Python的下载、安装与配置

    可以直接到Python的官方网站www.python.org下载安装python。Python版本有2.x和3.x两个系列，两个系列为并行关系，并不完全兼容，现在似乎3.x系列使用的更多些。下载时注意有32位、64位以及不同的平台版本。安装时3.x可以自动设置相关的环境变量，安装后使用更为方便。

     Python安装后可以使用其官方的集成开发环境idle进行程序开发。Python的官方开发环境更像一个命令窗口环境+文本编辑器，在命令窗口中可以直接执行Python语句，而文本编辑器则用于Python程序书写。

    安装附加的包在cmd窗口中采用工具pip install xxx进行。Python有很多的第三方工具包和内建包可以使用，这些包使有关的开发工作变得更为简单。

    常用的开发工具包有如下一些：

1. 网页和爬虫类工具包
   1. bs4
   2. requests
   3. lxml
2. 数据分析类工具包
   1. NumPy，http://numpy.org。Numerical Python的缩写，提供多种数据结构、算法及大部分涉及Python述职计算所需要的接口。如：快速、高效的多维数组对象ndarray；基于元素的数组计算或数组间数学操作函数；用于读写营盘中基于数组的数据集的工具；线性代数操作、傅里叶变换以及随机数生成；成熟的C语言API，允许Python拓展和本地的C或C++代码访问NumPy的数据结构和计算设施
   2. pandas，http://pandas.py-da_ta.org。提供了高级数据结构和函数，使得利用结构化、表格化数据的工作快速、简单、有表现力，如DataFrame对象。
   3. matplotlib，http://mataplotlib.org。流行的用于制图及其他二维数据可视化的Python库。
   4. SciPy，http://scipy.org。科学计算领域针对不同标准问题域的包机和。如：scipy.integrate为数值积分例程和微分方程求解器；scipy.linalg为线性代数例程和基于numpy.linalg的矩阵分解；scipy.optimize为函数优化器和求根算法；scipy.signal为信号处理工具；scipy.sparse为稀疏矩阵线性系统求解器；scipy.stats标准的连续和离散概率分布、各类统计测试等。
   5. scikit-learn，http://scikit-learn.org。机器学习工具包，如分类、回归、聚类、降维等。
   6. statsmodels，http://statsmodels.org。统计分析包。