python编译器知乎

⑴ python好学吗 知乎

首先，对于初学者来说学习Python是不错的选择，一方面Python语言的语法比较简单易学，另一方面Python的实验环境也比较容易搭建。
学习编程是一定需要老师的，我不信谁能无师自通把Python学得多好。至少着急就业的人肯定不会，没人指导很难学成。那么学习Python编程语言难吗?其实学Python不难,比起C语言、C#、 C+ +和java这些编程语言相对容易很多。学习Python编程语言，动手实践是一件非常愉快的事情。
下面给新手学习Python一些建议：
1、先买一本自学用的Python书籍,不要看电子书。
2、对Python基础数据类型有个了解。
3、学会各种类型的操作方法。
4、了解函数和类的概念。
5、动手实践,找小项目练习。
如果你决定了要学习Python技术，就是为了以后能有个高薪工作，而且你对自己学习Python还很自信，建议参加专业的学习。因为你对于工作的迫切需求，你肯定不会像大学那样贪玩不学习，你会极其认真。

⑵ 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！

⑶ python最佳入门教程(1): python的安装

本教程基于python3.x, 是针对初学者的一系列python入门教程，在知乎上常有人问我计算机该怎么学，如何自学编程，笔者也是通过自学编程而进入IT这一行业的，回顾入行的这几年，从音视频流媒体辗转到人工智能深度学习，机器视觉，我是下了不少苦心的，对于如何学习有自己的一套理论和实践方法，很多人自言学编程不得其门，把学不会归咎于天分，其实芸芸众生，智力无别，你现在所看到的是技术大牛们一个个超凡绝顶(然知此绝顶非彼绝顶)，看不到的是曾经的他们，也在每个昼夜里用心苦学。再者学一门技术，需要勤学刻苦，是需要讲究方法和基础的，方法对了就事半功倍，所谓的天才也无不是建立在扎实的基础之上。
在windows中安装python
首先打开python官网https://www.python.org/，点击页面downloads导航按钮，下载windows最新的基于web安装的安装器，右键以管理员身份运行 安装包，会出现如下界面：
将Add Python 3.7 to PATH 进行勾选，勾选此项的目的在于将python解释器加入系统环境变量，则在后续的python开发中可直接在windows 命令行中执行python脚本。所谓的环境变量是系统运行环境的一系列参数，比如这里的系统环境变量是PATH，PATH保存了与路径相关的参数，系统在路径查找中，会对PATH保存的路径进行搜索。
点击install Now按钮执行python的安装
打开windows命令行界面(按windows键输入cmd命令),输入python -V，出现python版本的相关输出，即表示安装成功。
在linux系统中安装python
笔者的系统是CentOS, Linux系统默认有安装python,但是其版本是2.x,在这里笔者以源码安装的形式来安装python 3.X。首先进入python源码包页面 点击下载最新的gzip格式的python源码包，上传到服务器然后进行解压，解压后的目录结构如下图所示：
Linux中的configure与make
configure是Linux中的脚本配置工具，用来对源码的当前安装环境进行检测，若检测无误，会在当前目录生成一个供源码编译的Makefile脚本文件。
make是Linux系统下的编译安装工具，用来解释执行makefile文件中的脚本命令，编译命令。
现在我们开始编译安装python
(1) 在当前目录执行./configure(2) 输入 make && sudo make install
若无指定安装目录，python会被默认安装在/usr/local目录中, 读者可以执行./configure --prefix=“你自定义的安装目录”来配置安装路径。安装完毕以后进入/usr/local/bin目录，输入 “python3.x -V” (这里的python3.x为你所安装的python版本)，若出现与python版本的相关输出，即表示安装成功。
为安装的python设置软链接
安装的python可以以绝对路径的方式来执行，每次敲一大段路径来执行python未免麻烦，通常我们会给安装的python设置软链接，这里的软链接类似于windows的快捷方式。
输入以下命令来给python设置软链接,笔者安装的版本是python3.7, pip是python的包管理工具，会在教程的后续章节中进行详细讲解。
ln -s /usr/bin/python3 /usr/local/bin/python3.7 # 表示设置python3 为 /usr/local/bin/python3.7的快捷方式ln -s /usr/bin/pip3 /usr/local/bin/pip3.7 # 表示设置pip3 为 /usr/local/bin/pip3.7的快捷方式

⑷ python的用途和优点

用途：

1、主要是开发快，语言简洁，没那么多技巧，所以读起来很清楚容易。

5、像VS那样功能强的IDE，有要钱的PyCharm和不要钱的PyDev，PyDev有Eclipse的插件版本或者是Aptana Studio版本。

拓展资料：

应用：

1、web豆瓣，还有非常多的网页游戏的后端。我知道的都是作为后台服务，无论开发速度还是调试之类的都很好。前端的应用产品虽然python可以实现，但是在GUI方面的开发效率还是没有VS或者XCode快。

2、像VS那样功能强的IDE，有要钱的PyCharm和不要钱的PyDev。PyDev有Eclipse的插件版本或者是Aptana Studio版本

总结：

从个人感觉来说，微软件东西，非常好，省心，一流的技术理念，开发工具是全世界最好的（没有之一）。不过，因为它只限于微软的平台，所以范围上大大打了折扣。 世界上最流行的服务器还是unix和linux。而不是windows。桌面操作系统最流行的是windows。不过在所有的平台上都有C语言，大部分平台，甚至手机平台都有python语言和它的执行环境。这是其它的所有语言，包括java几乎都很难做到的。

⑸ 现在的软件有哪些是用Python语言编程的

国内知名的使用Python编程公司是豆瓣和知乎，头条早期也是使用Python编程。而国外的知名公司有Youtube, Quora, Dropbox和Google等。

当我们刷知乎刷豆瓣时，当我们使用这些公司的服务时，背后就有Python代码默默地为我们工作。

简介

去年（2019)我们人类首次见到了黑洞的照片，掌声背后Python也功不可没。天文学家使用Python处理望远镜收集的数据，除了用到Astropy这个天文学相关的库之外，还使用了Numpy, Scipy, Pandas进行数据处理，用Matplotlib画图等等，而且也用到了Jupyter Notbook这款非常赞的工具。

时间进入2000年，Web开始流行，Python也进入Web开发领域。Python知名的Web框架有Django, Tornado, Flask，知乎就使用了Tornado。同时，搜索引擎和爬虫的火热，其间也少不了Python的身影，scrapy, selenium, pyspider等爬虫工具就是Python开发的（selenium比较特殊一点，略）。对爬到的html页面进行处理，在Python中有lxml, beautiful soup, pyquery等库帮我们处理。

⑹ python的优缺点是什么

优点：

• Python的定位是“优雅”、“明确”、“简单”，所以Python程序看上去总是简单易懂，初学者学Python，不但入门容易，而且将来深入下去，可以编写那些非常非常复杂的程序。

• 开发效率非常高，Python有非常强大的第三方库，基本上你想通过计算机实现任何功能，Python官方库里都有相应的模块进行支持，直接下载调用后，在基础库的基础上再进行开发，大大降低开发周期，避免重复造轮子。

• 高级语言————当你用Python语言编写程序的时候，你无需考虑诸如如何管理你的程序使用的内存一类的底层细节

• 可移植性————由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工 作在不同平台上）。如果你小心地避免使用依赖于系统的特性，那么你的所有Python程序无需修改就几乎可以在市场上所有的系统平台上运行

• 可扩展性————如果你需要你的一段关键代码运行得更快或者希望某些算法不公开，你可以把你的部分程序用C或C++编写，然后在你的Python程序中使用它们。

• 可嵌入性————你可以把Python嵌入你的C/C++程序，从而向你的程序用户提供脚本功能

缺点：

• 速度慢，Python 的运行速度相比C语言确实慢很多，跟JAVA相比也要慢一些，因此这也是很多所谓的大牛不屑于使用Python的主要原因，但其实这里所指的运行速度慢在大多数情况下用户是无法直接感知到的，必须借助测试工具才能体现出来，比如你用C运一个程序花了0.01s,用Python是0.1s,这样C语言直接比Python快了10倍,算是非常夸张了，但是你是无法直接通过肉眼感知的，因为一个正常人所能感知的时间最小单位是0.15-0.4s左右，哈哈。其实在大多数情况下Python已经完全可以满足你对程序速度的要求，除非你要写对速度要求极高的搜索引擎等，这种情况下，当然还是建议你用C去实现的。

• 代码不能加密，因为PYTHON是解释性语言，它的源码都是以名文形式存放的，不过我不认为这算是一个缺点，如果你的项目要求源代码必须是加密的，那你一开始就不应该用Python来去实现。

• 线程不能利用多CPU问题，这是Python被人诟病最多的一个缺点，GIL即全局解释器锁（Global Interpreter Lock），是计算机程序设计语言解释器用于同步线程的工具，使得任何时刻仅有一个线程在执行，Python的线程是操作系统的原生线程。在Linux上为pthread，在Windows上为Win thread，完全由操作系统调度线程的执行。一个python解释器进程内有一条主线程，以及多条用户程序的执行线程。即使在多核CPU平台上，由于GIL的存在，所以禁止多线程的并行执行。关于这个问题的折衷解决方法，我们在以后线程和进程章节里再进行详细探讨。

Python目前主要应用领域：

• 云计算: 云计算最火的语言， 典型应用OpenStack

• WEB开发: 众多优秀的WEB框架，众多大型网站均为Python开发，Youtube, Dropbox, 豆瓣。。。， 典型WEB框架有Django

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

• 系统运维: 运维人员必备语言

• 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都很牛逼，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

Python在一些公司的应用：

• 谷歌：Google App Engine 、code.google.com 、Google earth 、谷歌爬虫、Google广告等项目都在大量使用Python开发

• CIA: 美国中情局网站就是用Python开发的

• NASA: 美国航天局(NASA)大量使用Python进行数据分析和运算

• YouTube:世界上最大的视频网站YouTube就是用Python开发的

• Dropbox:美国最大的在线云存储网站，全部用Python实现，每天网站处理10亿个文件的上传和下载

• Instagram:美国最大的图片分享社交网站，每天超过3千万张照片被分享，全部用python开发

• Facebook:大量的基础库均通过Python实现的

• Redhat: 世界上最流行的Linux发行版本中的yum包管理工具就是用python开发的

• 豆瓣: 公司几乎所有的业务均是通过Python开发的

• 知乎: 国内最大的问答社区，通过Python开发(国外Quora)

• 春雨医生：国内知名的在线医疗网站是用Python开发的

• 除上面之外，还有搜狐、金山、腾讯、盛大、网易、网络、阿里、淘宝 、薯仔、新浪、果壳等公司都在使用Python完成各种各样的任务。

python发展史

• 1989年，为了打发圣诞节假期，Guido开始写Python语言的编译器。Python这个名字，来自Guido所挚爱的电视剧Monty Python’s Flying Circus。他希望这个新的叫做Python的语言，能符合他的理想：创造一种C和shell之间，功能全面，易学易用，可拓展的语言。

• 1991年，第一个Python编译器诞生。它是用C语言实现的，并能够调用C语言的库文件。从一出生，Python已经具有了：类，函数，异常处理，包含表和词典在内的核心数据类型，以及模块为基础的拓展系统。

• Granddaddy of Python web frameworks, Zope 1 was released in 1999

• Python 1.0 - January 1994 增加了lambda,map,filterandrece.

• Python 2.0 - October 16, 2000，加入了内存回收机制，构成了现在Python语言框架的基础

• Python 2.4 - November 30, 2004, 同年目前最流行的WEB框架Django 诞生

• Python 2.5 - September 19, 2006

• Python 2.6 - October 1, 2008

• Python 2.7 - July 3, 2010

• In November 2014, it was announced that Python 2.7 would be supported until 2020, and reaffirmed that there would be no 2.8 release as users were expected to move to Python 3.4+ as soon as possible

• Python 3.0 - December 3, 2008

• Python 3.1 - June 27, 2009

• Python 3.2 - February 20, 2011

• Python 3.3 - September 29, 2012

• Python 3.4 - March 16, 2014

• Python 3.5 - September 13, 2015

• Python 3.6 - December 16,2016

摘自我的博客，禁止所有形式的转载

⑺ python 和 r 的区别 知乎

有人说Python和R的区别是显而易见的，因为R是针对统计的，python是给程序员设计的，其实这话对Python多多少少有些不公平。2012年的时候我们说R是学术界的主流，但是现在Python正在慢慢取代R在学术界的地位。不知道是不是因为大数据时代的到来。

Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。所以有人说：Python=R+SQL/Hive，并不是没有道理的。

Python的一个最明显的优势在于其胶水语言的特性，很多书里也都会提到这一点，一些底层用C写的算法封装在Python包里后性能非常高效(Python的数据挖掘包Orange canve 中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。但是，凡事都不绝对，如果R矢量化编程做得好的话（有点小难度），会使R的速度和程序的长度都有显着性提升。

R的优势在于有包罗万象的统计函数可以调用，特别是在时间序列分析方面，无论是经典还是前沿的方法都有相应的包直接使用。
相比之下，Python之前在这方面贫乏不少。但是，现在Python有了pandas。pandas提供了一组标准的时间序列处理工具和数据算法。因此，你可以高效处理非常大的时间序列，轻松地进行切片/切块、聚合、对定期/不定期的时间序列进行重采样等。可能你已经猜到了，这些工具中大部分都对金融和经济数据尤为有用，但你当然也可以用它们来分析服务器日志数据。于是，近年来，由于Python有不断改良的库（主要是pandas），使其成为数据处理任务的一大替代方案。

做过几个实验：
1. 用python实现了一个统计方法，其中用到了ctypes，multiprocess。
之后一个项目要做方法比较，又用回R，发现一些bioconctor上的包已经默认用parallel了。（但那个包还是很慢，一下子把所有线程都用掉了，导致整个电脑使用不能，看网页非常卡~）
2. 用python pandas做了一些数据整理工作，类似数据库，两三个表来回查、匹配。感觉还是很方便的。虽然这些工作R也能做，但估计会慢点，毕竟几十万行的条目了。
3. 用python matplotlib画图。pyplot作图的方式和R差异很大，R是一条命令画点东西，pylot是准备好了以后一起出来。pyplot的颜色选择有点尴尬，默认颜色比较少，之后可用html的颜色，但是名字太长了~。pyplot 的legend比R 好用多了，算是半自动化了。pyplot画出来后可以自由拉升缩放，然后再保存为图片，这点比R好用。

总的来说Python是一套比较平衡的语言，各方面都可以，无论是对其他语言的调用，和数据源的连接、读取，对系统的操作，还是正则表达和文字处理，Python都有着明显优势。 而R是在统计方面比较突出。但是数据分析其实不仅仅是统计，前期的数据收集，数据处理，数据抽样，数据聚类，以及比较复杂的数据挖掘算法，数据建模等等这些任务，只要是100M以上的数据，R都很难胜任，但是Python却基本胜任。

结合其在通用编程方面的强大实力，我们完全可以只使用Python这一种语言去构建以数据为中心的应用程序。
但世上本没有最好的软件或程序，也鲜有人能把单一语言挖掘运用到极致。尤其是很多人早先学了R，现在完全不用又舍不得，所以对于想要学以致用的人来说，如果能把R和Python相结合，就更好不过了，很早看过一篇文章——让R与Python共舞，咱们坛子里有原帖，就不多说了，看完会有更多启发。

BTW： 如果之前没有学过R，可以先学Python然后决定是不是学R，如果学了R，学Python的时候会更快上手。

⑻ python作为脚本语言和c/c++ 等语言的优势和劣势在哪里地方python比较成熟用途在哪里方面

Python 是脚本语言，也就是中间件语言，其内核仍然是纯 c 的性能表达的，而主要性能消耗在脚本的实时编译上。
而对比c，同样的功能，python可以表达比c更加精炼，当然牺牲了一些性能。
如果确实对某个模组性能不满意，还可以使用 c 编写 Python 模块为其加速。
面对一些并不需要过多性能而可以获得更快捷的开发速度，Python的优势完全可以盖过“劣势”。
可以说，Python基本完美。

例如知乎就是使用 Python 制作的。
Google 的许多页面也是使用 Python 进行渲染的。

⑼ python用什么开发平台 知乎

1、首先作为学生，可以通过e邮箱申请到Jetbrains全家桶，即便无法获取授权，pycharm的community版本免费并且功能足够
2、对于pycharm，可以方便快捷地切换python不同版本的解释器，甚至可以安装相同版本的python解释器配置不同的开发环境，这可以解决有些包之间冲突的情况，也可以针对有些框架按需装包；并且pycharm内置包管理，可以免去pip或者conda方式管理包。
3、pycharm这个IDE的颜色方案、拼写补全、函数联想、函数跳转源代码、断点调试及debug等功能都让我用的十分顺手。
总之我现在的工作流程就是，先用对我需要的功能进行设计，而后在ipython界面下设计调试每个功能模块，调试成功后放到pycharm中组合起来，写成脚本文件，最后用pycharm做调试形成成品。