本文为《Python+AI 零基础入门到实战》系列第2篇，承接上一篇的Anaconda环境配置，全程聚焦AI开发90%场景都会用到的Python核心语法，不讲无用的纯理论，所有知识点都绑定AI数据集处理实战，零基础也能跟着跑通代码，学完就能直接用在AI项目中。关注我，持续更新全系列AI入门实战内容。

---

前言

上一篇我们已经100%完成了Python+AI的开发环境搭建，很多新手接下来会陷入一个误区：抱着Python语法书从头啃到尾，学了大量和AI开发无关的语法，等到真正处理AI数据集、写模型代码的时候，还是一脸懵。

AI开发的核心是「数据处理」，而数据类型、列表、字典，就是AI数据处理的底层基石。

• 你后续接触的所有AI数据集，无论是表格数据、文本语料、图像像素，最终都会拆解成基础数据类型，用列表/字典进行存储和处理
• 90%的AI数据预处理工作，本质上就是对列表、字典的增删改查、遍历、筛选
• 机器学习的标签、特征值，深度学习的张量、模型超参数，底层都依赖本文要讲的核心知识点

本文只讲AI开发高频用到的内容，每一个知识点都配套AI场景案例，学完就能上手处理经典AI数据集。

---

一、AI开发必学：Python核心基础数据类型

Python的数据类型有很多，但AI开发中99%的场景，只会用到以下4种核心类型，我们完全围绕AI场景讲解，零基础也能秒懂。

前置说明

本文所有代码，都可以在上一篇我们搭建好的ai_learn虚拟环境的Jupyter Notebook中直接运行，无需额外配置。
打开方式：

1. 打开Anaconda Prompt，执行conda activate ai_learn激活环境
2. 执行jupyter notebook启动编辑器，新建Python文件即可编写代码

1. 数值型：int（整数）、float（浮点数）

这是AI数据集中最核心、最基础的类型，几乎所有的特征值、标签都由这两种类型构成。

核心定义&AI场景用途

类型	定义	AI开发核心用途
int	整数，无小数点，如 0、1、2、-3	分类任务的样本标签（比如0代表猫、1代表狗、2代表鸟）、模型训练的轮次、批次大小batch_size、图像的像素长宽
float	带小数点的数值，如 3.14、0.5、-2.8	数据集的特征值（比如鸢尾花的花萼长度、花瓣宽度）、归一化后的图像像素值（0-1之间）、模型的学习率、损失值、准确率等指标

代码示例（AI场景专属）

# 1. int类型：分类任务的标签定义
label_cat = 0  # 猫的标签为0
label_dog = 1  # 狗的标签为1
label_bird = 2 # 鸟的标签为2
print("分类标签类型：", type(label_cat))
print("猫的标签：", label_cat)

# 2. float类型：AI数据集的特征值
# 鸢尾花样本的特征：花萼长度、花萼宽度、花瓣长度、花瓣宽度
sepal_length = 5.1
sepal_width = 3.5
petal_length = 1.4
petal_width = 0.2
print("特征值类型：", type(sepal_length))
print("鸢尾花样本特征：", sepal_length, sepal_width, petal_length, petal_width)

# 3. float类型：模型超参数&训练指标
learning_rate = 0.001  # 模型学习率
train_accuracy = 0.923 # 训练准确率
print("模型学习率：", learning_rate, "训练准确率：", train_accuracy)

运行结果

分类标签类型： <class 'int'>
猫的标签： 0
特征值类型： <class 'float'>
鸢尾花样本特征： 5.1 3.5 1.4 0.2
模型学习率： 0.001 训练准确率： 0.923

2. 字符串（str）

文本AI任务的核心类型，同时也用于存储数据集的特征名、样本类别名称、文件路径等。

核心定义&AI场景用途

• 定义：用单引号/双引号包裹的文本内容，如"iris"、"花萼长度"、"我喜欢AI"
• AI开发核心用途：
  1. 文本分类、情感分析等NLP任务的语料数据
  2. 数据集的特征名称、样本类别名称（如"山鸢尾"、"变色鸢尾"）
  3. 数据集文件、模型文件的读取/保存路径
  4. 模型训练的日志输出、结果标注

代码示例（AI场景专属）

# 1. 字符串：数据集类别名称
class_name1 = "山鸢尾"
class_name2 = "变色鸢尾"
class_name3 = "维吉尼亚鸢尾"
print("样本类别：", class_name1, class_name2, class_name3)

# 2. 字符串：文本AI任务的语料数据
text1 = "这个产品太好用了，强烈推荐！" # 正面情感语料
text2 = "踩坑了，这个东西完全不好用"   # 负面情感语料
print("正面语料：", text1)
print("负面语料：", text2)

# 3. 字符串：数据集文件路径
dataset_path = "./data/iris.csv"
print("数据集路径：", dataset_path)

3. 布尔型（bool）

只有两个取值：True（真）、False（假），核心用于AI数据的筛选、条件判断、模型结果的正误标记。

代码示例（AI场景专属）

# 1. 布尔型：判断模型预测结果是否正确
predict_label = 0  # 模型预测的标签
true_label = 0     # 样本真实标签
is_correct = (predict_label == true_label)
print("模型预测是否正确：", is_correct)

# 2. 布尔型：数据筛选条件
# 筛选花萼长度大于5.0的样本
sepal_length = 5.1
is_gt_5 = sepal_length > 5.0
print("该样本花萼长度是否大于5.0：", is_gt_5)

---

二、AI数据处理核心：Python列表（List）

列表是AI开发中使用频率最高的数据结构，没有之一。你后续接触的所有数据集，本质上都是由列表嵌套构成的。

核心定义&AI场景用途

• 定义：用中括号[]包裹，元素之间用逗号分隔，可存储任意类型的数据，支持动态增删改查，有序、可重复。
• AI开发核心用途：
  1. 存储整个数据集的所有样本特征、所有样本标签
  2. 存储单个样本的多维度特征（比如鸢尾花的4个特征，就可以存在一个列表里）
  3. 存储模型训练过程中的损失值、准确率变化，用于后续绘制训练曲线
  4. 存储图像的像素矩阵、文本分词后的词语序列

1. 列表的基础定义（AI场景示例）

# 1. 单个样本的特征列表：鸢尾花的4个特征值
sample_feature = [5.1, 3.5, 1.4, 0.2]
print("单个样本特征：", sample_feature)
print("特征列表类型：", type(sample_feature))

# 2. 数据集的标签列表：所有样本的分类标签
dataset_label = [0, 0, 1, 1, 2, 2]
print("数据集标签列表：", dataset_label)

# 3. 嵌套列表：整个数据集的特征集（最常用！）
# 每一个子列表，代表一个样本的特征
dataset_feature = [
    [5.1, 3.5, 1.4, 0.2],
    [4.9, 3.0, 1.4, 0.2],
    [6.2, 3.4, 5.4, 2.3],
    [5.9, 3.0, 5.1, 1.8]
]
print("数据集特征集：", dataset_feature)
print("数据集样本数量：", len(dataset_feature)) # len()获取列表长度，即样本数量

2. AI场景高频操作1：列表索引与切片

索引和切片是从数据集中提取指定样本、指定特征的核心操作，90%的数据提取都靠这个。

核心规则

• 索引：从0开始计数，列表[索引值] 提取单个元素，支持负数索引（-1代表最后一个元素）
• 切片：列表[起始索引:结束索引:步长]，提取多个元素，左闭右开（包含起始索引，不包含结束索引）

代码示例（AI数据集场景）

# 先定义一个完整的特征数据集
dataset_feature = [
    [5.1, 3.5, 1.4, 0.2], # 索引0：第1个样本
    [4.9, 3.0, 1.4, 0.2], # 索引1：第2个样本
    [6.2, 3.4, 5.4, 2.3], # 索引2：第3个样本
    [5.9, 3.0, 5.1, 1.8]  # 索引3：第4个样本
]

# 1. 索引：提取单个样本
print("第1个样本：", dataset_feature[0])
print("最后1个样本：", dataset_feature[-1])

# 2. 索引嵌套：提取单个样本的指定特征
# 提取第1个样本的第1个特征（花萼长度）
print("第1个样本的花萼长度：", dataset_feature[0][0])
# 提取第3个样本的第3个特征（花瓣长度）
print("第3个样本的花瓣长度：", dataset_feature[2][2])

# 3. 切片：提取数据集的前N个样本（AI中常用作训练集）
print("前2个样本（训练集）：", dataset_feature[0:2])
print("前3个样本：", dataset_feature[:3]) # 起始索引为0可省略

# 4. 切片：提取数据集的后N个样本（AI中常用作测试集）
print("后2个样本（测试集）：", dataset_feature[-2:])

# 5. 切片：步长操作，隔一个样本取一个
print("隔行提取样本：", dataset_feature[::2])

3. AI场景高频操作2：列表的增删改

AI数据处理中，经常需要新增样本、修改异常特征值、删除无效样本，这些都依赖列表的增删改操作。

代码示例（AI数据集场景）

# 初始化样本特征列表
sample_list = [[5.1, 3.5, 1.4, 0.2], [4.9, 3.0, 1.4, 0.2]]
print("初始样本列表：", sample_list)

# 1. 新增：向数据集中添加新样本（append，最常用）
new_sample = [6.2, 3.4, 5.4, 2.3]
sample_list.append(new_sample)
print("添加新样本后：", sample_list)

# 2. 修改：修正样本的异常特征值
# 把第1个样本的花萼长度5.1，修正为5.2
sample_list[0][0] = 5.2
print("修改特征值后：", sample_list)

# 3. 删除：移除数据集中的无效样本
# 删除索引为1的样本
del sample_list[1]
print("删除无效样本后：", sample_list)

4. AI场景高频操作3：列表遍历与批量处理

AI数据集往往有几百、几千甚至上万个样本，不可能手动一个个处理，必须通过遍历实现批量处理，这是数据预处理的核心技能。

代码示例（AI数据集批量处理）

# 定义鸢尾花数据集特征集
dataset_feature = [
    [5.1, 3.5, 1.4, 0.2],
    [4.9, 3.0, 1.4, 0.2],
    [6.2, 3.4, 5.4, 2.3],
    [5.9, 3.0, 5.1, 1.8]
]

# 1. 基础遍历：打印数据集中的每一个样本
print("数据集所有样本：")
for sample in dataset_feature:
    print("样本特征：", sample)

# 2. 进阶遍历：批量提取所有样本的花瓣长度（第3个特征，索引2）
petal_length_list = []
for sample in dataset_feature:
    petal_length = sample[2] # 提取每个样本的花瓣长度
    petal_length_list.append(petal_length) # 添加到新列表
print("所有样本的花瓣长度：", petal_length_list)

# 3. 实战遍历：批量计算特征均值（AI数据统计常用）
total = 0
for length in petal_length_list:
    total += length
mean_length = total / len(petal_length_list)
print("花瓣长度的均值：", mean_length)

---

三、AI数据处理核心：Python字典（Dict）

字典是AI开发中仅次于列表的核心数据结构，核心解决「数据有明确的名称和对应值」的场景，让数据处理更清晰、更不易出错。

核心定义&AI场景用途

• 定义：用大括号{}包裹，以键:值（key:value）的形式存储数据，键必须是唯一的、不可变的（字符串、数值型），值可以是任意类型。
• AI开发核心用途：
  1. 存储单个样本的「特征名:特征值」，避免用列表时忘记索引对应的特征含义
  2. 存储模型的超参数配置（如{"learning_rate":0.001, "batch_size":32}）
  3. 存储数据集的元信息（如样本数量、特征数量、类别数量）
  4. 存储模型的预测结果，包含「样本ID、真实标签、预测标签、置信度」等完整信息

1. 字典的基础定义（AI场景示例）

# 1. 单个样本的字典存储：特征名+特征值，清晰明了
# 再也不用记索引0对应花萼长度，直接通过特征名就能提取
iris_sample = {
    "花萼长度": 5.1,
    "花萼宽度": 3.5,
    "花瓣长度": 1.4,
    "花瓣宽度": 0.2,
    "样本类别": "山鸢尾",
    "标签": 0
}
print("鸢尾花样本字典：", iris_sample)
print("样本字典类型：", type(iris_sample))

# 2. 模型超参数字典（AI训练必用）
model_hyperparams = {
    "learning_rate": 0.001,  # 学习率
    "batch_size": 32,         # 批次大小
    "epoch": 100,             # 训练轮次
    "optimizer": "Adam",      # 优化器
    "loss_function": "cross_entropy" # 损失函数
}
print("模型超参数：", model_hyperparams)

# 3. 数据集元信息字典
dataset_info = {
    "样本总数": 150,
    "特征数量": 4,
    "类别数量": 3,
    "数据集名称": "鸢尾花数据集",
    "特征名称": ["花萼长度", "花萼宽度", "花瓣长度", "花瓣宽度"]
}
print("数据集元信息：", dataset_info)

2. AI场景高频操作1：字典的键值对访问

字典的核心优势，就是通过键名直接访问对应的值，无需记索引，代码可读性拉满，也不会出现特征对应错误的问题。

代码示例（AI场景）

# 定义样本字典
iris_sample = {
    "花萼长度": 5.1,
    "花萼宽度": 3.5,
    "花瓣长度": 1.4,
    "花瓣宽度": 0.2,
    "样本类别": "山鸢尾",
    "标签": 0
}

# 1. 直接通过键名访问值（最常用）
print("样本的花萼长度：", iris_sample["花萼长度"])
print("样本的标签：", iris_sample["标签"])
print("样本的类别：", iris_sample["样本类别"])

# 2. get()方法访问（避坑专用！）
# 键名不存在时，不会报错，会返回默认值
print("样本的花瓣长度：", iris_sample.get("花瓣长度", 0))
# 键名不存在，返回默认值"未知"，不会报错
print("样本的不存在的特征：", iris_sample.get("花萼高度", "未知"))

3. AI场景高频操作2：字典的增删改

AI开发中，经常需要给样本新增特征、修改超参数、删除无效的键值对，这些都依赖字典的增删改操作。

代码示例（AI场景）

# 定义模型超参数字典
model_hyperparams = {
    "learning_rate": 0.001,
    "batch_size": 32,
    "epoch": 100
}
print("初始超参数：", model_hyperparams)

# 1. 新增：添加新的超参数键值对
model_hyperparams["optimizer"] = "Adam"
model_hyperparams["dropout"] = 0.2
print("新增超参数后：", model_hyperparams)

# 2. 修改：调整超参数的值（调参必用）
model_hyperparams["learning_rate"] = 0.0001 # 调小学习率
model_hyperparams["epoch"] = 200 # 增加训练轮次
print("修改超参数后：", model_hyperparams)

# 3. 删除：移除不需要的超参数
del model_hyperparams["dropout"]
print("删除超参数后：", model_hyperparams)

4. AI场景高频操作3：字典的遍历

常用于批量读取超参数、批量处理样本的所有特征、批量统计数据集信息。

代码示例（AI场景）

# 模型超参数字典
model_hyperparams = {
    "learning_rate": 0.001,
    "batch_size": 32,
    "epoch": 100,
    "optimizer": "Adam"
}

# 1. 遍历所有键值对（最常用）
print("模型完整超参数：")
for key, value in model_hyperparams.items():
    print(f"{key}: {value}")

# 2. 遍历所有键名
print("超参数名称：", list(model_hyperparams.keys()))

# 3. 遍历所有值
print("超参数取值：", list(model_hyperparams.values()))

---

四、核心实战：用列表+字典处理经典AI鸢尾花数据集

前面的知识点都是拆分讲解，现在我们用一个完整的实战案例，把所有知识点串联起来，模拟AI开发中最常见的数据集处理流程，零基础也能跟着跑通。

实战目标

1. 用字典存储单个样本的完整信息
2. 用列表存储整个数据集的所有样本
3. 实现数据集的筛选、特征提取、统计分析
4. 完成AI训练前的基础数据预处理

完整实战代码（可直接复制运行）

# ===================== 1. 构建鸢尾花数据集 =====================
# 用列表存储整个数据集，每个元素是一个字典，代表一个完整样本
iris_dataset = [
    {"花萼长度": 5.1, "花萼宽度": 3.5, "花瓣长度": 1.4, "花瓣宽度": 0.2, "类别": "山鸢尾", "标签": 0},
    {"花萼长度": 4.9, "花萼宽度": 3.0, "花瓣长度": 1.4, "花瓣宽度": 0.2, "类别": "山鸢尾", "标签": 0},
    {"花萼长度": 7.0, "花萼宽度": 3.2, "花瓣长度": 4.7, "花瓣宽度": 1.4, "类别": "变色鸢尾", "标签": 1},
    {"花萼长度": 6.4, "花萼宽度": 3.2, "花瓣长度": 4.5, "花瓣宽度": 1.5, "类别": "变色鸢尾", "标签": 1},
    {"花萼长度": 6.3, "花萼宽度": 3.3, "花瓣长度": 6.0, "花瓣宽度": 2.5, "类别": "维吉尼亚鸢尾", "标签": 2},
    {"花萼长度": 5.8, "花萼宽度": 2.7, "花瓣长度": 5.1, "花瓣宽度": 1.9, "类别": "维吉尼亚鸢尾", "标签": 2}
]

print("数据集总样本数：", len(iris_dataset))
print("="*50)

# ===================== 2. 数据集基础信息提取 =====================
# 提取所有样本的标签列表（AI模型训练必备）
label_list = []
# 提取所有样本的特征矩阵（AI模型训练必备）
feature_matrix = []
# 特征名称列表
feature_names = ["花萼长度", "花萼宽度", "花瓣长度", "花瓣宽度"]

for sample in iris_dataset:
    # 提取标签
    label_list.append(sample["标签"])
    # 提取特征，按顺序存入列表，构成特征矩阵
    sample_feature = [sample[name] for name in feature_names]
    feature_matrix.append(sample_feature)

print("数据集标签列表：", label_list)
print("数据集特征矩阵：")
for feature in feature_matrix:
    print(feature)
print("="*50)

# ===================== 3. 数据集筛选（AI数据预处理高频操作） =====================
# 筛选出所有"山鸢尾"类别的样本
setosa_samples = [sample for sample in iris_dataset if sample["类别"] == "山鸢尾"]
print("山鸢尾样本数量：", len(setosa_samples))
print("山鸢尾样本：", setosa_samples)

# 筛选出花瓣长度大于4.0的样本（筛选有效特征样本）
long_petal_samples = [sample for sample in iris_dataset if sample["花瓣长度"] > 4.0]
print("\n花瓣长度大于4.0的样本数量：", len(long_petal_samples))
print("符合条件的样本：", long_petal_samples)
print("="*50)

# ===================== 4. 数据集统计分析（AI数据探索必备） =====================
# 计算所有样本的花萼长度均值
sepal_length_total = 0
for sample in iris_dataset:
    sepal_length_total += sample["花萼长度"]
sepal_length_mean = sepal_length_total / len(iris_dataset)
print("所有样本花萼长度均值：", round(sepal_length_mean, 2))

# 统计每个类别的样本数量
class_count = {}
for sample in iris_dataset:
    class_name = sample["类别"]
    if class_name in class_count:
        class_count[class_name] += 1
    else:
        class_count[class_name] = 1
print("每个类别的样本数量：", class_count)

运行结果

数据集总样本数： 6
==================================================
数据集标签列表： [0, 0, 1, 1, 2, 2]
数据集特征矩阵：
[5.1, 3.5, 1.4, 0.2]
[4.9, 3.0, 1.4, 0.2]
[7.0, 3.2, 4.7, 1.4]
[6.4, 3.2, 4.5, 1.5]
[6.3, 3.3, 6.0, 2.5]
[5.8, 2.7, 5.1, 1.9]
==================================================
山鸢尾样本数量： 2
山鸢尾样本： [{'花萼长度': 5.1, '花萼宽度': 3.5, '花瓣长度': 1.4, '花瓣宽度': 0.2, '类别': '山鸢尾', '标签': 0}, {'花萼长度': 4.9, '花萼宽度': 3.0, '花瓣长度': 1.4, '花瓣宽度': 0.2, '类别': '山鸢尾', '标签': 0}]

花瓣长度大于4.0的样本数量： 4
符合条件的样本： [{'花萼长度': 7.0, '花萼宽度': 3.2, '花瓣长度': 4.7, '花瓣宽度': 1.4, '类别': '变色鸢尾', '标签': 1}, {'花萼长度': 6.4, '花萼宽度': 3.2, '花瓣长度': 4.5, '花瓣宽度': 1.5, '类别': '变色鸢尾', '标签': 1}, {'花萼长度': 6.3, '花萼宽度': 3.3, '花瓣长度': 6.0, '花瓣宽度': 2.5, '类别': '维吉尼亚鸢尾', '标签': 2}, {'花萼长度': 5.8, '花萼宽度': 2.7, '花瓣长度': 5.1, '花瓣宽度': 1.9, '类别': '维吉尼亚鸢尾', '标签': 2}]
==================================================
所有样本花萼长度均值： 5.92
每个类别的样本数量： {'山鸢尾': 2, '变色鸢尾': 2, '维吉尼亚鸢尾': 2}

---

五、新手高频避坑指南（AI数据处理90%的报错都在这里）

1. 列表索引越界报错

• 报错示例：IndexError: list index out of range
• 报错原因：提取列表元素时，索引值超过了列表的最大长度，比如列表只有4个样本（索引0-3），却去取dataset[4]
• AI场景避坑：提取样本前，先用len(dataset)查看列表长度，确认索引范围；切片操作不会触发这个报错，优先用切片提取批量样本

2. 字典键名不存在报错

• 报错示例：KeyError: '花萼高度'
• 报错原因：访问字典时，键名打错、或者不存在，这是新手处理AI数据时最常踩的坑
• AI场景避坑：优先用字典.get(键名, 默认值)的方式访问，键名不存在时不会报错，只会返回默认值，代码稳定性拉满

3. 列表遍历过程中修改列表，导致数据错乱

• 报错场景：遍历数据集的列表时，直接删除里面的无效样本，导致后续样本的索引发生变化，部分样本被跳过
• 避坑方案：新建一个空列表，把符合条件的有效样本添加进去，而不是在原列表中直接删除
• 正确代码示例：

  # 正确做法：新建列表存储有效样本
  valid_samples = []
  for sample in iris_dataset:
      if sample["花瓣长度"] > 0: # 筛选有效样本
          valid_samples.append(sample)
  

4. 数据类型不匹配报错

• 报错示例：TypeError: can only concatenate str (not "int") to str
• 报错原因：AI数据集中，特征值的类型混乱，比如把字符串类型的数字和数值型数字做计算
• AI场景避坑：处理特征值时，先用type()查看数据类型，用int()/float()做类型转换，确保计算的数值都是同一类型

---

结尾&系列预告

恭喜你！学完本文，你已经掌握了AI数据处理中90%场景都会用到的Python核心技能，从基础数据类型，到列表、字典的全场景操作，再到完整的数据集处理实战，已经具备了AI数据预处理的基础能力。

本文是《Python+AI 零基础入门到实战》系列的第2篇，下一篇我们将讲解《AI 计算基础：Python 函数+循环（实战：写一个简单的数据集清洗脚本）》，带你把零散的操作封装成可复用的函数，写出更规范、更高效的AI数据处理代码，真正实现从零基础到实战的进阶。

关注我，持续更新Python+AI零基础到实战全流程内容，保姆级教学，全程避坑不迷路！

---