Python入门导学（1/30）

前言

Life is short，you need Python. 又到了立Flag的时候啦，试图与Python达成PY交易（30天），每天抽出一小时，正确掌握了解Python的姿势。

本系列是学习Python的心酸历程！（持续更新）

基本情况

本系列是编程语言程序设计的入门课程，适用于零基础学员。本系列将围绕Python 的 3.0 版本进行基础的语法与体系内容进行快速的入门，这是目前最流行的高级程序设计语言。注：官方宣布，2020 年 1 月 1 日， 停止 Python 2 的更新。

目标

1. 掌握Python的基本知识
2. 能够编写简易的Python程序

准备工具

Python3 可应用于多平台包括 Windows、Linux 和 Mac OS X。本文以Windows为例。

1. Python
2. Pycharm
3. Anconda
4. JupyterNotebook

Python

下载链接：https://www.python.org

• Python官方环境：Python解释器 + IDLE开发环境
• 轻量级：只有几十MB大小，使用灵活
• 功能丰富：编辑器+交互环境+标准库+库安装工具…
  
  
  

Pycharm

下载链接：http://www.jetbrains.com/pycharm/download

Anconda

下载链接：http://www.jetbrains.com/pycharm/download

• 一个开源的Python包管理器
• 在不同的环境之间切换
• 包含了大量的科学包
• 在同一个机器上安装不同版本的软件包及其依赖
  
  

JupyterNotebook

Jupyter Notebook 是基于网页的用于交互计算的应用程序。 其可被应用于全过程计算： 开发、 文档编写、运行代码和展示结果。【网页操作+笔记本功能】

环境变量

程序和可执行文件可以在许多目录，而这些路径很可能不在操作系统提供可执行文件的搜索路径中，通过path(路径)存储在环境变量中就可以解决这个问题。

Python介绍

Python之父 Guido van Rossum 龟叔，在1989年圣诞节之际，百无聊赖，创造了这个语言。目的是为了额……偷懒。

在这里和大家统一一个认知。就是在现实生活当中，已经越来越无法离开计算机了。比如台式电脑、笔记本电脑、手机、游戏机（Xbox，Switch，PS）、智能电视等。

所以，我们现在所处在的世界已经与计算机密不可分了。那么程序设计语言Python跟计算机又有什么联系呢？

就像人与人之间主要通过语言进行的沟通一样，计算机与计算机也是可以通过某种规则进行沟通，而我们日常听说的程序设计语言就是 人 与 计算机 进行沟通的语言。

将人们想要表达的意思，通过程序设计语言，让计算机明白。

Python 是一种跨平台的计算机程序设计语言。是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。这个是百科对Python的定义。

大家看下面部分，这里有三个关键词。分别是【解释型】、【交互式】、【面向对象】。

解释型

一句话理解：配备了一名机器语言的同声翻译。

对于解释型语言，每次执行程序都需要一边转换一边执行，用不到的不进行任何处理。“一次编写，到处运行”的跨平台能力是真是存在的。

交互式

• 交互式：对每个输入语句即时运行结果，适合语法练习
• 文件式：批量执行一组语句并运行结果，编程的主要方式

面向对象

大家注意，此对象非彼对象。面向对象编程不是真的面向“对象”在这边打代码。
面向对象，简单理解，就是把现实事物抽象出来，在程序这个虚拟的世界里面给他描述出来。
比如 一只大象 一个 冰箱 通过 面向对象 就可以在电脑里面创造出来。
这就是为什么程序员有时候觉得自己造物主一般，因为真的很神奇。

Python神机百变

在数据领域，Python几乎囊括了所有步骤。从数据表达到人工智能的路径。

• 数据表示：采用合适方式用程序表达数据
• 数据清理：数据归一化、数据转换、异常值处理
• 数据统计：数据的概要理解，数量、分布、中位数
• 数据可视化：直观展示数据内涵的方式
• 数据挖掘：从数据分析获得知识，产生数据外的价值
• 人工智能（指的是机器学习、深度学习、神经网络等）：主要是对 数据/语言/图像/视觉等方面深度分析

在Web领域，Python也大展身手。

Numpy: 表达N维数组的最基础库

• Python接口使用，C语言实现，计算速度优异
• Python数据分析及科学计算的基础库，支撑Pandas等
• 提供直接的矩阵运算、广播函数、线性代数等功

Pandas: Python数据分析高层次应用库

• 提供了简单易用的数据结构和数据分析工具
• 理解数据类型与索引的关系，操作索引即操作数据
• Python最主要的数据分析功能库，基于Numpy开发

Matplotlib: 高质量的二维数据可视化功能库

• 提供了超过100种数据可视化展示效果
• 通过matplotlib.pyplot子库调用各可视化效果
• Python最主要的数据可视化功能库，基于Numpy开发

PyPDF2：用来处理pdf文件的工具集

• 提供了一批处理PDF文件的计算功能
• 支持获取信息、分隔/整合文件、加密解密等
• 完全Python语言实现，不需要额外依赖，功能稳定

NLTK：自然语言文本处理第三方库

• 提供了一批简单易用的自然语言文本处理功能
• 支持语言文本分类、标记、语法句法、语义分析等
• 最优秀的自然语言处理

Scikit-learn：机器学习方法工具集

• 提供一批统一化的机器学习方法功能接口
• 提供聚类、分类、回归、强化学习等计算功能
• 机器学习最基本且最优秀的Python第三方工具

TensorFlow：AlphaGo背后的机器学习计算框架

• 谷歌公司推动的开源机器学习框架
• 将数据流图作为基础，图节点代表运算，边代表张量
• 应用机器学习方法的一种方式，支撑谷歌人工智能应

Requests: 最友好的网络爬虫功能库

• 提供了简单易用的类HTTP协议网络爬虫功能
• 支持连接池、SSL、Cookies、HTTP(S)代理等
• Python最主要的页面级网络爬虫功能库

Scrapy: 优秀的网络爬虫框架

• 提供了构建网络爬虫系统的框架功能，功能半成品
• 支持批量和定时网页爬取、提供数据处理流程等
• Python最主要且最专业的网络爬虫框架

Beautiful Soup: HTML和XML的解析库

• 提供了解析HTML和XML等Web信息的功能
• 又名beautifulsoup4或bs4，可以加载多种解析引擎
• 常与网络爬虫库搭配使用，如Scrapy、requests等

Flask: Web应用开发微框架
一款能够快速进行web开发的微框架