# PythonShowDemo

**Repository Path**: mq/python-show-demo

## Basic Information

- **Project Name**: PythonShowDemo
- **Description**: python 和java 语法对比
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2025-09-10
- **Last Updated**: 2025-09-12

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Python学习展示项目

这是一个专为Java工程师设计的Python学习项目，通过对比和实践帮助Java开发者快速掌握Python的核心概念和最佳实践。

## 📚 项目结构

### 1. 基础语法对比 (01-12)

按照从基础到高级的顺序排列，建议按序学习：

- **01_basic_syntax.py** - Python基础语法与Java对比
- **02_data_types.py** - 数据类型详解
- **03_control_structures.py** - 控制结构对比
- **04_functions.py** - 函数定义与使用
- **05_classes_objects.py** - 面向对象编程
- **06_modules_packages.py** - 模块和包管理
- **07_file_io.py** - 文件输入输出操作
- **08_exception_handling.py** - 异常处理机制
- **09_decorators.py** - 装饰器详解
- **10_generators_iterators.py** - 生成器和迭代器
- **11_context_managers.py** - 上下文管理器
- **12_async_programming.py** - 异步编程

### 2. 设计模式实现 (design_patterns/)

完整实现23种经典设计模式的Python版本：

### 3. 机器学习示例 (machine_learning_examples/)

位于 `machine_learning_examples/` 目录，包含：
- NumPy数组操作和数学计算
- Pandas数据处理和分析
- 机器学习算法实现
- 数据可视化示例
- 编号练习题（`exercises/01_numpy_exercises.py`, `exercises/02_pandas_exercises.py`）

#### 创建型模式 (1-5)
- **01_singleton.py** - 单例模式
- **02_factory_method.py** - 工厂方法模式
- **03_abstract_factory.py** - 抽象工厂模式
- **04_builder.py** - 建造者模式
- **05_prototype.py** - 原型模式

#### 结构型模式 (6-12)
- **06_adapter.py** - 适配器模式
- **07_decorator.py** - 装饰器模式
- **08_facade.py** - 外观模式
- **09_composite.py** - 组合模式
- **10_bridge.py** - 桥接模式
- **11_flyweight.py** - 享元模式
- **12_proxy.py** - 代理模式

#### 行为型模式 (13-23)
- **13_chain_of_responsibility.py** - 责任链模式
- **14_command.py** - 命令模式
- **15_iterator.py** - 迭代器模式
- **16_observer.py** - 观察者模式
- **17_mediator.py** - 中介者模式
- **18_interpreter.py** - 解释器模式
- **19_flyweight.py** - 享元模式
- **20_proxy.py** - 代理模式
- **21_bridge.py** - 桥接模式
- **22_composite.py** - 组合模式
- **23_facade.py** - 外观模式

### 3. Web框架对比 (web_framework_comparison/)

Python FastAPI与Java SpringBoot的详细对比：

- **01_fastapi_basic.py** - FastAPI基础示例
- **02_springboot_webmvc.java** - SpringBoot WebMVC基础示例
- **03_fastapi_async.py** - FastAPI异步编程
- **04_springboot_webflux.java** - SpringBoot WebFlux异步编程
- **05_database_comparison.py** - 数据库操作对比
- **06_database_pool_best_practices.py** - 数据库连接池最佳实践

## 🎯 学习路径建议

### 初学者路径 (1-2周)
1. 从基础语法开始 (01-06)
2. 重点理解Python的动态特性
3. 掌握面向对象编程差异
4. 学习模块和包管理

### 进阶路径 (2-3周)
1. 深入学习Python特有特性 (07-12)
2. 重点掌握装饰器、生成器、异步编程
3. 开始学习常用设计模式 (创建型和结构型)
4. 实践Web开发基础

### 高级路径 (3-4周)
1. 完整学习所有设计模式
2. 深入Web框架对比
3. 掌握数据库连接池最佳实践
4. 进行实际项目开发

## 🔧 环境要求

### Python环境
```bash
# Python 3.8+
python --version
```

### 方式一：使用Conda（推荐）

```bash
# 创建完整conda环境
conda env create -f environment.yml

# 如果遇到网络问题，使用最小化环境
conda env create -f environment_minimal.yml

# 激活环境（根据创建的环境选择）
conda activate python-learn-show
# 或
conda activate python-learn-show-minimal

# 更新环境
conda env update -f environment.yml

# 删除环境（如需要）
conda env remove -n python-learn-show
```

> 📖 **详细指南**：查看 [CONDA_GUIDE.md](CONDA_GUIDE.md) 获取完整的Conda环境管理指南，包括安装、故障排除和最佳实践。

### 环境验证

安装完成后，运行环境验证脚本确保一切正常：

```bash
# 快速验证
python verify_environment.py

# 详细验证（显示测试过程）
python verify_environment.py --verbose
```

验证脚本会检查：
- Python版本兼容性
- 必需包的安装状态
- 基本功能测试
- Conda环境状态

### 方式二：使用pip和虚拟环境

```bash
# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows
venv\Scripts\activate
# macOS/Linux
source venv/bin/activate

# 安装核心依赖（必需）
pip install -r requirements.txt

# 安装开发依赖（开发时需要）
pip install -r requirements-dev.txt

# 安装可选扩展依赖（根据需要）
pip install -r requirements-optional.txt
```

## 📋 项目配置文件详解

### 🐳 Docker配置

#### `Dockerfile`
多阶段构建的Docker配置文件，提供了完整的容器化解决方案：

**主要特性：**
- **多阶段构建**：分离构建和运行环境，优化镜像大小
- **安全性**：使用非root用户运行应用，增强安全性
- **多环境支持**：支持开发、生产环境的不同配置
- **健康检查**：内置应用健康检查机制
- **依赖优化**：分层安装依赖，提高构建效率

**构建目标：**
- `builder`：构建阶段，安装依赖和编译
- `runtime`：基础运行环境
- `development`：开发环境，包含开发工具和热重载
- `production`：生产环境，使用Gunicorn多进程部署

**使用方法：**
```bash
# 构建开发环境镜像
docker build --target development -t pythonlearn:dev .

# 构建生产环境镜像
docker build --target production -t pythonlearn:prod .

# 运行容器
docker run -p 8000:8000 pythonlearn:dev
```

#### `docker-compose.yml`
 Docker Compose配置文件，用于多服务编排和开发环境管理：

**主要功能：**
- **服务编排**：定义应用服务、数据库、缓存等多个服务
- **网络配置**：自动创建服务间通信网络
- **数据持久化**：配置数据卷挂载
- **环境变量管理**：统一管理不同环境的配置
- **开发便利性**：支持代码热重载和调试

**使用方法：**
```bash
# 启动所有服务
docker-compose up -d

# 查看服务状态
docker-compose ps

# 停止所有服务
docker-compose down
```

### 🛠️ 构建和自动化

#### `Makefile`
项目自动化构建和开发任务管理文件，提供了丰富的开发命令：

**主要功能分类：**

**环境管理：**
- `make setup`：完整项目设置（创建虚拟环境并安装依赖）
- `make venv`：创建Python虚拟环境
- `make install`：安装生产依赖
- `make install-dev`：安装开发依赖
- `make update`：更新所有依赖包
- `make clean`：清理临时文件和缓存

**代码质量：**
- `make format`：代码格式化（black + isort）
- `make lint`：代码检查（flake8 + mypy）
- `make security`：安全检查（bandit + safety）
- `make check`：完整代码质量检查

**测试：**
- `make test`：运行所有测试
- `make test-cov`：运行测试并生成覆盖率报告
- `make test-watch`：监控模式运行测试

**开发服务：**
- `make run`：启动FastAPI开发服务器
- `make run-prod`：启动生产服务器
- `make jupyter`：启动Jupyter Notebook

**使用方法：**
```bash
# 查看所有可用命令
make help

# 快速项目设置
make setup

# 代码质量检查
make check

# 启动开发服务器
make run
```

### 📦 Python包管理

#### `pyproject.toml`
现代Python项目配置文件，遵循PEP 518标准：

**主要配置：**
- **构建系统**：定义项目构建工具和依赖
- **项目元数据**：项目名称、版本、作者、描述等信息
- **依赖管理**：生产和开发依赖的声明
- **工具配置**：black、isort、mypy、pytest等工具的配置
- **入口点**：定义命令行工具和插件入口

**工具配置示例：**
```toml
[tool.black]
line-length = 88
target-version = ['py38']

[tool.isort]
profile = "black"
multi_line_output = 3

[tool.pytest.ini_options]
testpaths = ["tests"]
addopts = "-v --tb=short"
```

#### `setup.py`
传统的Python包安装脚本，提供向后兼容性：

**主要功能：**
- **包安装**：定义包的安装逻辑
- **依赖声明**：指定运行时和开发时依赖
- **元数据定义**：包的基本信息和分类
- **扩展模块**：C扩展模块的编译配置

### ⚙️ 开发工具配置

#### `pytest.ini`
Pytest测试框架配置文件：

**主要配置：**
- **测试发现**：定义测试文件和目录的查找规则
- **执行选项**：默认的测试执行参数
- **插件配置**：测试插件的相关设置
- **标记定义**：自定义测试标记

#### `.coveragerc`
代码覆盖率工具配置文件：

**主要配置：**
- **覆盖范围**：定义需要统计覆盖率的代码范围
- **排除规则**：排除不需要统计的文件和代码行
- **报告格式**：配置覆盖率报告的输出格式
- **阈值设置**：设置覆盖率的最低要求

#### `.gitignore`
Git版本控制忽略文件配置：

**主要内容：**
- **Python相关**：`__pycache__/`, `*.pyc`, `.env`等
- **IDE配置**：`.vscode/`, `.idea/`, `*.swp`等
- **构建产物**：`dist/`, `build/`, `*.egg-info/`等
- **测试和覆盖率**：`.pytest_cache/`, `htmlcov/`, `.coverage`等
- **系统文件**：`.DS_Store`, `Thumbs.db`等

### 🌍 环境配置

#### `.env.example`
环境变量模板文件：

**主要用途：**
- **配置模板**：提供环境变量的配置示例
- **安全性**：避免敏感信息直接提交到版本控制
- **文档作用**：说明项目所需的环境变量
- **部署指导**：帮助部署时正确配置环境

**使用方法：**
```bash
# 复制模板文件
cp .env.example .env

# 编辑环境变量
vim .env
```

### 依赖包分层管理

#### 核心依赖 (requirements.txt)
项目运行的最小必需依赖，经过精简和版本兼容性测试：
```
fastapi>=0.103.2         # 现代高性能Web框架
uvicorn>=0.22.0          # ASGI服务器
pydantic>=2.0.0          # 数据验证和序列化
httpx>=0.24.0            # 异步HTTP客户端
numpy>=1.21.0            # 数值计算基础库
pandas>=1.3.0            # 数据分析库
requests>=2.28.0         # HTTP库
python-dotenv>=0.21.0    # 环境变量管理
click>=8.0.0             # 命令行工具
rich>=12.0.0             # 终端美化
psutil>=5.8.0            # 系统和进程监控
```

#### 开发依赖 (requirements-dev.txt)
开发、测试、代码质量检查等工具：
```
pytest>=7.0.0            # 测试框架
pytest-cov>=4.0.0        # 测试覆盖率
black>=22.0.0            # 代码格式化
flake8>=5.0.0            # 代码风格检查
mypy>=1.0.0              # 类型检查
isort>=5.10.0            # 导入排序
sphinx>=5.0.0            # 文档生成
```

#### 可选扩展依赖 (requirements-optional.txt)
数据库、机器学习、图像处理等高级功能：
```
sqlalchemy>=2.0.0        # 数据库ORM
pymongo>=4.0.0           # MongoDB驱动
redis>=4.5.0             # Redis客户端
scipy>=1.7.0             # 科学计算库
scikit-learn>=1.0.0      # 机器学习库
matplotlib>=3.5.0        # 绘图库
Pillow>=9.0.0            # 图像处理
```

#### 安装指南
```bash
# 基础安装（推荐新手）
pip install -r requirements.txt

# 开发环境完整安装
pip install -r requirements-dev.txt

# 包含所有功能的完整安装
pip install -r requirements-optional.txt

# 分步安装
pip install -r requirements.txt          # 先安装核心依赖
pip install -r requirements-dev.txt      # 再安装开发工具
pip install -r requirements-optional.txt # 最后安装可选功能
```
pytest>=7.4.0            # 测试框架
pytest-asyncio>=0.21.0   # 异步测试支持
black>=23.0.0            # 代码格式化
flake8>=6.0.0            # 代码检查
mypy>=1.7.0              # 类型检查
```

### Java环境 (用于对比)
```bash
# Java 17+
java --version

# Maven 3.6+
mvn --version
```

## 📦 依赖管理

### 依赖文件说明

本项目提供了完整的依赖管理文件：

- **`requirements.txt`** - 包含项目所需的所有第三方库
- 依赖按功能模块分类，包括：
  - Web框架相关（FastAPI、Uvicorn等）
  - 异步编程相关（aiohttp、aiofiles等）
  - 数据库相关（SQLAlchemy、asyncpg等）
  - 科学计算和机器学习（NumPy、Pandas等）
  - 系统监控和工具（psutil、requests等）
  - 测试和开发工具（pytest、black等）

### 虚拟环境管理

强烈建议使用虚拟环境来管理项目依赖：

```bash
# 创建虚拟环境
python -m venv pythonlearn_env

# 激活虚拟环境
# Linux/macOS:
source pythonlearn_env/bin/activate
# Windows:
pythonlearn_env\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 退出虚拟环境
deactivate
```

### 依赖更新

```bash
# 查看已安装的包
pip list

# 查看过时的包
pip list --outdated

# 更新特定包
pip install --upgrade package_name

# 批量更新所有包（谨慎使用）
pip install --upgrade -r requirements.txt

# 生成当前环境的依赖文件
pip freeze > requirements_current.txt

# 检查依赖冲突
pip check

# 查看包的详细信息
pip show package_name

# 查看依赖树
pip install pipdeptree
pipdeptree
```

### 开发环境配置

```bash
# 安装开发工具
pip install black flake8 mypy pytest isort bandit safety

# 代码格式化
black .

# 导入排序
isort .

# 代码检查
flake8 .

# 类型检查
mypy .

# 安全检查
bandit -r .
safety check

# 运行测试
pytest

# 测试覆盖率
pytest --cov=. --cov-report=html

# 运行特定测试文件
pytest tests/test_comparison_examples/test_01_variables_and_data_types.py -v

# 运行特定测试类或方法
pytest tests/test_comparison_examples/test_02_functions.py::TestDecorators::test_timing_decorator -v
```

## 🧪 测试说明

### 测试结构

项目采用pytest测试框架，测试文件组织如下：

```
tests/
├── conftest.py                    # 测试配置和共享夹具
├── pytest.ini                     # pytest配置文件
├── test_comparison_examples/       # 基础语法对比测试
│   ├── test_01_variables_and_data_types.py
│   ├── test_02_functions.py
│   ├── test_03_decorators.py
│   └── ...
├── test_design_patterns/           # 设计模式测试
│   ├── test_01_singleton.py
│   ├── test_02_factory_method.py
│   └── ...
└── test_web_framework_comparison/  # Web框架对比测试
    ├── test_01_fastapi_basic.py
    └── ...
```

### 运行测试

#### 基本测试命令
```bash
# 运行所有测试
pytest

# 运行测试并显示详细输出
pytest -v

# 运行测试并显示简短的错误信息
pytest --tb=short
```

#### 运行特定测试
```bash
# 运行特定目录的测试
pytest tests/test_comparison_examples/ -v

# 运行特定测试文件
pytest tests/test_comparison_examples/test_01_variables_and_data_types.py -v

# 运行特定测试类
pytest tests/test_comparison_examples/test_02_functions.py::TestDecorators -v

# 运行特定测试方法
pytest tests/test_comparison_examples/test_02_functions.py::TestDecorators::test_timing_decorator -v

# 根据标记运行测试
pytest -m "not slow" -v  # 跳过标记为slow的测试
pytest -m "unit" -v      # 只运行单元测试
```

#### 测试覆盖率
```bash
# 生成测试覆盖率报告
pytest --cov=. --cov-report=html

# 查看覆盖率报告（在浏览器中打开）
open htmlcov/index.html  # macOS
# 或
xdg-open htmlcov/index.html  # Linux

# 生成终端覆盖率报告
pytest --cov=. --cov-report=term-missing

# 设置覆盖率阈值
pytest --cov=. --cov-fail-under=80
```

#### 使用Makefile运行测试
```bash
# 运行所有测试
make test

# 运行测试并生成覆盖率报告
make test-cov

# 运行代码质量检查和测试
make check
```

### 测试配置

#### pytest.ini配置
项目的pytest配置文件包含以下设置：
- 测试发现模式
- 输出格式配置
- 测试标记定义
- 警告过滤规则
- 异步测试支持

#### conftest.py共享夹具
提供以下共享测试夹具：
- `sample_dataframe`: 示例DataFrame数据
- `sample_numpy_array`: 示例NumPy数组
- 断言辅助函数：`assert_dataframe_equal`、`assert_array_equal`等

### 测试最佳实践

1. **测试命名**: 使用描述性的测试方法名
2. **测试隔离**: 每个测试应该独立运行
3. **使用夹具**: 利用pytest夹具管理测试数据
4. **标记测试**: 使用pytest标记分类测试（如@pytest.mark.slow）
5. **异步测试**: 使用pytest-asyncio进行异步代码测试

### 故障排除

#### 常见测试问题
```bash
# 依赖导入错误
# 确保安装了所有测试依赖
pip install -r requirements-dev.txt

# 模块路径问题
# 确保在项目根目录运行测试
cd /path/to/pythonLearnShow
pytest

# 异步测试问题
# 确保安装了pytest-asyncio
pip install pytest-asyncio
```

## 🚀 快速开始

### 1. 克隆项目
```bash
git clone <repository-url>
cd pythonLearnShow
```

### 2. 选择启动方式

#### 方式一：使用Makefile（推荐）
```bash
# 查看所有可用命令
make help

# 一键设置项目（创建虚拟环境并安装依赖）
make setup

# 激活虚拟环境
source venv/bin/activate

# 启动开发服务器
make run
```

#### 方式二：使用Docker Compose
```bash
# 启动所有服务（应用+数据库+缓存）
docker-compose up -d

# 仅启动应用和核心服务
docker-compose up app postgres redis

# 启动包含管理界面的完整环境
docker-compose --profile admin up -d

# 查看服务状态
docker-compose ps
```

#### 方式三：手动安装

```bash
# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt

# 或安装开发依赖
pip install -r requirements-dev.txt
```

### 3. 环境配置

```bash
# 复制环境变量模板
cp .env.example .env

# 编辑环境变量（根据实际情况修改）
vim .env  # 或使用其他编辑器
```

### 4. 验证安装

```bash
# 检查Python版本
python --version

# 检查依赖安装
pip check

# 运行代码质量检查
make check  # 或手动运行 black . && flake8 .

# 运行测试
make test   # 或手动运行 pytest
```

## 📁 项目文件结构

```
pythonLearnShow/
├── 📄 README.md                    # 项目说明文档
├── 📄 requirements.txt             # 生产环境依赖
├── 📄 requirements-dev.txt         # 开发环境依赖
├── 📄 .env.example                 # 环境变量模板
├── 📄 .gitignore                   # Git忽略文件
├── 📄 Makefile                     # 自动化任务脚本
├── 📄 Dockerfile                   # Docker镜像构建文件
├── 📄 docker-compose.yml          # Docker Compose配置
├── 📄 python_syntax_knowledge_graph.svg  # Python语法知识图谱
│
├── 📂 基础语法对比/                 # Python基础语法学习
│   ├── 01_basic_syntax.py
│   ├── 02_data_types.py
│   └── ...
│
├── 📂 design_patterns/             # 设计模式实现
│   ├── 01_singleton.py
│   ├── 02_factory_method.py
│   └── ...
│
├── 📂 web_framework_comparison/    # Web框架对比
│   ├── 01_fastapi_basic.py
│   ├── 02_springboot_webmvc.java
│   └── ...
│
├── 📂 tests/                       # 测试文件
├── 📂 docs/                        # 文档目录
├── 📂 scripts/                     # 脚本文件
├── 📂 config/                      # 配置文件
└── 📂 logs/                        # 日志文件
```

### 核心配置文件详解

| 文件 | 作用 | 说明 | 用途 |
|------|------|------|------|
| `requirements.txt` | 核心依赖 | 项目运行的最小必需依赖，经过兼容性测试 | 生产环境、基础功能 |
| `requirements-dev.txt` | 开发依赖 | 开发、测试、代码质量检查工具 | 本地开发、CI/CD |
| `requirements-optional.txt` | 可选扩展 | 数据库、机器学习等高级功能依赖 | 扩展功能、特定需求 |
| `setup.py` | 项目安装配置 | 传统的Python项目配置文件 | 项目打包、分发、安装 |
| `pyproject.toml` | 现代项目配置 | 现代Python项目的标准配置文件 | 构建系统、工具配置 |
| `.env.example` | 环境变量模板 | 配置数据库、API密钥等敏感信息 | 配置模板，复制为.env使用 |
| `Makefile` | 自动化脚本 | 简化常用开发任务（安装、测试、部署等） | 简化常用开发命令 |
| `Dockerfile` | 容器化配置 | 支持多阶段构建的Docker镜像 | 多阶段构建，支持开发和生产环境 |
| `docker-compose.yml` | 服务编排 | 一键启动完整开发环境 | 完整的开发环境栈 |
| `.gitignore` | 版本控制 | 防止敏感文件和临时文件被提交 | 防止敏感文件和临时文件提交 |

### 配置文件使用指南

#### requirements.txt（核心依赖）
```bash
# 安装核心依赖
pip install -r requirements.txt

# 生成当前环境的依赖文件
pip freeze > requirements.txt

# 升级所有包到最新版本
pip install -r requirements.txt --upgrade
```

#### requirements-dev.txt（开发依赖）
```bash
# 安装开发依赖（包含核心依赖）
pip install -r requirements-dev.txt

# 仅安装开发工具
pip install -r requirements-dev.txt --no-deps

# 检查依赖冲突
pip check
```

#### requirements-optional.txt（可选扩展）
```bash
# 安装可选扩展依赖（包含核心依赖）
pip install -r requirements-optional.txt

# 按需安装特定功能
pip install sqlalchemy pymongo  # 仅安装数据库功能
pip install scipy matplotlib     # 仅安装科学计算功能

# 检查所有依赖
pip check
```

#### .env.example
```bash
# 创建本地环境配置
cp .env.example .env

# 编辑环境变量
vim .env

# 验证环境变量
python -c "from dotenv import load_dotenv; load_dotenv(); import os; print('✓ 环境变量加载成功')"
```

#### Makefile使用
```bash
# 查看所有可用命令
make help

# 设置开发环境
make setup

# 代码质量检查
make lint
make format
make type-check

# 运行测试
make test
make test-cov

# 启动服务
make run
make run-prod

# Docker操作
make docker-build
make docker-run

# 清理环境
make clean
```

#### Docker配置
```bash
# 构建开发镜像
docker build --target development -t python-learn-show:dev .

# 构建生产镜像
docker build --target production -t python-learn-show:prod .

# 运行容器
docker run -p 8000:8000 python-learn-show:dev
```

#### Docker Compose服务
```bash
# 启动所有服务
docker-compose up -d

# 启动特定服务
docker-compose up -d app postgres redis

# 启动管理界面
docker-compose --profile admin up -d

# 启动监控服务
docker-compose --profile monitoring up -d

# 查看服务状态
docker-compose ps

# 查看服务日志
docker-compose logs -f app

# 进入容器
docker-compose exec app bash

# 重启服务
docker-compose restart app

# 停止并删除
 docker-compose down -v
 ```

 #### setup.py使用
 ```bash
 # 开发模式安装（可编辑安装）
 pip install -e .
 
 # 安装项目及其依赖
 pip install .
 
 # 安装特定功能模块
 pip install .[web]          # 仅Web框架相关
 pip install .[data]         # 仅数据科学相关
 pip install .[ml]           # 仅机器学习相关
 pip install .[dev]          # 开发工具
 pip install .[all]          # 所有功能
 
 # 构建分发包
 python setup.py sdist bdist_wheel
 
 # 上传到PyPI
 twine upload dist/*
 ```

 #### pyproject.toml使用
 ```bash
 # 使用pip安装（推荐）
 pip install .
 
 # 使用build工具构建
 pip install build
 python -m build
 
 # 使用特定构建后端
 pip install setuptools wheel
 python -m build --wheel
 
 # 验证配置
 python -c "import tomllib; print('✓ pyproject.toml 格式正确')"
 
 # 使用工具配置
 black .                     # 代码格式化
 isort .                     # 导入排序
 mypy .                      # 类型检查
 pytest                      # 运行测试
 flake8 .                    # 代码检查
 bandit -r .                 # 安全检查
 ```

## 🛠️ 依赖包详细说明

### 📦 核心依赖（requirements.txt）

#### Web框架 - 项目核心
- **FastAPI**: 现代、快速的Web框架，项目主要API框架
- **Uvicorn**: ASGI服务器，用于运行FastAPI应用
- **Pydantic**: 数据验证库，FastAPI的核心依赖

#### 数据库驱动 - 项目实际使用
- **SQLAlchemy**: Python最流行的ORM框架，项目数据库操作核心
- **asyncpg**: 异步PostgreSQL驱动，高性能数据库连接
- **motor**: 异步MongoDB驱动，MongoDB操作必需
- **pymongo**: MongoDB官方Python驱动，同步操作支持
- **redis**: Redis Python客户端，缓存和会话存储
- **psycopg2-binary**: PostgreSQL适配器，同步数据库操作

#### 科学计算 - 示例代码使用
- **NumPy**: 数值计算基础库，机器学习示例必需
- **Pandas**: 数据分析库，数据处理示例使用

#### 系统工具 - 项目必需
- **psutil**: 系统监控，连接池监控功能使用
- **requests**: HTTP请求库，基础网络操作
- **python-dotenv**: 环境变量管理，配置加载必需

#### 异步支持 - 项目使用
- **aiofiles**: 异步文件操作，文件处理功能
- **aioredis**: 异步Redis客户端，高性能缓存操作

### 🔧 开发依赖（requirements-dev.txt）

#### 已移至开发环境的功能
- **测试框架**: pytest, pytest-cov, pytest-asyncio等
- **代码质量工具**: black, flake8, mypy, isort, bandit等
- **文档生成**: sphinx, mkdocs等
- **机器学习扩展**: scikit-learn, matplotlib, seaborn, jupyter等
- **高级功能**: 消息队列、图像处理、Excel处理等
- **性能分析工具**: memory-profiler, line-profiler等

### 📋 依赖精简说明

#### ✅ 保留的核心依赖
- 项目代码中直接使用的库
- Web服务运行必需的组件
- 数据库连接和操作必需的驱动
- 基础科学计算支持

#### ❌ 移除的多余依赖
- 项目未实际使用的库（如celery、opencv等）
- 开发和测试专用工具
- 可选功能和扩展库
- 重复功能的替代库

#### 🎯 优化效果
- **依赖数量**: 从80+个减少到13个核心依赖
- **安装速度**: 生产环境安装时间大幅缩短
- **镜像大小**: Docker镜像体积显著减小
- **维护成本**: 减少依赖冲突和安全风险

### 依赖文件对比

| 文件 | 用途 | 包含内容 | 使用场景 |
|------|------|----------|----------|
| `requirements.txt` | 生产环境 | 项目运行必需的核心库（精简版） | 部署、生产环境 |
| `requirements-dev.txt` | 开发环境 | 开发工具、测试框架、可选功能库 | 本地开发、CI/CD |

### 安装方式对比

#### 方式一：生产环境安装（推荐）
```bash
# 仅安装核心依赖，适用于生产环境
# 包含：FastAPI、数据库驱动、基础科学计算库
pip install -r requirements.txt
```

#### 方式二：开发环境安装
```bash
# 安装所有依赖，包括开发工具和可选功能
# 包含：代码质量工具、测试框架、文档生成、机器学习等
pip install -r requirements-dev.txt
```

#### 方式三：按需安装
```bash
# 核心Web框架
pip install fastapi uvicorn pydantic

# 数据库支持
pip install sqlalchemy asyncpg motor pymongo redis psycopg2-binary

# 基础科学计算
pip install numpy pandas

# 开发工具（已移至requirements-dev.txt）
pip install -r requirements-dev.txt
```

### 3. 运行基础示例
```bash
# 运行基础语法示例
python 01_basic_syntax.py

# 运行设计模式示例
python design_patterns/01_singleton.py

# 运行Web框架示例
python web_framework_comparison/01_fastapi_basic.py
```

### 5. 启动服务

#### 使用Makefile启动
```bash
# 启动开发服务器
make run

# 启动生产服务器
make run-prod

# 启动Jupyter Notebook
make jupyter
```

#### 使用Docker启动
```bash
# 启动完整开发环境
docker-compose up -d

# 仅启动应用服务
docker-compose up app

# 启动包含管理界面
docker-compose --profile admin up -d
```

#### 手动启动
```bash
# 启动FastAPI服务
cd web_framework_comparison
python 01_fastapi_basic.py

# 或使用uvicorn
uvicorn web_framework_comparison.01_fastapi_basic:app --reload
```

### 6. 访问服务

| 服务 | 地址 | 说明 |
|------|------|------|
| 主应用 | http://localhost:8000 | FastAPI应用 |
| API文档 | http://localhost:8000/docs | Swagger UI |
| Jupyter | http://localhost:8888 | Jupyter Lab |
| pgAdmin | http://localhost:5050 | PostgreSQL管理 |
| Redis Commander | http://localhost:8081 | Redis管理 |
| Mongo Express | http://localhost:8082 | MongoDB管理 |
| Prometheus | http://localhost:9090 | 监控指标 |
| Grafana | http://localhost:3000 | 监控面板 |

## 📖 核心特性说明

### Python vs Java 主要差异

| 特性 | Python | Java |
|------|--------|------|
| 类型系统 | 动态类型 | 静态类型 |
| 语法风格 | 简洁、可读性强 | 严格、冗长 |
| 内存管理 | 自动垃圾回收 | 自动垃圾回收 |
| 多线程 | GIL限制 | 真正的多线程 |
| 包管理 | pip/conda | Maven/Gradle |
| 部署方式 | 解释执行 | 编译后执行 |

### Python独有特性

1. **装饰器 (Decorators)**
   - 函数和类的元编程
   - AOP编程支持
   - 简化代码结构

2. **生成器 (Generators)**
   - 惰性求值
   - 内存高效
   - 简化迭代逻辑

3. **上下文管理器 (Context Managers)**
   - 资源自动管理
   - 异常安全
   - with语句支持

4. **异步编程 (Async/Await)**
   - 原生异步支持
   - 高并发处理
   - 简洁的异步语法

## 🛠️ 开发工具推荐

### IDE选择
- **PyCharm** - 功能最全面
- **VS Code** - 轻量级，插件丰富
- **Jupyter Notebook** - 数据科学和学习

### 代码质量工具
```bash
# 代码格式化
pip install black isort

# 代码检查
pip install flake8 pylint

# 类型检查
pip install mypy
```

### 测试框架
```bash
# 单元测试
pip install pytest pytest-cov

# 异步测试
pip install pytest-asyncio
```

## 📊 性能对比

### Web框架性能
| 框架 | 请求/秒 | 内存使用 | 启动时间 |
|------|---------|----------|----------|
| FastAPI | ~20,000 | ~50MB | ~2s |
| SpringBoot | ~15,000 | ~200MB | ~10s |

### 开发效率对比
| 指标 | Python | Java |
|------|--------|------|
| 代码行数 | 1x | 2-3x |
| 开发时间 | 1x | 1.5-2x |
| 学习曲线 | 平缓 | 陡峭 |

## 🔍 最佳实践

### 1. 代码风格
- 遵循PEP 8规范
- 使用类型提示
- 编写文档字符串
- 合理使用装饰器

### 2. 项目结构
```
project/
├── src/
│   ├── __init__.py
│   ├── models/
│   ├── services/
│   └── utils/
├── tests/
├── docs/
├── requirements.txt
├── requirements-dev.txt  # 开发依赖
├── .env.example         # 环境变量示例
└── README.md
```

### 3. 依赖管理最佳实践
- **使用虚拟环境**: 避免全局包污染
- **固定依赖版本**: 确保环境一致性
- **定期更新依赖**: 获取安全补丁和新功能
- **区分开发和生产依赖**: 减少生产环境包大小
- **使用requirements.txt**: 便于环境复现
- **定期安全检查**: 使用safety检查已知漏洞
- **依赖冲突检查**: 使用pip check验证兼容性

### 4. 依赖版本管理策略

#### 版本固定策略
```bash
# 精确版本（生产环境推荐）
fastapi==0.104.1

# 兼容版本（开发环境可用）
fastapi>=0.104.0,<0.105.0

# 最新补丁版本
fastapi~=0.104.1
```

#### 依赖分离
```bash
# requirements.txt - 生产依赖
fastapi==0.104.1
uvicorn==0.24.0

# requirements-dev.txt - 开发依赖
-r requirements.txt
pytest==7.4.0
black==23.0.0
mypy==1.7.0
```

### 5. 故障排除指南

#### 常见依赖问题

1. **依赖冲突解决**
```bash
# 检查冲突
pip check

# 查看依赖树
pipdeptree --warn conflict

# 强制重新安装
pip install --force-reinstall package_name
```

2. **版本兼容性问题**
```bash
# 降级到兼容版本
pip install package_name==1.2.3

# 查看可用版本
pip index versions package_name
```

3. **缓存问题**
```bash
# 清除pip缓存
pip cache purge

# 不使用缓存安装
pip install --no-cache-dir package_name
```

4. **权限问题**
```bash
# 用户级安装
pip install --user package_name

# 使用虚拟环境（推荐）
python -m venv venv
source venv/bin/activate
```

### 6. 性能优化建议

#### 安装优化
```bash
# 并行安装
pip install --upgrade pip setuptools wheel

# 使用国内镜像源
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ package_name

# 配置永久镜像源
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple/
```

#### 生产环境优化
```bash
# 仅安装生产依赖
pip install --no-dev -r requirements.txt

# 使用wheel包
pip install --only-binary=all -r requirements.txt
```

### 7. 错误处理
- 使用具体的异常类型
- 记录详细的错误日志
- 实现优雅的降级
- 提供有意义的错误信息

## 🚀 部署指南

### 本地开发部署

#### 使用Makefile（推荐）
```bash
# 一键设置开发环境
make setup

# 启动开发服务器
make run

# 代码质量检查
make check

# 运行测试
make test
```

#### 使用Docker Compose
```bash
# 启动完整开发环境
docker-compose up -d

# 查看服务状态
docker-compose ps

# 查看日志
docker-compose logs -f app

# 停止服务
docker-compose down
```

### 生产环境部署

#### Docker单容器部署
```bash
# 构建生产镜像
docker build --target production -t python-learn-show:prod .

# 运行生产容器
docker run -d \
  --name python-learn-app \
  -p 8000:8000 \
  --env-file .env.production \
  python-learn-show:prod
```

#### Docker Compose生产部署
```bash
# 创建生产环境配置
cp docker-compose.yml docker-compose.prod.yml

# 修改生产配置
# - 移除volume挂载
# - 使用生产镜像
# - 配置环境变量
# - 添加重启策略

# 启动生产环境
docker-compose -f docker-compose.prod.yml up -d
```

#### 使用Makefile部署
```bash
# 构建Docker镜像
make docker-build

# 运行Docker容器
make docker-run
```

### Kubernetes部署

```yaml
# k8s-deployment.yaml
apiVersion: apps/v1
kind: Deployment
metadata:
  name: python-learn-app
spec:
  replicas: 3
  selector:
    matchLabels:
      app: python-learn-app
  template:
    metadata:
      labels:
        app: python-learn-app
    spec:
      containers:
      - name: app
        image: python-learn-show:prod
        ports:
        - containerPort: 8000
        env:
        - name: DATABASE_URL
          valueFrom:
            secretKeyRef:
              name: app-secrets
              key: database-url
---
apiVersion: v1
kind: Service
metadata:
  name: python-learn-service
spec:
  selector:
    app: python-learn-app
  ports:
  - port: 80
    targetPort: 8000
  type: LoadBalancer
```

### 云平台部署

#### AWS ECS部署
```bash
# 推送镜像到ECR
aws ecr get-login-password --region us-east-1 | docker login --username AWS --password-stdin <account>.dkr.ecr.us-east-1.amazonaws.com
docker tag python-learn-show:prod <account>.dkr.ecr.us-east-1.amazonaws.com/python-learn-show:latest
docker push <account>.dkr.ecr.us-east-1.amazonaws.com/python-learn-show:latest

# 创建ECS任务定义和服务
```

#### Google Cloud Run部署
```bash
# 构建并推送到GCR
gcloud builds submit --tag gcr.io/PROJECT-ID/python-learn-show

# 部署到Cloud Run
gcloud run deploy --image gcr.io/PROJECT-ID/python-learn-show --platform managed
```

### 监控和日志

#### 使用Docker Compose监控栈
```bash
# 启动监控服务
docker-compose --profile monitoring up -d

# 访问监控面板
# Prometheus: http://localhost:9090
# Grafana: http://localhost:3000 (admin/admin)
```

#### 生产环境监控
```bash
# 配置日志聚合
# - ELK Stack (Elasticsearch, Logstash, Kibana)
# - Fluentd
# - Prometheus + Grafana

# 配置错误追踪
# - Sentry
# - Rollbar

# 配置性能监控
# - New Relic
# - DataDog
```

### 环境变量管理

#### 开发环境
```bash
# 使用.env文件
cp .env.example .env
vim .env
```

#### 生产环境
```bash
# 使用环境变量
export DATABASE_URL="postgresql://..."
export REDIS_URL="redis://..."
export SECRET_KEY="your-secret-key"

# 或使用Docker secrets
docker secret create db_password db_password.txt

# 或使用Kubernetes secrets
kubectl create secret generic app-secrets --from-literal=database-url="postgresql://..."
```

## 📚 扩展学习资源

### 官方文档
- [Python官方文档](https://docs.python.org/3/)
- [FastAPI官方文档](https://fastapi.tiangolo.com/)
- [SQLAlchemy官方文档](https://docs.sqlalchemy.org/)

### 推荐书籍
- 《Effective Python》
- 《Python Tricks》
- 《Architecture Patterns with Python》

### 在线资源
- [Real Python](https://realpython.com/)
- [Python Weekly](https://www.pythonweekly.com/)
- [Talk Python Podcast](https://talkpython.fm/)

## 🤝 贡献指南

1. Fork项目
2. 创建特性分支
3. 提交更改
4. 推送到分支
5. 创建Pull Request

### 代码贡献规范
- 遵循现有代码风格
- 添加适当的测试
- 更新相关文档
- 确保所有测试通过

## 📄 许可证

MIT License - 详见 [LICENSE](LICENSE) 文件

## 📞 联系方式

如有问题或建议，请通过以下方式联系：

- 创建Issue
- 发送邮件
- 参与讨论

---

**Happy Coding! 🐍**

> 这个项目旨在帮助Java工程师快速掌握Python，通过对比学习和实践项目，让转换语言变得更加轻松愉快。