"Hello Python"_开篇介绍

Posted 2021-03-15 bitdancer

Python 环境安装

Python下载

下载地址

Python3 下载

Python2 下载

Python3 环境安装

Python2 环境安装

Python2和Python3双环境配置

将Python2和Python3同时安装在一台Windows上（注：Python2安装时没有加入环境变量的选项，安装完成后需要手动配置环境变量），在未进行配置的情况下默认是Python3环境。

以下方法为配置Python2为默认Python环境，调用Python3环境时需要输入"python3"：

Python语言介绍

Python的应用领域

• 云计算： 典型应用OpenStack

• WEB开发：典型WEB框架有Django，网站Youtube, 豆瓣等均使用Python开发

• 科学运算、人工智能：典型库NumPy, SciPy, Matplotlib, Enthought librarys,pandas

• 系统运维：系统自动化运维必备

• 金融：量化交易，金融分析，在金融工程领域，Python不但在用，且用的最多，而且重要性逐年提高。原因：作为动态语言的Python，语言结构清晰简单，库丰富，成熟稳定，科学计算和统计分析很有优势，生产效率远远高于c,c++,java,尤其擅长策略回测

• 图形GUI：PyQT, WxPython,TkInter

编程语言分类

Python是一门动态解释型的强类型定义语言

编译型和解释型

• 编译型

  程序源代码由编译器一次性编译成机器可执行的二进制程序（机器只能识别和执行由二进制码0和1构成的程序），由机器执行该一次性编译打包的二进制程序。编译型语言执行速度快，可以脱离语言环境独立运行，但可移植性差，需要针对不同的系统平台（Linux,Windows）进行编译，将Windows上编译的程序放到Linux上可能无法执行。

• 解释型

  程序执行时，程序源代码由解释器一条一条的解释成二进制程序来给机器执行。解释型语言执行速度不如一次性编译后再执行的编译型语言快，但可移植性好，只要系统上安装了语言环境（解释器）并且编写的程序不依赖操作系统，同一程序可以在不同的系统平台上执行。

• 混合型

比较接近解释型语言的特征，但在执行之前已经预先进行一次预编译，生成的代码是介于机器码和Java源代码之间的中介代码，运行的时候则由JVM（Java的虚拟机平台，可视为解释器）解释执行。它既保留了源代码的高抽象、可移植的特点，又已经完成了对源代码的大部分预编译工作，所以执行起来比“纯解释型”程序要快许多。

静态语言和动态语言

• 动态语言

定义变量时不需要指定变量的数据类型，程序运行时才去检查变量的数据类型，并将变量的数据类型保存下来，例如Python，Shell等。

• 静态语言

定义变量时需要指定变量的数据类型，程序编译时检查变量的数据类型，例如C/C++，JAVA，C#等。

强类型定义语言和弱类型定义语言

• 强类型定义语言

一个变量被指定了某个数据类型后，如果不经过强制转换，那它永远都是这个数据类型，强类型定义语言也被称为类型安全的语言，带来的严谨性能够有效的避免许多错误。

• 弱类型定义语言

数据类型可以被忽略的语言，一个变量可以赋予不同数据类型的值，弱类型定义语言相比强类型定义语言在速度上略有优势。

? 注意：动/静态语言和强/弱类型定义语言没有必然联系

Python语言的特点

• 优点

1. 具备强大的第三方库，开发效率高；

2. 可移植性好，如果编写的Python程序不依赖系统的特性，那么程序就可以在不同的系统平台上运行；

3. 可扩展性好，如果希望某一段关键代码运行得更快或者希望某些算法不公开，可以把该部分代码用C/C++编写，然后在Python程序中调用它们；

4. 可嵌入性好，可以把Python嵌入C/C++程序，从而向程序用户提供脚本功能

• 缺点

1. 运行速度相对于C/C++，JAVA等要慢一些，但绝大部分运行速度的差距人是无法感知的，只能借助相关测试工具，除非是搜索引擎等对运行速度要求极高的程序，建议使用C/C++编写；
2. 代码不能加密，解释型语言源代码都以明文存放，如果要求代码加密，软件项目不能选择Python;
3. 线程不能利用多CPU，即使在多核CPU平台上，由于GIL（全局解释器锁）的存在，禁止多线程的并行执行

Python解释器

• CPython

Python的官方解释器，是使用C语言开发的，所以叫CPython，在命令行下运行python启动的就是CPython解释器。

• PyPy

PyPy解释器目标是执行速度，采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。

• 其他解释器

无关紧要，Python的解释器很多，但使用最广泛的还是CPython。如果要和Java或.Net平台交互，最好的办法不是用Jython或IronPython，而是通过网络调用来交互，确保各程序之间的独立性。