Python 基础开篇：认识 Python、版本选择、环境部署与首个 HelloWorld

[第 1 章 Python 介绍](#第 1 章 Python 介绍)
- [1.1 Python 介绍](#1.1 Python 介绍)
- - [1.1.1 Python 历史](#1.1.1 Python 历史)
  - [1.1.2 Python 为什么流行？](#1.1.2 Python 为什么流行？)
  - [1.1.3 Python 2 vs Python 3](#1.1.3 Python 2 vs Python 3)
- [1.2 Python 安装](#1.2 Python 安装)
- - [1.2.1 官网安装](#1.2.1 官网安装)
  - [1.2.2 环境管理工具](#1.2.2 环境管理工具)
  - [1.2.3 Anaconda](#1.2.3 Anaconda)
- [1.3 Python 包管理工具](#1.3 Python 包管理工具)
- - [1.3.1 Pip 基础命令](#1.3.1 Pip 基础命令)
  - [1.3.2 依赖管理](#1.3.2 依赖管理)
- [1.4 开发工具配置](#1.4 开发工具配置)
- - [1.4.1 PyCharm 安装](#1.4.1 PyCharm 安装)
  - [1.4.2 设置中文语言](#1.4.2 设置中文语言)
  - [1.4.3 PyCharm 配置项目与环境](#1.4.3 PyCharm 配置项目与环境)
  - [1.4.4 第一个 Python 程序](#1.4.4 第一个 Python 程序)
- [1.5 总结](#1.5 总结)

第 1 章 Python 介绍

摘要：本章全面介绍了Python编程语言的基础知识。首先概述了Python简洁易读的语法特点、丰富强大的生态系统以及跨平台运行优势，解释了其在人工智能和大数据时代迅速流行的原因。接着详细讲解了Python 3与Python 2的主要区别，强调Python 3已成为当前主流选择。然后提供了从官网安装Python到使用环境管理工具（venv、Conda）的完整安装指南，并介绍了Pip包管理工具的基本用法。最后，通过PyCharm IDE的安装配置和第一个"Hello World"程序的创建运行，帮助读者快速搭建Python开发环境并开始编程实践。

如果你想知道你学的是不是潮流，我们通过这个网站查看每个月的编程语言流行程度。

常见编程语言使用场景：

Python ：数据分析/人工智能（NumPy/Pandas/TensorFlow）、自动化脚本 、Web开发（Django/Flask）、爬虫、运维工具、科学计算。
C：操作系统内核（Linux/Windows内核）、嵌入式系统（单片机、物联网设备）、驱动程序、高性能底层工具。
**C++：**游戏引擎（Unity/Unreal核心）、高性能服务器、图形图像处理（OpenCV）、工业软件、编译器开发。
**Java：**企业级后端开发（Spring生态）、Android应用开发、大数据处理（Hadoop/Spark）、分布式系统。
**C#：**Windows桌面应用（WPF/WinForms）、游戏开发（Unity脚本）、ASP.NET Web开发、企业级后端（.NET Core）。
**JavaScript：**网页交互（前端核心）、小程序/移动端H5、后端开发（Node.js）、桌面应用（Electron）、游戏前端。
**Go（Golang）：**高并发服务器（微服务/API网关）、云原生开发（Docker/K8s）、网络编程、大数据处理、DevOps工具。

1.1 Python 介绍

Python 是一种广泛使用的程式设计语言，就像是程序设计语言界的老好人。

Python的设计哲学强调可读性 （比如强制缩进，就像小时候妈妈强制你整理房间一样），并且推崇使用明显的方式解决问题 （Python之禅）。

1.1.1 Python 历史

1989 年，荷兰程序员吉多・范罗苏姆（Guido van Rossum，Python 社区称其为龟叔）在阿姆斯特丹的国家数学和计算机科学研究所（CWI）工作时，为了打发圣诞节假期的空闲时间，决定开发一门新的脚本语言。最初只是作为 ABC 语言（一种教学语言）的替代品，目标是让代码读起来像英语一样自然。
1991 年，Python 的第一个公开版本（0.9.0）发布，包含了类、函数、异常处理、核心数据类型（列表、字典等）等现代语言特性，同时内置了模块化的解释器。
1994 年，Python 1.0 发布，新增 lambda、map、filter 等函数式编程特性；
2000 年，Python 2.0 发布，引入垃圾回收机制（解决内存管理问题）、列表推导式等核心特性，这一版本奠定了 Python 的流行基础；
2008 年，Python 3.0（代号 Py3k）发布 ------ 这是 Python 历史上最重大的版本更新，完全不兼容 Python 2，修复了 Python 2 的设计缺陷（如字符串编码、整数除法规则），但也导致社区分裂（直到 2020 年 Python 2 才停止维护）。
2008 - 至今 ：Python 3 持续迭代，截至 2026 年 1 月，最新稳定版为 3.14，新增了更强大的类型提示、性能优化等特性；Python 已成为全球最流行的编程语言之一（TIOBE、PYPL 榜单长期位居前 3）。

1.1.2 Python 为什么流行？

语法人话级简洁 ：对比其他语言的 Hello World：

Python：
python 复制代码
```
print("Hello World")
```
C 语言：
c 复制代码
```
#include <stdio.h>
int main() {
    printf("Hello World");
    return 0;
}
```
Java：
java 复制代码
```
public class Hello {
    public static void main(String[] args) {
        System.out.println("Hello World");
    }
}
```
再比如 遍历列表并打印元素 ：Python 仅需 for item in [1,2,3]: print(item)，代码可读性极高，新手能快速理解逻辑。

事实上，很多高校和大专院校的计算机课程均采用Python作为入门语言。
生态全家桶级丰富：Python 的第三方库覆盖几乎所有领域，这些库可以通过pip一键安装，无需重复造轮子。
- 数据分析：Pandas（数据处理）、NumPy（数值计算）、Matplotlib（可视化）；
- Web 开发：Django（全栈框架）、Flask（轻量框架）、FastAPI（高性能 API）；
- 人工智能：TensorFlow（谷歌）、PyTorch（Meta）、Scikit-learn（机器学习）；
- 自动化：Selenium（网页自动化）、PyAutoGUI（桌面自动化）；
- 爬虫：Scrapy（框架）、Requests（网络请求）。
- 科学计算：比如物理学家用 NumPy 模拟物理实验的数值计算过程，节省实验成本。
跨平台无差别运行：同一套 Python 代码，无需修改（或仅需少量调整）即可在 Windows、macOS、Linux 系统上运行 ------ 这得益于 Python 解释器的跨平台特性。
社区保姆级支持：全球有数百万 Python 开发者，遇到问题时：
- 可在 Stack Overflow（最大程序员问答社区）搜索解决方案；
- 可通过 GitHub 参与开源项目、获取教程；
- 国内也有 CSDN、知乎等平台的 Python 专栏，资源非常丰富。
免费下载：Python软体可以免费下载，与所有类型的系统完美整合，还可以加快开发速度

思考：python 1991 年就发布了，为什么最近几年才火起来？

Python 爆火的最核心推手是人工智能（AI）和大数据时代的到来：

AI 框架的语言绑定：2010 年后，谷歌 TensorFlow（2015 年发布）、Meta PyTorch（2016 年发布）等主流 AI 框架均选择 Python 作为主要开发语言 ------ 这些框架的底层核心是 C/C++（保证性能），但上层接口全部封装为 Python（降低使用门槛）。全球 AI 研究者和工程师无需再啃复杂的 C++，只需用 Python 就能快速实现模型训练、调参，这让 Python 成了 AI 领域的标配语言。
大数据分析的效率适配 ：随着企业数字化转型，数据驱动决策成为刚需，而 Python 的 Pandas（2008 年发布）、NumPy、Matplotlib 等库，把原本需要用 SQL/Excel 手动处理的数据分析工作，变成了几行代码就能完成的自动化流程。对比传统的 R 语言（侧重统计但生态窄）、Java（开发效率低），Python 既简单又能覆盖数据清洗→分析→可视化→落地全流程，成了数据分析岗的第一语言。

1.1.3 Python 2 vs Python 3

Python 2 现状 ：Python 官方在 2020 年 1 月 1 日正式停止了对 Python 2 的维护 ------ 意味着不再修复安全漏洞、不再更新特性，使用 Python 2 开发的项目会面临安全风险，且几乎没有新的第三方库支持 Python 2。
Python 3 的核心优势：
1. 字符串编码更友好：Python 2 中字符串默认是 ASCII 编码（不支持中文，需手动转 UTF-8），而 Python 3 默认是 UTF-8（直接支持中文，无需额外处理）；
2. 整数除法更合理：Python 2 中3 / 2结果是1（整数截断），Python 3 中是1.5（浮点数，符合直觉）；
3. 新增实用特性：比如 f-string 格式化（name = "小明"; print(f"你好，{name}")）、类型提示（def add(a: int, b: int) -> int: return a+b）等，大幅提升开发效率；
4. 生态完全兼容：目前所有主流第三方库（Pandas、Django 等）都只支持 Python 3。

1.2 Python 安装

1.2.1 官网安装

教材环境以 3.10 版本为例。

下载安装包 ：打开浏览器，访问Python 官方网站 → 点击顶部 Downloads → 选择 Windows → 在 Stable Releases（稳定版）区域，点击 Python 3.10.x（x 为最新小版本）对应的 Download 按钮 → 选择 Windows installer (64-bit)（64 位系统，主流电脑均支持）。
运行安装包 ：找到下载好的python-3.10.x-amd64.exe文件，双击运行 → 关键步骤 ：勾选窗口底部的 Add Python 3.10 to PATH（这一步是让系统能在任意位置调用 Python，必须勾选！） → 点击 Install Now（默认安装，也可选择 Customize installation 自定义路径）。
验证安装结果 ：按下Win + R，输入cmd打开命令提示符 → 输入python --version（注意是两个短横线），如果输出Python 3.10.x，说明安装成功；如果提示 python 不是内部或外部命令，则是 Add to PATH 未勾选，需重新安装并勾选该选项。

1.2.2 环境管理工具

环境管理工具的作用是为每个项目创建独立的 Python 环境，隔离依赖。

假设你同时开发两个项目：项目 A 需要用 Pandas 1.0 版本，项目 B 需要用 Pandas 2.0 版本 ------ 如果直接在系统 Python 中安装，会出现版本冲突。

工具	核心原理	优点	缺点	适用场景
venv	Python 3.3 + 内置，基于系统 Python 创建隔离目录	无需额外安装，轻量快捷	仅支持 Python，依赖管理弱	小型 Python 项目、快速测试
Conda	独立于系统 Python，基于环境目录 + 包仓库管理	支持多语言（Python/R）、依赖解决能力强	体积较大，安装包速度略慢	数据科学项目、依赖复杂的多语言项目
Pipenv	整合 Pip（包管理）和 venv（环境），自动生成依赖文件	一键管理环境 + 依赖，符合现代开发流程	生态不如 Conda 成熟	中小型纯 Python 项目

1.2.3 Anaconda

Anaconda 不是单纯的 Python 安装包，而是一个数据科学工具集---内置了 Python 解释器、Conda 包管理器，以及数据分析常用的库（NumPy、Pandas、Matplotlib 等），避免了手动安装依赖的麻烦。

安装步骤：

访问 Anaconda 官网 → 点击 Download → 选择对应系统（Windows/macOS/Linux）的安装包（64 位）；
运行安装包，点击 Next→ 同意协议→ 选择安装类型（Just Me 仅当前用户，推荐）→ 选择安装路径（不要包含中文 / 空格）→ 点击 Install；
验证：打开 Anaconda Navigator（桌面快捷方式），能正常启动则安装成功。

1.3 Python 包管理工具

Pip 是 Python 官方的包管理工具，用于安装、卸载、管理第三方库。

注意：Pip 是包管理工具 ，不是环境管理工具，通常和 venv/Conda 配合使用。

1.3.1 Pip 基础命令

查看 Pip 版本：pip --version
查看本机已安装库清单：pip list
更新 Pip：pip install --upgrade pip（避免版本过低导致安装失败）
安装指定版本的库：pip install pandas==2.1.0（安装 Pandas 2.1.0 版本）
查看已安装库的详细信息：pip show pandas（显示版本、安装路径、依赖等）
卸载库：pip uninstall pandas（执行后输入y确认）

1.3.2 依赖管理

导出项目依赖 ：在项目根目录下执行pip freeze > requirements.txt，会生成一个 requirements.txt 文件，记录当前环境中所有库的版本（比如pandas==2.1.0）；
批量安装依赖 ：将requirements.txt复制到新环境后，执行pip install -r requirements.txt，即可一键安装所有依赖 ------ 这是团队协作、项目部署的必备操作。

1.4 开发工具配置

1.4.1 PyCharm 安装

PyCharm 版本选择：

社区版（Community）：免费开源，支持 Python 核心开发功能，适合新手；
专业版（Professional）：付费，支持 Web 开发、数据库等高级功能，适合企业开发。

安装步骤：

访问JetBrains 官网 → 点击 Download → 选择 Community 版本 → 下载对应系统的安装包；
运行安装包：勾选 Create Desktop Shortcut（创建桌面快捷方式）、Add launchers dir to PATH（可选）→ 点击 Next→ 选择安装路径→ 点击 Install；

1.4.2 设置中文语言

打开设置界面：菜单栏 File->Settings或者Ctrl+Alt+s。

安装中文插件：依次点击Plugins->Marketplace->搜索chinese->找到中文简体语言包，然后点击Install安装。

安装完成后，重启 pycharm。

中文界面如下：

如果重启还是英文，则需要手动设置语言。
1. 再次打开设置：文件 → 设置
2. 进入：外观与行为 → 系统设置 → 语言与区域
3. 语言选择：中文（简体）
4. 重启 PyCharm 即可。

1.4.3 PyCharm 配置项目与环境

创建新项目 ：打开 PyCharm → 点击 New Project → 配置以下选项：
- 位置：选择项目保存路径（不要包含中文 / 空格）；
- Python 解释器 ：点击下拉框 → 选择 使用解释器Venv ，位置保持默认，基础解释器点击 ... 按钮 → 在弹出的窗口中，找到python.exe文件（D:Python\python.exe）→ 点击 OK；
- 取消勾选 Create a [main.py](http://main.py) welcome script（可选，不创建默认欢迎文件）→ 点击 Create。
验证环境配置：在 PyCharm 的右下角，会显示当前项目使用的 Python 环境（比如Python 3.9），说明配置成功。

1.4.4 第一个 Python 程序

创建 Python 文件 ：在 PyCharm 的项目面板中，右键点击项目根目录 → 选择 New→Python File→ 输入文件名（比如hello.py）→ 按回车。
编写代码 ：在hello.py中输入以下内容：

python 复制代码

# 这是一行注释，用于说明代码功能（不会被执行）
# 打印`Hello World`到控制台
print("Hello World!")

# 扩展：打印中文（Python 3默认支持UTF-8）
print("你好，Python！")

运行程序：

方式 1：右键点击hello.py文件 → 选择 Run 'hello'；
方式 2：点击代码编辑区右上角的绿色三角形按钮（Run 按钮）；
查看结果：PyCharm 底部会弹出 Run 窗口，显示输出内容：
bash 复制代码
```
Hello World!
你好，Python！
```

1.5 总结

Python 是一门语法简洁、生态丰富、跨平台的编程语言，由吉多・范罗苏姆于 1989 年开发，当前主流版本是 Python 3（Python 2 已停止维护），广泛应用于数据分析、Web 开发、人工智能等领域。
为了避免项目依赖冲突，需使用环境管理工具：
- 轻量需求选venv（Python 内置）；
- 数据科学 / 多语言项目选Conda；
- 纯 Python 项目可选Pipenv。
PyCharm 是主流的 Python IDE，通过配置 Conda 虚拟环境，可实现代码编写、运行、调试的一站式开发 ------ 第一个 Hello World 程序的成功运行，标志着基础开发环境已搭建完成。