Python是一種高級編程語言，被廣泛應用于數據分析、科學計算、機器學習、Web開發等領域。在Python的學習過程中，我們需要了解其知識結構和核心特性，以便更好地掌握和使用。

Python的知識結構可以分為以下幾個部分：

基礎知識
變量、數據類型、運算符、流程控制語句、函數、模塊、文件操作等。
示例代碼：
# 定義變量
name = 'Tom'
age = 18
# 數據類型
num = 1
num_float = 1.0
string = 'hello world'
boolean = True
list_data = [1, 2, 3]
tuple_data = (4, 5, 6)
dict_data = {'name': 'Tom', 'age': 18}
# 條件語句
if age >= 18:
print('成年人')
else:
print('未成年人')
# 函數
def add(x, y):
return x + y
result = add(1, 2)
# 模塊
import random
num = random.randint(1, 10)
# 文件操作
with open('test.txt', 'w') as f:
f.write('hello world')

面向對象編程(OOP)  
類、對象、構造函數、繼承、多態等。
示例代碼：
# 定義類
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def show_info(self):
print('姓名:', self.name, '年齡:', self.age)
# 創建對象
person = Person('Tom', 18)
person.show_info()
# 繼承
class Student(Person):
def __init__(self, name, age, score):
super().__init__(name, age)
self.score = score
def show_info(self):
super().show_info()
print('成績:', self.score)
# 多態
def show(obj):
obj.show_info()
student = Student('Jack', 20, 90)
show(person)
show(student)

第三方庫
numpy、pandas、matplotlib、scikit-learn等。
示例代碼：
# 導入庫
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.linear_model import LinearRegression
# 數組操作
np_array = np.array([1, 2, 3])
np_random_array = np.random.rand(2, 3)
# 數據分析
df = pd.DataFrame({'name': ['Tom', 'Jack', 'Mary'], 'age': [18, 20, 22]})
df.head()
# 繪制圖表
plt.plot([1, 2, 3], [4, 5, 6])
plt.show()
# 機器學習
model = LinearRegression()
X_train = [[1], [2], [3]]
y_train = [2, 4, 6]
model.fit(X_train, y_train)
prediction = model.predict([[4]])

通過學習以上三個部分的內容，我們可以掌握Python的核心特性，并能夠更加靈活和高效地應用Python進行編程。