Python 简介与环境配置 - 深度教程

Python 的历史与发展

诞生背景

创始人：Guido van Rossum（吉多·范罗苏姆）
诞生时间：1989 年圣诞节期间开始设计，1991 年发布第一个公开版本
命名来源：来自英国喜剧团体 Monty Python，而非蟒蛇
设计哲学：代码可读性和简洁性

重要版本里程碑

1991 - Python 0.9.0 发布
1994 - Python 1.0 发布，加入 lambda、map、filter 等函数式编程工具
2000 - Python 2.0 发布，引入垃圾回收机制和 Unicode 支持
2008 - Python 3.0 发布，不完全向后兼容，修复语言设计缺陷
2020 - Python 2 官方停止支持
2023 - Python 3.12 发布，性能大幅提升

Python 之禅（The Zen of Python）

在 Python 解释器中输入 import this 可以看到：

python

import this

核心理念：

Beautiful is better than ugly（优美胜于丑陋）
Explicit is better than implicit（明确胜于隐晦）
Simple is better than complex（简单胜于复杂）
Readability counts（可读性很重要）

为什么选择 Python

1. 语法简洁优雅

Python vs 其他语言对比：

python

# Python - 打印 Hello World
print("Hello, World!")

# Java 需要
public class HelloWorld {
    public static void main(String[] args) {
        System.out.println("Hello, World!");
    }
}

# C++ 需要
#include <iostream>
int main() {
    std::cout << "Hello, World!" << std::endl;
    return 0;
}

2. 强大的标准库

Python 自带"电池"（Batteries Included）：

python

# 网络请求
import urllib.request
response = urllib.request.urlopen('http://example.com')

# JSON 处理
import json
data = json.loads('{"name": "Python"}')

# 日期时间
from datetime import datetime
now = datetime.now()

# 正则表达式
import re
matches = re.findall(r'\d+', 'Python 3.12')

# 文件压缩
import zipfile
with zipfile.ZipFile('archive.zip', 'w') as zf:
    zf.write('file.txt')

3. 丰富的第三方库生态

bash

# 数据科学
pip install numpy pandas matplotlib scikit-learn

# Web 开发
pip install django flask fastapi

# 自动化
pip install selenium requests beautifulsoup4

# 机器学习
pip install tensorflow pytorch

4. 跨平台支持

Python 代码可以在 Windows、macOS、Linux 上无缝运行

5. 多范式编程

python

# 面向过程
def calculate_area(radius):
    return 3.14 * radius ** 2

# 面向对象
class Circle:
    def __init__(self, radius):
        self.radius = radius
    
    def area(self):
        return 3.14 * self.radius ** 2

# 函数式
from functools import reduce
numbers = [1, 2, 3, 4, 5]
sum_all = reduce(lambda x, y: x + y, numbers)

Python 2 vs Python 3

主要区别

特性	Python 2	Python 3
print 语句	`print "hello"`	`print("hello")`
除法	`3/2 = 1`	`3/2 = 1.5`
Unicode	需要 u"string"	默认 Unicode
range	返回列表	返回迭代器
输入	`raw_input()`	`input()`
异常语法	`except Exception, e:`	`except Exception as e:`

代码示例对比

python

# Python 2
print "Hello"
print 1, 2, 3
print >> sys.stderr, "Error"

# Python 3
print("Hello")
print(1, 2, 3)
print("Error", file=sys.stderr)

# Python 2 - 除法
>>> 3 / 2
1
>>> 3.0 / 2
1.5

# Python 3 - 除法
>>> 3 / 2
1.5
>>> 3 // 2  # 整除
1

建议：现在只学习和使用 Python 3，Python 2 已经停止维护。

Python 的应用领域

1. Web 开发

python

# Flask 示例
from flask import Flask
app = Flask(__name__)

@app.route('/')
def hello():
    return "Hello, World!"

if __name__ == '__main__':
    app.run()

流行框架：Django、Flask、FastAPI、Tornado

2. 数据科学与分析

python

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 读取数据
df = pd.read_csv('data.csv')

# 数据分析
mean = df['column'].mean()
correlation = df.corr()

# 可视化
df.plot(kind='bar')
plt.show()

常用库：Pandas、NumPy、Matplotlib、Seaborn

3. 机器学习与人工智能

python

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression

# 训练模型
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = LinearRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

主流框架：TensorFlow、PyTorch、scikit-learn、Keras

4. 自动化脚本

python

import os
import shutil

# 文件整理脚本
for filename in os.listdir('.'):
    if filename.endswith('.txt'):
        shutil.move(filename, 'text_files/')

5. 游戏开发

python

import pygame

# 简单游戏循环
pygame.init()
screen = pygame.display.set_mode((800, 600))

running = True
while running:
    for event in pygame.event.get():
        if event.type == pygame.QUIT:
            running = False

6. 网络爬虫

python

import requests
from bs4 import BeautifulSoup

response = requests.get('https://example.com')
soup = BeautifulSoup(response.text, 'html.parser')
titles = soup.find_all('h1')

开发环境配置

macOS 安装

方法 1：Homebrew（推荐）

bash

# 安装 Homebrew（如果还没有）
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

# 安装 Python
brew install python3

# 验证安装
python3 --version
pip3 --version

方法 2：官方安装包

访问 https://www.python.org/downloads/
下载 macOS 安装包
运行 .pkg 文件安装

配置环境变量

bash

# 编辑 ~/.zshrc 或 ~/.bash_profile
echo 'export PATH="/usr/local/opt/python/libexec/bin:$PATH"' >> ~/.zshrc
source ~/.zshrc

Windows 安装

方法 1：官方安装包

访问 https://www.python.org/downloads/
下载 Windows 安装程序
重要：勾选 "Add Python to PATH"
选择 "Install Now" 或 "Customize installation"

方法 2：Microsoft Store

powershell

# 在 Microsoft Store 搜索 Python 3.12

验证安装

powershell

python --version
pip --version

Linux 安装

Ubuntu/Debian

bash

sudo apt update
sudo apt install python3 python3-pip python3-venv

# 验证
python3 --version
pip3 --version

CentOS/RHEL

bash

sudo yum install python3 python3-pip

# 或使用 dnf
sudo dnf install python3 python3-pip

Arch Linux

bash

sudo pacman -S python python-pip

包管理工具详解

pip - Python 包管理器

基本命令

bash

# 安装包
pip install package_name

# 安装特定版本
pip install package_name==1.2.3

# 安装最低版本
pip install 'package_name>=1.2.3'

# 升级包
pip install --upgrade package_name

# 卸载包
pip uninstall package_name

# 列出已安装的包
pip list

# 显示包信息
pip show package_name

# 搜索包
pip search keyword  # 注意：PyPI 已禁用搜索功能

requirements.txt

bash

# 生成依赖列表
pip freeze > requirements.txt

# 从文件安装依赖
pip install -r requirements.txt

requirements.txt 示例：

Django==4.2.0
requests>=2.28.0
numpy==1.24.3
pandas>=1.5.0,<2.0.0

pip 配置

bash

# 查看配置
pip config list

# 设置国内镜像源（加速下载）
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

# 临时使用镜像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

常用镜像源：

清华：https://pypi.tuna.tsinghua.edu.cn/simple
阿里云：https://mirrors.aliyun.com/pypi/simple/
中科大：https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣：http://pypi.douban.com/simple/

pipenv - 依赖和虚拟环境管理

bash

# 安装 pipenv
pip install pipenv

# 创建虚拟环境并安装包
pipenv install requests

# 激活虚拟环境
pipenv shell

# 安装开发依赖
pipenv install --dev pytest

# 生成 Pipfile.lock
pipenv lock

poetry - 现代依赖管理

bash

# 安装 poetry
curl -sSL https://install.python-poetry.org | python3 -

# 创建新项目
poetry new my-project

# 安装依赖
poetry add requests

# 安装开发依赖
poetry add --dev pytest

# 运行脚本
poetry run python script.py

虚拟环境

为什么需要虚拟环境？

问题场景：

项目 A 需要 Django 3.2
项目 B 需要 Django 4.2
如何在同一台机器上同时开发？

解决方案： 虚拟环境为每个项目创建独立的 Python 环境

venv - 内置虚拟环境工具

创建虚拟环境

bash

# 创建虚拟环境
python3 -m venv myenv

# 或指定 Python 版本
python3.11 -m venv myenv

激活虚拟环境

bash

# macOS/Linux
source myenv/bin/activate

# Windows
myenv\Scripts\activate

# 激活后命令提示符会显示
(myenv) user@computer:~$

在虚拟环境中工作

bash

# 安装包（只在虚拟环境中）
pip install requests

# 查看已安装的包
pip list

# 退出虚拟环境
deactivate

完整工作流程

bash

# 1. 创建项目目录
mkdir my_project
cd my_project

# 2. 创建虚拟环境
python3 -m venv venv

# 3. 激活虚拟环境
source venv/bin/activate  # macOS/Linux

# 4. 安装项目依赖
pip install django requests

# 5. 生成 requirements.txt
pip freeze > requirements.txt

# 6. 工作完成后退出
deactivate

virtualenvwrapper - 虚拟环境管理增强

bash

# 安装
pip install virtualenvwrapper

# 配置（添加到 ~/.zshrc 或 ~/.bashrc）
export WORKON_HOME=$HOME/.virtualenvs
source /usr/local/bin/virtualenvwrapper.sh

# 使用
mkvirtualenv myproject    # 创建并激活
workon myproject          # 切换到环境
deactivate               # 退出环境
rmvirtualenv myproject   # 删除环境
lsvirtualenv            # 列出所有环境

conda - Anaconda 环境管理

bash

# 创建环境
conda create -n myenv python=3.11

# 激活环境
conda activate myenv

# 安装包
conda install numpy pandas

# 列出环境
conda env list

# 删除环境
conda remove -n myenv --all

IDE 和编辑器选择

1. PyCharm（最强大）

优点：

功能最全面的 Python IDE
智能代码补全和重构
内置调试器、测试运行器
数据库工具
Git 集成

安装：

bash

# macOS (Homebrew)
brew install --cask pycharm-ce  # 社区版（免费）

# 或下载专业版（付费，学生免费）
# https://www.jetbrains.com/pycharm/

基本配置：

python

# 设置解释器：Preferences → Project → Python Interpreter
# 配置代码风格：Preferences → Editor → Code Style → Python
# 启用 PEP 8 检查：Preferences → Editor → Inspections

2. VS Code（最流行）

优点：

轻量级、快速启动
丰富的扩展生态
优秀的 Git 集成
免费开源

必装扩展：

1. Python (Microsoft)
2. Pylance
3. Python Debugger
4. Jupyter
5. Black Formatter
6. isort

settings.json 配置：

json

{
    "python.linting.enabled": true,
    "python.linting.pylintEnabled": true,
    "python.formatting.provider": "black",
    "python.formatting.blackArgs": ["--line-length", "88"],
    "editor.formatOnSave": true,
    "python.testing.pytestEnabled": true
}

3. Jupyter Notebook（数据科学）

安装：

bash

pip install jupyter

# 启动
jupyter notebook

# 或安装 JupyterLab
pip install jupyterlab
jupyter lab

适用场景：

数据探索和可视化
机器学习实验
交互式教学

4. Sublime Text（轻量编辑器）

bash

# macOS
brew install --cask sublime-text

# 必装插件
# Package Control
# Anaconda (Python IDE)
# SublimeLinter

5. Vim/Neovim（命令行）

bash

# 安装 Python 支持
pip install jedi autopep8 flake8

# .vimrc 配置
Plugin 'davidhalter/jedi-vim'
Plugin 'nvie/vim-flake8'

Python 解释器详解

什么是解释器？

Python 是解释型语言，代码通过解释器逐行执行，而非预先编译成机器码。

源代码 (.py) → 字节码 (.pyc) → Python 虚拟机 → 执行

主要 Python 实现

1. CPython（官方实现）

bash

# 默认的 Python 解释器
python3 --version
# Python 3.12.0

# 用 C 语言编写
# 最广泛使用
# 性能适中

2. PyPy（高性能）

bash

# 安装
brew install pypy3

# 使用 JIT 编译
# 执行速度比 CPython 快 4-7 倍
# 适合长时间运行的程序

性能对比：

python

# test.py
def fibonacci(n):
    if n <= 1:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

print(fibonacci(35))

# CPython: ~3 秒
# PyPy: ~0.3 秒

3. Jython（Java 平台）

bash

# 运行在 JVM 上
# 可以调用 Java 类库
# 适合 Java 项目集成

4. IronPython（.NET 平台）

bash

# 运行在 .NET 平台
# 可以调用 .NET 类库

Python 交互式解释器

标准 REPL

bash

# 启动交互式 shell
python3

>>> print("Hello")
Hello
>>> 2 + 2
4
>>> exit()

IPython（增强版）

bash

# 安装
pip install ipython

# 启动
ipython

IPython 特性：

python

In [1]: import numpy as np

In [2]: np.array([1, 2, 3])
Out[2]: array([1, 2, 3])

# 自动补全（按 Tab 键）
In [3]: np.ar<Tab>
# 显示所有以 ar 开头的方法

# 查看帮助
In [4]: np.array?
# 显示函数文档

# 魔术命令
In [5]: %timeit sum(range(100))
# 测试代码执行时间

In [6]: %hist
# 查看命令历史

Python 字节码

python

# 查看字节码
import dis

def add(a, b):
    return a + b

dis.dis(add)

输出：

  2           0 LOAD_FAST                0 (a)
              2 LOAD_FAST                1 (b)
              4 BINARY_ADD
              6 RETURN_VALUE

编译 Python 代码

bash

# 手动编译为 .pyc
python3 -m py_compile script.py

# 编译整个目录
python3 -m compileall .

# 优化编译
python3 -O -m py_compile script.py  # 生成 .pyo

环境变量配置

PYTHONPATH

bash

# 添加模块搜索路径
export PYTHONPATH="/path/to/modules:$PYTHONPATH"

查看 Python 路径

python

import sys
print(sys.path)

# 输出：
# ['/current/directory',
#  '/usr/lib/python3.12',
#  '/usr/lib/python3.12/site-packages',
#  ...]

最佳实践

1. 项目结构

my_project/
│
├── venv/              # 虚拟环境
├── src/               # 源代码
│   ├── __init__.py
│   └── main.py
├── tests/             # 测试
│   └── test_main.py
├── docs/              # 文档
├── requirements.txt   # 依赖
├── setup.py          # 安装脚本
├── README.md         # 项目说明
└── .gitignore        # Git 忽略文件

2. .gitignore 配置

gitignore

# 虚拟环境
venv/
env/
ENV/

# 字节码
__pycache__/
*.py[cod]
*$py.class

# 分发
dist/
build/
*.egg-info/

# IDE
.vscode/
.idea/
*.swp

# 环境变量
.env

3. 代码规范

bash

# 安装代码检查工具
pip install pylint black isort mypy

# 使用 Black 格式化代码
black script.py

# 使用 isort 整理导入
isort script.py

# 使用 Pylint 检查代码
pylint script.py

# 类型检查
mypy script.py

常见问题解决

1. Python 命令不存在

bash

# macOS/Linux
which python3
# 如果没有输出，重新安装 Python

# Windows
where python

2. pip 安装失败

bash

# 升级 pip
python3 -m pip install --upgrade pip

# 使用国内镜像
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package_name

3. 权限错误

bash

# 不要使用 sudo pip
# 使用虚拟环境或用户安装
pip install --user package_name

4. 多版本 Python 管理

bash

# macOS - 使用 pyenv
brew install pyenv

pyenv install 3.11.0
pyenv install 3.12.0
pyenv global 3.12.0

# 查看版本
pyenv versions

学习检查清单

完成本章后，你应该能够：

[ ] 理解 Python 的设计哲学和应用领域
[ ] 在你的系统上成功安装 Python
[ ] 使用 pip 管理包
[ ] 创建和使用虚拟环境
[ ] 配置合适的开发环境
[ ] 理解 Python 解释器的工作原理
[ ] 区分不同的 Python 实现

下一步

环境配置完成后，你就可以开始学习 Python 语法了！

继续学习：02_Python基础语法.md

Python 简介与环境配置 - 深度教程 ​

目录 ​

Python 的历史与发展 ​

诞生背景 ​

重要版本里程碑 ​

Python 之禅（The Zen of Python） ​

为什么选择 Python ​

1. 语法简洁优雅 ​

2. 强大的标准库 ​

3. 丰富的第三方库生态 ​

4. 跨平台支持 ​

5. 多范式编程 ​

Python 2 vs Python 3 ​

主要区别 ​

代码示例对比 ​

Python 的应用领域 ​

1. Web 开发 ​

2. 数据科学与分析 ​

3. 机器学习与人工智能 ​

4. 自动化脚本 ​

5. 游戏开发 ​

6. 网络爬虫 ​

开发环境配置 ​

macOS 安装 ​

方法 1：Homebrew（推荐） ​

方法 2：官方安装包 ​

配置环境变量 ​

Windows 安装 ​

方法 1：官方安装包 ​

方法 2：Microsoft Store ​

验证安装 ​

Linux 安装 ​

Ubuntu/Debian ​

CentOS/RHEL ​

Arch Linux ​

包管理工具详解 ​

pip - Python 包管理器 ​

基本命令 ​

requirements.txt ​

pip 配置 ​

pipenv - 依赖和虚拟环境管理 ​

poetry - 现代依赖管理 ​

虚拟环境 ​

为什么需要虚拟环境？ ​

venv - 内置虚拟环境工具 ​

创建虚拟环境 ​

激活虚拟环境 ​

在虚拟环境中工作 ​

完整工作流程 ​

virtualenvwrapper - 虚拟环境管理增强 ​

conda - Anaconda 环境管理 ​

IDE 和编辑器选择 ​

1. PyCharm（最强大） ​

2. VS Code（最流行） ​

3. Jupyter Notebook（数据科学） ​

4. Sublime Text（轻量编辑器） ​

5. Vim/Neovim（命令行） ​

Python 解释器详解 ​

什么是解释器？ ​

主要 Python 实现 ​

1. CPython（官方实现） ​

2. PyPy（高性能） ​

3. Jython（Java 平台） ​

4. IronPython（.NET 平台） ​

Python 交互式解释器 ​

标准 REPL ​

IPython（增强版） ​

Python 字节码 ​

编译 Python 代码 ​

环境变量配置 ​

PYTHONPATH ​

查看 Python 路径 ​

最佳实践 ​

1. 项目结构 ​

2. .gitignore 配置 ​

3. 代码规范 ​

常见问题解决 ​

1. Python 命令不存在 ​

2. pip 安装失败 ​

3. 权限错误 ​

Python 简介与环境配置 - 深度教程

目录

Python 的历史与发展

诞生背景

重要版本里程碑

Python 之禅（The Zen of Python）

为什么选择 Python

1. 语法简洁优雅

2. 强大的标准库

3. 丰富的第三方库生态

4. 跨平台支持

5. 多范式编程

Python 2 vs Python 3

主要区别

代码示例对比

Python 的应用领域

1. Web 开发

2. 数据科学与分析

3. 机器学习与人工智能

4. 自动化脚本

5. 游戏开发

6. 网络爬虫

开发环境配置

macOS 安装

方法 1：Homebrew（推荐）

方法 2：官方安装包

配置环境变量

Windows 安装

方法 1：官方安装包

方法 2：Microsoft Store

验证安装

Linux 安装

Ubuntu/Debian

CentOS/RHEL

Arch Linux

包管理工具详解

pip - Python 包管理器

基本命令

requirements.txt

pip 配置

pipenv - 依赖和虚拟环境管理

poetry - 现代依赖管理

虚拟环境

为什么需要虚拟环境？

venv - 内置虚拟环境工具

创建虚拟环境

激活虚拟环境

在虚拟环境中工作

完整工作流程

virtualenvwrapper - 虚拟环境管理增强

conda - Anaconda 环境管理

IDE 和编辑器选择

1. PyCharm（最强大）

2. VS Code（最流行）

3. Jupyter Notebook（数据科学）

4. Sublime Text（轻量编辑器）

5. Vim/Neovim（命令行）

Python 解释器详解

什么是解释器？

主要 Python 实现

1. CPython（官方实现）

2. PyPy（高性能）

3. Jython（Java 平台）

4. IronPython（.NET 平台）

Python 交互式解释器

标准 REPL

IPython（增强版）

Python 字节码

编译 Python 代码

环境变量配置

PYTHONPATH

查看 Python 路径

最佳实践

1. 项目结构

2. .gitignore 配置

3. 代码规范

常见问题解决

1. Python 命令不存在

2. pip 安装失败

3. 权限错误