 则是科学计算和数据分析的基石。这七个主题看似独立，但在实际项目中常常组合使用——例如一个 FastAPI API 可能需要异步连接数据库、序列化 JSON 响应、甚至调用 NumPy 做数据处理。复习的目的不是"再看一遍"，而是帮你建立知识之间的连接，形成完整的认知地图。

学习目标

系统回顾进阶部分的 7 个知识领域，查漏补缺
通过综合练习将多个知识点融会贯通
通过自测题检验理解深度，为后续学习奠定基础

知识回顾清单

对照以下清单，确认你对每个知识点有清晰的理解。如果某个条目让你犹豫，请回到对应章节重新学习。

1. 异步编程 (asyncio)

async/await 语法的工作机制
asyncio.gather() 并发运行多个协程
asyncio.create_task() 后台调度任务
asyncio.wait_for() 超时控制
ThreadPoolExecutor 处理 CPU 密集型任务
避免在异步代码中使用阻塞调用

2. FastAPI 路由与请求处理 (FastAPI Routes)

定义 GET/POST/PUT/DELETE 路由
路径参数（Path Parameters）和查询参数（Query Parameters）
请求体（Request Body）与 Pydantic 模型验证
响应模型（Response Model）和数据过滤

3. FastAPI 服务器 (FastAPI Server)

完整的 FastAPI 应用生命周期
中间件（Middleware）和异常处理（Exception Handlers）
APIRouter 模块化路由组织
异步 API 端点的实现

4. 依赖注入 (Dependency Injection)

DI（依赖注入）的核心思想：控制反转
FastAPI 的 Depends() 机制
injector 库的基本使用
依赖注入如何提高代码的可测试性

5. 数据库操作 (Database)

SQLite 内存数据库的 CRUD 操作
PyMySQL 连接 MySQL 数据库的流程
游标（cursor）的作用和使用方式
参数化查询防止 SQL 注入
commit() 和事务管理

6. JSON 数据处理 (JSON)

json.dumps()/json.loads() 序列化与反序列化
ensure_ascii=False 的中文字符处理
自定义 JSONEncoder 处理特殊类型（datetime、自定义类）
JSON 文件的读写（json.dump()/json.load()）

7. NumPy 数值计算 (NumPy)

ndarray 与 Python 列表的区别
向量化运算和广播（broadcasting）
矩阵乘法 @ vs 逐元素乘 *
梯度下降算法的基本原理
学习率对收敛的影响

综合练习

练习 1：异步 FastAPI API + SQLite 数据库

编写一个 FastAPI 应用，实现以下功能：

连接 SQLite 内存数据库，创建一个 todos 表（id, title, completed）
GET /todos — 获取所有待办事项，以 JSON 格式返回
POST /todos — 创建新的待办事项，接收 JSON 请求体 {title: "..."}
所有数据库操作使用参数化查询

查看答案

import sqlite3
from fastapi import FastAPI
from pydantic import BaseModel
from typing import List

app = FastAPI()


def get_connection():
    """获取数据库连接（内存）。"""
    conn = sqlite3.connect(":memory:")
    cursor = conn.cursor()
    cursor.execute("""
        CREATE TABLE IF NOT EXISTS todos (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            title TEXT NOT NULL,
            completed INTEGER DEFAULT 0
        )
    """)
    conn.commit()
    return conn


class TodoCreate(BaseModel):
    title: str


class Todo(BaseModel):
    id: int
    title: str
    completed: bool


@app.get("/todos", response_model=List[Todo])
async def get_todos():
    conn = get_connection()
    cursor = conn.cursor()
    cursor.execute("SELECT id, title, completed FROM todos")
    rows = cursor.fetchall()
    conn.close()
    return [{"id": r[0], "title": r[1], "completed": bool(r[2])} for r in rows]


@app.post("/todos", response_model=Todo)
async def create_todo(todo: TodoCreate):
    conn = get_connection()
    cursor = conn.cursor()
    cursor.execute(
        "INSERT INTO todos (title) VALUES (?)", (todo.title,)
    )
    conn.commit()
    todo_id = cursor.lastrowid
    conn.close()
    return {"id": todo_id, "title": todo.title, "completed": False}

练习 2：NumPy 数据处理 + JSON 序列化

给定一个学生成绩数组，使用 NumPy 计算：每个学生各科平均分、各科最高分、成绩标准差。将结果序列化为 JSON 格式（包含中文），保存到文件。

查看答案

import numpy as np
import json

# 5个学生3门课程的成绩矩阵
scores = np.array([
    [85, 90, 78],
    [92, 88, 95],
    [76, 82, 80],
    [95, 91, 88],
    [88, 75, 82],
])

# NumPy 计算
student_avg = scores.mean(axis=1)  # 每个学生平均分
subject_max = scores.max(axis=0)   # 每科最高分
std = scores.std()                  # 全部成绩标准差

# 汇总结果
results = {
    "学生平均分": [float(x) for x in student_avg],
    "各科最高分": [int(x) for x in subject_max],
    "成绩标准差": float(std),
}

# JSON 序列化
json_str = json.dumps(results, ensure_ascii=False, indent=2)
print(json_str)

# 保存文件
with open("data/scores_report.json", "w", encoding="utf-8") as f:
    json.dump(results, f, ensure_ascii=False, indent=2)

B — asyncio 适合 I/O 密集型并发（大量网络请求），不适合 CPU 密集型任务
A — 路径参数是 URL 路径的一部分（/users/{user_id}），查询参数以 ? 开头附加在 URL 末尾
B — 参数化查询主要好处是安全性和类型安全，执行计划优化由数据库自行决定，不是参数化的直接好处
D — b = [10, 20] 广播到 a 的每一行：[[1,2]+[10,20], [3,4]+[10,20]] = [[11,22],[13,24]]
B — default=str 是 json.dumps() 的参数，当遇到无法直接序列化的对象时调用 str() 转换

下一步

你已经完成了进阶部分的全部学习！以下是继续深入的建议路径：

回顾与巩固：

异步编程 — 重温协程与事件循环
FastAPI 路由与请求处理 — 回顾 Web API 路由设计
FastAPI 服务器 — 回顾完整 API 服务器构建
依赖注入 — 回顾 DI 模式
数据库操作 — 重温 SQLite 和 PyMySQL
JSON 数据处理 — 回顾序列化与自定义编码器
NumPy 数值计算 — 重温向量化与数值算法

进阶方向：

探索 FastAPI 的认证与授权（JWT、OAuth2）
学习 SQLAlchemy ORM 进行更高级的数据库操作
尝试异步数据库驱动（如 asyncpg、aiomysql）
深入 NumPy 和 Pandas 进行数据分析实战

Hello Python