前言
社区里面有好多同学想要入门python，可能源于以下原因：
- 易学性：Python 的语法简洁、清晰，容易理解和上手，使得初学者能够轻松入门编程。无论是编写基本的脚本还是进行更复杂的开发，Python 都提供了友好的编程环境。
- 广泛的教育资源：有许多免费和付费的教育资源，如在线教程、课程、书籍和学习社区，专门为初学者提供 Python 学习材料。这些资源有助于新手掌握编程基础。
- 社区支持：Python 拥有庞大的全球开发者社区，开发者们积极分享知识、经验和开源项目。在社区中，初学者可以获得指导、解答问题，以及与其他编程爱好者互动。
- 用途广泛：Python 在不同领域都有广泛的应用，包括 Web 开发、数据科学、机器学习、自动化脚本、科学计算等。这使得学习 Python 的人可以根据自己的兴趣和需求选择不同的应用领域。
- 工作机会：Python 在工业界和学术界都有大量的工作机会。掌握 Python 编程能力的人在就业市场上更具竞争力。
- 开源生态系统：Python 生态系统中有大量的开源库和框架，可以加速开发过程。这些库包括 Django、Pandas、NumPy、TensorFlow、PyTorch 等，为各种任务提供了强大的工具。
- 跨平台性：Python 可以在多个操作系统上运行，包括 Windows、macOS 和各种 Linux 发行版，使得学习者可以在不同的环境中使用它。
总的来说，主要是由于它的易学性、教育资源、社区支持、广泛用途和工作机会等因素的共同作用，使得越来越多的人愿意选择 Python 作为他们的编程语言，无论是出于学术、职业还是个人兴趣的原因。这使得 Python 成为编程入门的理想选择之一。
主体
python编辑器（VS Code）
工欲善其事，必先利其器。
Python 的编辑器有很多选择，每个编辑器都有其独特的特点和优势。以下是一些常见的 Python 编辑器：
- PyCharm：PyCharm 是一款功能丰富的集成开发环境（IDE），专门用于 Python 开发。它提供了强大的代码补全、调试、测试和版本控制等功能。
- Visual Studio Code：Visual Studio Code（VS Code）是一个免费、轻量级的代码编辑器，支持多种编程语言，包括 Python。它具有丰富的扩展生态系统，可以根据需要添加功能。
- Jupyter Notebook：Jupyter Notebook 是一个交互式的笔记本工具，特别适用于数据科学和机器学习。它允许您将代码、文本和图形结合在一起，并逐步运行代码块。
- Spyder：Spyder 是一个用于科学计算和数据分析的 Python IDE。它具有类似 MATLAB 的界面，并包含了数据科学常用的库和工具。
- Sublime Text：Sublime Text 是一款轻量级的代码编辑器，支持多种编程语言。它的简洁界面和丰富的插件生态系统受到开发者喜爱。
- Atom：Atom 是由 GitHub 开发的免费开源代码编辑器，具有自定义性强和丰富的扩展功能。它适用于多种编程语言，包括 Python。
- IDLE：IDLE 是 Python 自带的集成开发环境，适合初学者入门。它提供了简单的编辑和交互式运行功能。
- Emacs 和 Vim：Emacs 和 Vim 是两个经典的文本编辑器，也可以用于 Python 编程。它们具有强大的文本编辑功能，但对初学者来说可能需要一些时间适应。
- 其他编辑器：除上述编辑器外，还有许多其他选择，如Notepad++、Eclipse（通过PyDev插件）等，可以根据个人偏好和需求选择合适的编辑器。
每个编辑器都有其独特的特点和优势，选择哪个取决于您的编程需求、工作流程和个人偏好。最重要的是，选择一个您感到舒适并能提高您的生产力的编辑器。我本人比较推荐Visual Studio Code，安装方法我就不赘述了。
python环境（Miniconda）
python环境我强烈推荐大家使用虚拟环境，它允许您在同一计算机上隔离和管理多个 Python 项目的依赖关系和库。常见的 Python 虚拟环境管理工具有：
- virtualenv ：
virtualenv是一个流行的 Python 虚拟环境管理工具，它允许您创建独立的虚拟环境，每个环境都可以具有自己的 Python 解释器和依赖关系。 - venv ：
venv是 Python 3 的标准库中包含的虚拟环境工具。它类似于virtualenv，但更轻量级。 - conda ：
conda是一个用于数据科学和科学计算的虚拟环境和包管理工具。它允许您创建独立的环境，并且可以跨平台使用。要创建 conda 环境，您需要安装 Anaconda 或 Miniconda。 - pipenv ：
pipenv是一个现代的虚拟环境管理器，集成了依赖管理和环境管理。它使用Pipfile和Pipfile.lock文件来管理项目依赖。
我本比较推荐Miniconda， 安装方法和下载地址见Miniconda - miniconda documentation，如果是win，基本也就是下一步，下一步就可以了，我这里重点介绍下conda的使用方法
conda常用命令
- conda --version # 查看conda版本，验证是否安装
- conda有时候安装软件会非常慢。设置国内镜像的话可以使安装更快捷一些。设置方法如下所示：
#删除镜像源（重置默认镜像源）
conda config --remove-key channels
#设置清华镜像
conda config --add channels mirrors.tuna.tsinghua.edu.cn/anaconda/pk...
conda config --add channels mirrors.tuna.tsinghua.edu.cn/anaconda/pk...
conda config --add channels mirrors.tuna.tsinghua.edu.cn/anaconda/cl... conda config --add channels mirrors.tuna.tsinghua.edu.cn/anaconda/cl...
#设置搜索时显示通道地址
conda config --set show_channel_urls yes
- conda create -n env_name package_name # 创建新环境
创建名为env_name的新环境并在该环境下安装名为package_name 的包，可以指定新环境的版本号，例如：
conda create -n python2 python=python2.7
创建了python2环境，python版本为2.7
conda create -n python2 python=python2.7 numpy pandas
创建了python2环境，python版本为2.7，同时还安装了numpy pandas包
- conda env list # 查看有哪些虚拟环境
- conda activate env_name # 激活虚拟环境
- conda deactivate # 退出虚拟环境
- conda remove --name env_name --all # 执行以下命令可以将该指定虚拟环境及其中所安装的包都删除
- conda remove --name env_name package_name # 只删除虚拟环境中的某个或者某些
Miniconda在VS Code中的使用
VS Code插件安装，找到扩展模块，搜索python，进行安装，如图
新建py文件，打开，可以发现又下角有python环境选择。如图
选择你创建虚拟环境，编写 print("Hello World!!") ，点击运行，这样你的第一个python代码就运行起来了，如图
后记
- 如果本文对你有所帮助，还请点个赞~~