二、安装 Python 环境
这篇文章主要是针对 Windows 用户的，其他系统的朋友可以问问 AI 寻求帮助。
说到安装 Python 环境，乍一看似乎很复杂，但其实只需要搞定一个软件：**Anaconda**。这个工具包就像是“数据科学的综合工具箱”，里面不仅包含了 Python 解释器，还有很多常用的数据科学库，比如会计上常见的 pandas、可视化工具 Matplotlib，以及数据分析用的 Numpy等等，此外还有环境管理工具 Conda 和交互式编程环境 Jupyter Notebook。这样一来，初学者再也不用为安装库和配置环境而烦恼了。
当然，随着你学习的深入，单独安装 Python 和代码编辑器也是有必要的。
1. 在选择 Python 版本时，建议优先考虑稳定的版本，推荐 3.9 到 3.11 之间的版本。
2. 关于代码编辑器，会计专业的人用 VS Code 还不错，但我更喜欢推荐一个集成了 AI 功能的编辑器：Qoder。它的 AI 能帮你自动生成代码文件，非常方便，而且在你提问时，它还能根据你的代码给出更合适的建议。
至于如何安装这些工具，可以请教 AI，同时记下安装过程中遇到的问题和解决方案，把它们整理成自己的 Obsidian 笔记并和主笔记建立链接。
三、Python + Pandas 基础
1. 变量：了解它的命名规则是重点。
2. 赋值：要搞清楚赋值和“==”相等符号的区别。
3. 输入输出语句：包括 print 和 input。
4. 数据类型：有整数、浮点数（小数）、字符串、列表、字典、元组、集合、布尔值和空值（None）。会计常用的主要是整数、浮点数、字符串、列表、字典和布尔值。
5. 切片：理解“左闭右开”的概念很重要。
6. 索引：这部分包括主键和复合主键。
7. f 格式化字符串：这个也需要重点掌握。
8. r 原始字符串标识。
9. if 条件判断语句。
10. for 循环语句。
11. while 循环语句。
12. 方法。
13. 属性。
14. 自定义函数 def。
15. 库，以及如何用 import 来调用库。
16. 模块。
17. 注释。
18. 缩进。
19. 迭代与可迭代对象。
20. Pandas：这是一个专门用于高效处理结构化数据的工具库，像 Excel 财务表格、银行流水和发票清单等都能轻松搞定。它的核心在于通过 Series（单列数据）和 DataFrame（整张表格）这两种结构来读取、清洗、计算、筛选和导出数据，让财务数据处理变得自动化。先了解一下 Series 和 DataFrame 吧。
21. Python 之禅。
以上内容不需要一下子全懂，先在 Obsidian 里建立好笔记，并和主笔记做好链接，以便后续学习小脚本时能更方便。
坚持，阳光必将温暖你的前路！
待续
