# Vibe Coder Recharge | Python
> **目標**：能看懂 AI 生成的程式碼，知道它在做什麼，能提要求，能幫 AI 處理卡住
> **預估時間**：1-2 天（約 6-10 小時）
> **學習平台**：[LearnPython.org](https://www.learnpython.org)
---
## 學習心法
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ 你不是要「會寫程式」，你是要： │
│ │
│ 1. 看懂 AI 寫的程式碼在做什麼 │
│ 2. 知道程式「能做到什麼」才能提出對的要求 │
│ 3. AI 卡住時，看懂錯誤訊息，給 AI 有用的提示 │
│ │
│ 所以： │
│ ✓ 概念要懂 │
│ ✓ 不用背語法（AI 會寫） │
│ ✓ 練習「讀」比練習「寫」更重要 │
│ │
└─────────────────────────────────────────────────────────────────┘
```
---
## Part 1：Python 基礎語法
### 1.1 基礎篇（必做）— 約 2-3 小時
| 順序 | 章節 | 連結 | 重要性 | 備註 |
|------|------|------|--------|------|
| 1 | Hello, World! | [連結](https://www.learnpython.org/en/Hello%2C_World%21) | ⭐⭐ | 了解 print、程式怎麼跑 |
| 2 | Variables and Types | [連結](https://www.learnpython.org/en/Variables_and_Types) | ⭐⭐⭐ | 字串、數字、布林，必懂 |
| 3 | Lists | [連結](https://www.learnpython.org/en/Lists) | ⭐⭐⭐ | 超常用的資料結構 |
| 4 | Basic Operators | [連結](https://www.learnpython.org/en/Basic_Operators) | ⭐⭐ | +, -, *, /, %, == |
| 5 | Conditions | [連結](https://www.learnpython.org/en/Conditions) | ⭐⭐⭐ | if/elif/else，必懂 |
| 6 | Loops | [連結](https://www.learnpython.org/en/Loops) | ⭐⭐⭐ | for/while，必懂 |
| 7 | Functions | [連結](https://www.learnpython.org/en/Functions) | ⭐⭐⭐ | def，核心概念 |
| 8 | Dictionaries | [連結](https://www.learnpython.org/en/Dictionaries) | ⭐⭐⭐ | key-value，JSON 的基礎 |
### 1.2 略讀篇（快速看過）— 約 1 小時
| 順序 | 章節 | 連結 | 備註 |
|------|------|------|------|
| 9 | String Formatting | [連結](https://www.learnpython.org/en/String_Formatting) | f-string 很常見，知道 `f"{變數}"` 就好 |
| 10 | Basic String Operations | [連結](https://www.learnpython.org/en/Basic_String_Operations) | 字串處理，快速瀏覽 |
| 11 | Classes and Objects | [連結](https://www.learnpython.org/en/Classes_and_Objects) | 了解 class 概念，AI 常用 |
| 12 | Modules and Packages | [連結](https://www.learnpython.org/en/Modules_and_Packages) | import 怎麼運作 |
### 1.3 可跳過
| 章節 | 原因 |
|------|------|
| ~~Input and Output~~ | 檔案讀寫，用到再學 |
---
## Part 2：進階概念（Vibe Coding 常遇到）
### 2.1 重要！必須理解 — 約 1-2 小時
| 順序 | 章節 | 連結 | 重要性 | 為什麼重要 |
|------|------|------|--------|-----------|
| 1 | List Comprehensions | [連結](https://www.learnpython.org/en/List_Comprehensions) | ⭐⭐⭐ | AI 超愛用這個語法 `[x for x in list]` |
| 2 | Lambda functions | [連結](https://www.learnpython.org/en/Lambda_functions) | ⭐⭐⭐ | 匿名函數，AI 常寫 `lambda x: x*2` |
| 3 | Exception Handling | [連結](https://www.learnpython.org/en/Exception_Handling) | ⭐⭐⭐ | try/except，處理錯誤必備 |
| 4 | Map, Filter, Reduce | [連結](https://www.learnpython.org/en/Map%2C_Filter%2C_Reduce) | ⭐⭐ | 資料處理常見模式 |
### 2.2 略讀即可 — 約 30 分鐘
| 章節 | 連結 | 備註 |
|------|------|------|
| Multiple Function Arguments | [連結](https://www.learnpython.org/en/Multiple_Function_Arguments) | *args, **kwargs，看過就好 |
| Regular Expressions | [連結](https://www.learnpython.org/en/Regular_Expressions) | 正規表達式，概念知道就好 |
| Decorators | [連結](https://www.learnpython.org/en/Decorators) | @decorator 語法，知道是什麼 |
### 2.3 可之後再學
| 章節 | 原因 |
|------|------|
| ~~Generators~~ | 進階概念，用到再學 |
| ~~Sets~~ | 集合，用到再查 |
| ~~Serialization~~ | JSON 處理，用到再查 |
| ~~Partial functions~~ | 很少用 |
| ~~Code Introspection~~ | 很少用 |
| ~~Closures~~ | 進階概念 |
| ~~Parsing CSV Files~~ | 用 Pandas 比較實用 |
---
## Part 3：Pandas 基礎（n8n 數據處理必備）
> Pandas 不在 LearnPython.org，但 Vibe Coding 處理數據必備
### 3.1 為什麼要學 Pandas？
```
┌─────────────────────────────────────────────────────────────────┐
│ │
│ n8n 的 Code Node 處理數據時，Pandas 是標配： │
│ │
│ - 篩選資料：df[df['score'] < 3] │
│ - 分組統計：df.groupby('category').mean() │
│ - 合併資料：pd.merge(df1, df2, on='id') │
│ │
│ 這些用純 Python 寫會很痛苦 │
│ │
└─────────────────────────────────────────────────────────────────┘
```
### 3.2 Pandas 10 分鐘入門
**推薦資源**：[Pandas 10 minutes tutorial](https://pandas.pydata.org/docs/user_guide/10min.html)
**必須知道的操作**（在 Jupyter 試一試）：
```python
import pandas as pd
# 1. 建立 DataFrame（表格）
df = pd.DataFrame({
'name': ['Alice', 'Bob', 'Charlie'],
'score': [85, 72, 91],
'department': ['Sales', 'IT', 'Sales']
})
# 2. 看資料
df.head() # 看前幾筆
df.info() # 看欄位型態
df.describe() # 看統計摘要
# 3. 選取欄位
df['name'] # 單一欄位
df[['name', 'score']] # 多個欄位
# 4. 篩選資料
df[df['score'] > 80] # 分數大於 80 的
df[df['department'] == 'Sales'] # Sales 部門的
# 5. 分組統計
df.groupby('department')['score'].mean() # 各部門平均分
# 6. 新增欄位
df['passed'] = df['score'] >= 60
# 7. 排序
df.sort_values('score', ascending=False)
```
### 3.3 Pandas 在 n8n 的應用模式
```python
# n8n Code Node 典型模式
import pandas as pd
# 1. 接收 n8n 傳來的資料
input_data = $input.all()
records = [item['json'] for item in input_data]
# 2. 轉成 DataFrame
df = pd.DataFrame(records)
# 3. 處理（篩選、統計、轉換）
result = df[df['status'] == 'active'].groupby('category').size()
# 4. 轉回 n8n 格式
return [{'json': result.to_dict()}]
```
---
## Part 4：常見程式碼模式（AI 愛用的寫法）
> 這些不用會寫，但要看得懂
### 4.1 List Comprehension（列表推導式）
```python
# AI 很常寫這樣
names = [user['name'] for user in users]
# 等於這樣（但 AI 不會這樣寫）
names = []
for user in users:
names.append(user['name'])
```
### 4.2 Lambda + Map/Filter
```python
# AI 常寫
scores = list(map(lambda x: x * 1.1, raw_scores))
# 等於
scores = [x * 1.1 for x in raw_scores]
```
### 4.3 Dictionary Comprehension
```python
# AI 常寫
user_map = {u['id']: u['name'] for u in users}
# 等於
user_map = {}
for u in users:
user_map[u['id']] = u['name']
```
### 4.4 Try/Except 錯誤處理
```python
# AI 標準寫法
try:
result = risky_operation()
except Exception as e:
print(f"Error: {e}")
result = default_value
```
### 4.5 F-string 格式化
```python
# AI 愛用
name = "Alice"
score = 85
message = f"{name} 的分數是 {score} 分"
# 老寫法（你可能會看到）
message = "{} 的分數是 {} 分".format(name, score)
message = "%s 的分數是 %d 分" % (name, score)
```
### 4.6 解構賦值
```python
# AI 常寫
first, *rest = my_list
name, age = user_tuple
# 字典解構
data = {'a': 1, 'b': 2}
a = data.get('a', 0) # 有預設值的取法
```
### 4.7 Walrus Operator（:=）
```python
# Python 3.8+ AI 可能會用
if (n := len(users)) > 10:
print(f"有 {n} 個用戶")
```
---
## Part 5：看懂錯誤訊息
> AI 卡住時，你要能看懂錯誤，給 AI 有用的提示
### 5.1 常見錯誤類型
| 錯誤類型 | 常見原因 | 怎麼告訴 AI |
|---------|---------|------------|
| `SyntaxError` | 語法寫錯（括號、冒號） | 「第 X 行語法錯誤，請檢查」 |
| `NameError` | 變數未定義 | 「變數 XXX 沒有定義，是不是沒 import？」 |
| `TypeError` | 型態不對（字串當數字用） | 「這裡型態錯了，XXX 是字串不是數字」 |
| `KeyError` | 字典沒這個 key | 「字典裡沒有 XXX 這個 key」 |
| `IndexError` | 陣列超出範圍 | 「陣列只有 X 個元素，但取第 Y 個」 |
| `AttributeError` | 物件沒這個方法 | 「XXX 沒有 YYY 這個方法」 |
| `ImportError` | 套件沒裝或名字錯 | 「是不是沒安裝 XXX？或名字打錯？」 |
| `ValueError` | 值不對 | 「傳入的值不符合預期」 |
### 5.2 看錯誤訊息的技巧
```python
# 錯誤訊息範例
Traceback (most recent call last):
File "main.py", line 15, in <module> ← 錯在第 15 行
result = process_data(data)
File "main.py", line 8, in process_data ← 從這裡呼叫的
return data['name'].upper()
KeyError: 'name' ← 錯誤類型和原因
```
**給 AI 的有效提示**：
```
「執行到 process_data 函數的第 8 行時出錯，
KeyError: 'name'，
data 裡面沒有 'name' 這個 key。
我的 data 結構是 {'username': 'xxx', ...}，
請修正」
```
### 5.3 Debug 小技巧
```python
# 印出變數內容（最基本的 debug）
print(f"data = {data}")
print(f"type = {type(data)}")
print(f"keys = {data.keys()}")
# 確認到底有什麼
import json
print(json.dumps(data, indent=2, ensure_ascii=False))
```
---
## Part 6：學習完成檢核表
### 基礎語法（必須打勾）
- [ ] 我知道 `def` 是定義函數
- [ ] 我知道 `if/elif/else` 是條件判斷
- [ ] 我知道 `for item in list` 是遍歷
- [ ] 我知道 `list`（清單）和 `dict`（字典）的差別
- [ ] 我知道 `import` 是引入套件
### 進階模式（看得懂就好）
- [ ] 我看得懂 `[x for x in list]` 是在做什麼
- [ ] 我看得懂 `lambda x: x*2` 是匿名函數
- [ ] 我看得懂 `try/except` 是在處理錯誤
- [ ] 我看得懂 `f"{變數}"` 是字串格式化
### Pandas（會用就好）
- [ ] 我知道 `pd.DataFrame(data)` 是建立表格
- [ ] 我知道 `df[df['col'] > 10]` 是篩選
- [ ] 我知道 `df.groupby('col').sum()` 是分組統計
### 錯誤處理（能看懂）
- [ ] 我知道看錯誤訊息的「最後幾行」最重要
- [ ] 我知道 `KeyError` 是字典沒這個 key
- [ ] 我知道 `TypeError` 是型態用錯了
- [ ] 我能把錯誤訊息「翻譯」成給 AI 的提示
---
## 學習路徑總覽
```mermaid
flowchart TB
subgraph Day1["第一天（4-5 小時）"]
A1[基礎語法] --> A2[Variables, Lists, Dicts]
A2 --> A3[Conditions, Loops]
A3 --> A4[Functions]
A4 --> A5[略讀：Classes, Modules]
end
subgraph Day2["第二天（3-4 小時）"]
B1[進階模式] --> B2[List Comprehension]
B2 --> B3[Lambda, Map/Filter]
B3 --> B4[Exception Handling]
B4 --> B5[Pandas 基礎]
end
subgraph Practice["實戰練習"]
C1[在 Jupyter 試跑]
C2[看 AI 生成的程式碼]
C3[故意製造錯誤，練習看錯誤訊息]
end
Day1 --> Day2 --> Practice
```
---
## 附錄：快速參考卡
### 資料結構
```python
# List（清單）— 有順序，可重複
fruits = ['apple', 'banana', 'apple']
fruits[0] # 'apple'
fruits.append('orange')
len(fruits) # 4
# Dict（字典）— key-value 對應
user = {'name': 'Alice', 'age': 30}
user['name'] # 'Alice'
user.get('email', 'N/A') # 'N/A'（有預設值）
user.keys() # dict_keys(['name', 'age'])
# Tuple（元組）— 不可改的 list
point = (10, 20)
x, y = point # 解構
```
### 常用內建函數
```python
len(list) # 長度
range(10) # 0-9
enumerate(list) # 帶 index 的迴圈
zip(list1, list2) # 配對兩個 list
sorted(list) # 排序（不改原本的）
list.sort() # 排序（改原本的）
```
### 字串處理
```python
s = "Hello World"
s.lower() # 'hello world'
s.upper() # 'HELLO WORLD'
s.split(' ') # ['Hello', 'World']
s.replace('o', '0')# 'Hell0 W0rld'
s.strip() # 去頭尾空白
'|'.join(['a','b'])# 'a|b'
```
### 常用 import
```python
import json # JSON 處理
import re # 正規表達式
import datetime # 日期時間
import os # 作業系統
import pandas as pd # 資料處理
import requests # HTTP 請求
```
---
*目標：不是成為 Python 工程師，是成為能有效指揮 AI 的 Vibe Coder*
Sign in with Wallet
Connect another wallet