mitpython
⑴ 想学python,可以推荐几本书或者视频吗
书：
在线的：《Dive Into Python 中文版》
纸质的：《Python学习手册》（第4版） 《Python Cookbook 中文版》(第一版 for python2)《Python Cookbook 中文版》 （第2版 for python3）《Python编程》
视频：
网易云课堂 MIT的Python语言视频课程：
http://study.163.com/plan/planIntroction.htm?id=1222079#/planDetail
⑵ 哪有python视频教程
【033】Python（喵喵教程）网络网盘免费资源在线学习
链接: https://pan..com/s/1ZS20DsOp-_70wVD9NNxGow
【033】Python（喵喵教程） 量化金融项目 北京15期就业班
python课件 python开发工具 python基础班 Python3爬虫课程资料代码.zip
1-4 项目飞机大战 1-3 面向对象 1-2 python基础 1-1 Linux基础 14-vi编辑器 13-ubuntu软件安装 12-打包压缩 11-其他命令
⑶ 为什么说Python可能是最受欢迎的编程语言
正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。
对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行import this，
读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。
对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。
对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行
模型验证；和Java相比，Python语法简洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟
度更高。不止一个编程大牛表达过，Python是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为
Python能够让人学到编程最重要的东西——如何解决问题.
⑷ MIT计算机公开课的python是什么版本的啊它的界面和我下载的python完全不一样。
你提供的信息不全，有两种可能：
1、可能使用的是集成开发环境，这样就无从判断版本了。（如图上面部分，我使用的是eclipseSDK，是看不出版本的）；
2、可能使用的是PythonGUI,你注意看他新开窗口时最上面的几行字，有版本提示（如图下面部分，可以看出是2.6版本。）
⑸ 为什么说Python是大数据全栈式开发语言
就像只要会JavaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。
云基础设施
这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。
云平台分为私有云和公有云。私有云平台如日中天的 OpenStack
，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年
初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。
如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。
提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapRece数据处理速度不够快，已经不再作为大数据处理的首选，但
是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第
三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。
Hadoop MapRece的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。
DevOps
DevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。
自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预
安装什么软件。
自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。
自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。
在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。
除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。
网络爬虫
大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。
网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。
不过，网络爬虫并不仅仅是打开网页，解析HTML这么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的
线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。Python由于能够很好的支持协程（ Coroutine ）操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。
抓取下来的数据，需要做分词处理，Python在这方面也不逊色，着名的自然语言处理程序包NLTK，还有专门做中文分词的Jieba，都是做分词的利器。
数据处理
万事俱备，只欠东风。这东风，就是数据处理算法。从统计理论，到数据挖掘，机器学习，再到最近几年提出来的深度学习理论，数据科学正处于百花齐放的时代。数据科学家们都用什么编程？
如果是在理论研究领域，R语言也许是最受数据科学家欢迎的，但是R语言的问题也很明显，因为是统计学家们创建了R语言，所以其语法略显怪异。而且
R语言要想实现大规模分布式系统，还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验，算法确定之后，再翻译成工程语言。
Python也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直
接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言
提供了非常好的支持。
Python的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让
Python画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的 Pylearn2 ，是深度学习领域的重要成员。 Theano 利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有 Pandas ，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。
对了，还有 iPython ，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行 ipython notebook 在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。
iPython Notebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。
为什么是Python
正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。
对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行 import this
，读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。
对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。
对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简
洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python
是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——
如何解决问题。
⑹ python是什么样的编程语言
python是什么编程的高级语言？
Python是一种面相对象、解释型的计算机程序语言，并已成为学习数据科学、虚拟现实和人工智能的首选编程语言，其设计哲学是“优雅”，“明确”，“简单”。易上手，及时反馈的特点成了很多入门编程世界的首选。同时Python也是一种相当高级的语言，拥有丰富和强大的第三库，可引用各种模块并很轻松的连接在一起。众多社交网站如Reddit, 豆瓣，知乎,Dropbox, YouTube,果壳等都是由Python完成。
最初对python的印象是在纪录片《互联网之子》中Aaron Swartz从MIT的图书馆截取的那些文件资料用的程序就是用python写的，当时对python心生荡漾，但很快就灰飞烟灭，因为没有后续联接和交集。
个把月前我看到一个python基础班，当时还不知道Python是什么样的编程语言（即使到现在也还不完全了解Python具体可以做啥），从哪里来要去哪里，完全不了解的情况下按了报名键。我自认为的优点是尽力为自己的行为买单，且只能是默默的，不可让一时冲动太声张，也不能恬不知耻的说那是epiphany,而是尽量去探询已成事实的一二。
培训班不上课，没有讲义和资料，只分配任务和引导卡片，刚开始也会心有戚戚焉，在白纸上乱画我还得知道怎么握笔呢，可是在键盘上乱敲肯定不会有惊喜，错误提示都看不懂，别说去修Bug。程序装了卸，卸了装，操作也是胡乱使用添加，电脑最终无法忍受这样的主就自动瘫痪装死，只得我重装系统又如获新生，也算如实贯彻了打小的信念“生命在于折腾”。厚着脸皮长大的人是天生被上帝眷顾着的，基本不会心生‘不好意思’的念头，不懂就问同学嘛！一个不行换另一个，哪怕被认为问了“愚蠢”的问题。匍匐着向前，只要方向对了，那也是进步吧！
就像学外语着得把身处周围的环境变量调整过来，让自己置身在那个世界中去感受和徜徉，身上细胞的张合大小，呼吸的进出频率也慢慢跟上节奏。除了Python本家，编译程序（Windows上我使用Atom, MAC使用TextWrangler)和运行终端（Windows PowerShell 或Terminal)外，接触最多的就是 Github, Google 还有新欢Markdown (MOU)。
——-Github 是世界上最大的代码存放网站和开源社区，副名是：最大的同性交友网站，因其界面设计很容易对号入座。尽管那原是Geek的天地，如今越来越多的其他门派弟子也加入其中，大家都带着灵敏的嗅觉，看哪好就往里钻。他是协作项目最好的实现平台，支持异地，不同电脑的项目更新，特别是不同动作之前的区别和个别动静的比较清晰可见，操作人性化。很多人在上面写书，协作翻译，项目管理、设计资料库、科研项目数据及个人简历都放上面，还有人把自己的健身记录也放上面。据说有公司招聘还需要看应聘者的github账号。最最重要的是一切都是免费，只要你想。（尽管有收费的，那是针对个别私人想要数据保密的公司）。之前在别处看到github这个词就当是熟悉的陌生人，熟悉“github"这6个字母组成的单词，但完全不知道那是什么样的世界。现只是轻轻推移了那扇门，门缝里漏出的光都觉足够耀眼并思忖着想探寻更多。
-——Google 本不需要多提，原来也是每天在使用。可Google貌似与Python有真感情，每次搜索打Python开头的关键字，出来的第一条结果往往就是正确答案且出自Google自家，比Python的官方文件还显情真意切。
-——Markdown 人称写作神奇，是我刻意关注并想收入囊中的工具，想让她陪伴着我写下去，目前还有待开发。
如他程序Python基本命令零容错，标点符号，大小字母，缩进都有严格的规定，更别提逻辑关系，循环迭代，有一处不对就报错。对小白来说修Bug的时间会比写程序的时间还长，修复一个bug，报出新的bug已经算是一种进步了。在编程时，若习惯了这些严苛的标准到不是非常难，错一次磕一下头，同一个错多犯几次，就多磕几次，即使擦破头皮反正不至于亡命天涯，总归能牢记于心。当从程序世界抽离自己回到现实世界，真感觉对待其他事是不是太随意了。至少我打这些文字的时候根本没注意“的”和“地”的区别，逗号和句号看心情而定，习惯了新段落前不空两格。工作中仔细的程度没法用尺衡量，也不会有程序直接报错，免不了能略就略，可以将就过去就不愿多费心思，短期可能没有意外，总归长久不了，埋下的地基是作为将来向上的支撑。自从学习编程以来，已开始反思，虽还没改进多少，可像颗钉子被扎着总觉不适，不时提醒自己。
作为一门高级语言，灵活性和包容性对第三方库有着无限的吸引力。据说C＋＋用200行命令，Java的40行而Python只需20行可实现同样的功能。虽然基本命令的严苛像个固执的老学究，但若掌握了要领，成了武林高手，各种技巧灵活运用，自由发挥，盖世武功尽情发挥。只要有本事，任你翻云覆雨，去到‘风所到达的地方’。
Python的一大特点是代码只在命令运行时才会被检查执行，即使隐藏了错误，若没运行到，永远发现不了。很像身体或任何世间体制内的事，大家只关心呵护眼见为实，真实的隐藏只被激发时才被注意到。为了扫清后顾之忧，我们使用‘及时反馈’策略，就是码几行程序，马上print出来，看效果如何，而不是等敲完所有的程序，才发现一团乱麻却不知如何进行手术。这是平时学习很好借鉴的地方，走一段路得停一下检查是不是在正确的道上，一方面可及时调整姿态，重要的是用小小的可见成果作为的漫漫前方道路的鼓励。
如果我的回答对您有所帮助，记得点亮采纳哦，谢谢啦！
⑺ 零编程基础去看MIT的计算机导论（python）会有多大收获
收获超大，强烈推荐。顺带学了py，到时候你就是有基础的人了666…
⑻ 为什么说 Python 是大数据全栈式开发语言
正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。
对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行import this，
读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不
同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才
使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。
对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。
对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行
模型验证；和Java相比，Python语法简洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟
度更高。不止一个编程大牛表达过，Python是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为
Python能够让人学到编程最重要的东西——如何解决问题。
⑼ python能做什么
系统编程：提供API（Application Programming Interface应用程序编程接口），能方便进行系统维护和管理，Linux下标志性语言之一，是很多系统管理员理想的编程工具。
图形处理：有PIL、Tkinter等图形库支持，能方便进行图形处理。
数学处理：NumPy扩展提供大量与许多标准数学库的接口。
文本处理：python提供的re模块能支持正则表达式，还提供SGML，XML分析模块，许多程序员利用python进行XML程序的开发。
数据库编程：程序员可通过遵循Python DB-API（数据库应用程序编程接口）规范的模块与Microsoft SQL Server，Oracle，Sybase，DB2，MySQL、SQLite等数据库通信。python自带有一个Gadfly模块，提供了一个完整的SQL环境。
网络编程：提供丰富的模块支持sockets编程，能方便快速地开发分布式应用程序。很多大规模软件开发计划例如Zope，Mnet 及BitTorrent. Google都在广泛地使用它。
Web编程：应用的开发语言，支持最新的XML技术。
多媒体应用：Python的PyOpenGL模块封装了“OpenGL应用程序编程接口”，能进行二维和三维图像处理。PyGame模块可用于编写游戏软件。
pymo引擎：PYMO全称为python memories off，是一款运行于Symbian S60V3,Symbian3,S60V5, Symbian3, Android系统上的AVG游戏引擎。因其基于python2.0平台开发，并且适用于创建秋之回忆（memories off）风格的AVG游戏，故命名为PYMO。
黑客编程：python有一个hack的库,内置了你熟悉的或不熟悉的函数，但是缺少成就感。
着名应用：Pylons-Web应用框架
Zope- 应用服务器
Plone- 内容管理系统
Django- 鼓励快速开发的Web应用框架
Uliweb- 国人开发的轻量级Web框架
TurboGears- 另一个Web应用快速开发框架
Twisted--Python的网络应用程序框架
Python Wikipedia Robot Framework- MediaWiki的机器人程序
MoinMoinWiki- Python写成的Wiki程序
flask- Python 微Web框架
Webpy- Python 微Web框架
Bottle- Python 微Web框架
EVE- 网络游戏EVE大量使用Python进行开发
Reddit - 社交分享网站
Dropbox - 文件分享服务
Pylons - Web应用框架
TurboGears - 另一个Web应用快速开发框架
Fabric - 用于管理成百上千台Linux主机的程序库
Trac - 使用Python编写的BUG管理系统
Mailman - 使用Python编写的邮件列表软件
Mezzanine - 基于Django编写的内容管理系统系统
Blender - 以C与Python开发的开源3D绘图软件
⑽ 为什么从事大数据行业，一定要学习Python
你好，这主要是因为Python在处理大数据方面有着得天独厚的优势。
以后您如果再遇到类似的问题，可以按照下面的思路去解决：
1、发现问题:往往生活在世界中，时时刻刻都处在这各种各样的矛盾中，当某些矛盾放映到意识中时,个体才发现他是个问题，并要求设法去解决它。这就是发现问题的阶段。从问题的解决的阶段性看，这是第一阶段，是解决问题的前提。
2、分析问题:要解决所发现的问题，必须明确问题的性质，也就是弄清楚有哪些矛盾、哪些矛盾方面，他们之间有什么关系,以明确所要解决的问题要达到什么结果，所必须具备的条件、其间的关系和已具有哪些条件,从而找出重要的矛盾、关键矛盾之所在。
3、提出假设:在分析问题的基础上，提出解决问题的假设,即可采用的解决方案,其中包括采取什么原则和具体的途径和方法，但所有这些往往不是简单现成的，而且有多种多样的可能。但提出假设是问题解决的关键阶段，正确的假设引导问题顺利得到解决,不正确不恰当的假设则使问题的解决走弯路或导向歧途。
4、校验假设:假设只是提出n种可能解决方案,还不能保证问题必定能获得解决，所以问题解决的最后一步是对假设进行检验。不论哪种检验如果未能获得预期结果，必须重新另提出假设再进行检验，直至获得正确结果，问题才算解决。