noahgift/functional_intro_to_python

它解决了什么问题

本仓库是一个以教学为导向的Python入门教程，刻意保持简短和实用，面向零编程经验的绝对初学者。它优先考虑以数据科学为中心的路径，同时也涵盖更高级的主题，如机器学习、线性优化、构建系统、命令行工具、推荐引擎、情感分析和云计算。

工作原理

课程以Jupyter笔记本形式提供，位于notebooks/目录下，通过make install安装依赖后，可使用uv run jupyter lab运行。工具链明确现代化：uv用于环境和依赖管理，ruff用于代码检查和格式化，ty用于类型检查，pytest和coverage用于测试（要求100%分支覆盖率），icontract和hypothesis用于契约。一个关键特性是每个示例都可以使用depyler转译为Rust，并且Rust输出必须通过clippy -D warnings和proptest的同等检查。所有质量门禁通过Make目标强制执行，CI中的grep检查确保不使用pip、pylint、black、mypy或poetry等遗留工具。

适用对象

专为没有编程背景、希望快速以最小路径进入Python数据科学领域的学习者设计。它也适用于对函数式编程风格感兴趣的程序员，以及那些好奇如何用形式化契约检查Python代码并安全地转换为Rust的人。后续课程难度有所提高，因此也适合希望在Python环境中探索机器学习、优化和云计算主题的人。

亮点

• 刻意简短、实用、数据科学优先的入门教程
• 现代工具链：uv、ruff、ty、pytest、coverage——无遗留工具
• 强制100%分支覆盖率，通过icontract和hypothesis提供可验证的契约
• 每个示例均可通过depyler转译为Rust，并在Rust端进行严格的代码检查和属性测试
• 涵盖五个核心课程：入门概念、函数、控制结构、中级主题（类、模块、库）和输入输出
• 额外的进阶部分涵盖机器学习、优化、构建系统、命令行工具、推荐引擎、情感分析和云计算