1. Python 入门：发展史、应用场景与环境搭建
Python 这门语言，我用了快十年了。说实话，刚入行时我挺瞧不上它的——一个靠缩进决定代码块的语言，能有多严谨？直到有一次接手一个遗留系统，用 Java 重构到一半，发现工期根本不够。后来改用 Python，两周搞定。嗯，从那以后我再也不敢小看它了。
1.1 Python 发展史：从“圣诞项目”到“AI 首选”
Python 诞生于 1989 年圣诞节。荷兰程序员 Guido van Rossum 为了打发假期时间，想写一个“介于 C 和 Shell 之间”的解释型语言。他当时是 Monty Python 喜剧团的粉丝，于是随手起了这个名字。
几个关键节点：
- 1991 年：Python 0.9.0 发布，已经有了类、函数、异常处理。
- 2000 年：Python 2.0 发布，引入列表推导和垃圾回收。
- 2008 年：Python 3.0 发布，不向后兼容——这是 Python 社区最痛的一次“断舍离”。
- 2020 年：Python 2 正式退役，官方不再维护。
我个人最深的感受：Python 3 刚出来时，很多库不兼容，迁移成本极高。我当时负责的一个数据分析平台，硬是拖到 2016 年才全部切到 3.x。但回头看，这个“阵痛”是值得的——没有 Python 3 的 Unicode 原生支持和异步编程能力，今天的数据科学和 AI 生态根本撑不起来。
1.2 Python 应用场景：它到底能干什么？
你想想看，一门语言能同时用在 Web 后端、自动化脚本、数据分析、人工智能、游戏开发、嵌入式……这本身就说明它的设计有多聪明。
我按实际项目经验，把 Python 的典型场景整理成了一张表：
| 领域 | 代表框架/库 | 我的实战案例 |
|---|---|---|
| Web 开发 | Django, Flask, FastAPI | 用 Flask 写过内部工单系统，两周上线 |
| 数据分析 | Pandas, NumPy, Matplotlib | 处理过 500 万行日志，Pandas 只用了 3 秒 |
| 人工智能/机器学习 | PyTorch, TensorFlow, Scikit-learn | 用 PyTorch 做过图像分类模型，准确率 92% |
| 自动化运维 | Ansible, Fabric, Paramiko | 批量部署 200 台服务器，Ansible 一把梭 |
| 爬虫/数据采集 | Scrapy, Requests, BeautifulSoup | 爬过电商价格数据，反爬策略绕了三天 |
| 桌面应用 | PyQt, Tkinter, Kivy | 写过一个小工具，给测试组用，他们说“比 Excel 好用” |
一个小建议：如果你是初学者，别一上来就奔着 AI 去。先把 Python 当“瑞士军刀”用——写脚本、处理文件、自动化日常任务。这些场景反馈快，成就感来得也快。
1.3 Python 开发环境搭建：别让环境卡住你
我见过太多新手，代码写了两行，环境配了三天。其实没那么复杂。下面是我个人习惯的搭建流程，你照着走一遍，十分钟就能跑起来。
1.3.1 安装 Python 解释器
去 python.org 下载对应操作系统的安装包。注意几点：
- 版本选择：目前推荐 3.10 或 3.11。3.12 刚出，部分库还没适配。
- Windows 用户：安装时一定勾选
Add Python to PATH。我当年没勾，后面折腾了半小时。 - macOS/Linux 用户：系统自带的 Python 是 2.x，别用。用
brew或apt装 3.x。
# 验证安装
python --version
# 输出示例：Python 3.11.5
# 如果系统同时有 Python 2 和 3，用 python3 命令
python3 --version1.3.2 包管理工具：pip 与虚拟环境
Python 的包管理，说白了就是 pip + 虚拟环境。pip 负责装包，虚拟环境负责隔离项目依赖。
我曾经踩过的坑：刚工作时，所有项目共用全局 Python 环境。结果项目 A 需要 Django 2.2，项目 B 需要 Django 3.2，两个版本冲突，一升级就崩。后来学乖了——每个项目一个虚拟环境，再也没出过这种问题。
创建虚拟环境的标准做法：
# 创建虚拟环境（推荐用 venv，Python 3.3+ 自带）
python -m venv myproject_env
# 激活环境
# Windows:
myproject_env\Scripts\activate
# macOS/Linux:
source myproject_env/bin/activate
# 激活后，终端前面会出现 (myproject_env) 提示
# 然后安装依赖
pip install requests pandas
# 导出依赖清单
pip freeze > requirements.txt
# 退出环境
deactivate1.3.3 编辑器选择：选对工具，事半功倍
我个人推荐顺序：
- VS Code：轻量、插件丰富、免费。装 Python 扩展和 Pylance 就行。
- PyCharm：IDE 中的“重型坦克”，适合大型项目。社区版免费。
- Jupyter Notebook：数据分析和教学场景首选。一行代码一个格子，交互感极强。
我的习惯：写脚本用 VS Code，做数据分析用 Jupyter，写大型项目用 PyCharm。别纠结“哪个最好”，顺手就行。
1.4 知识体系总览：一张图看懂本章
下面这张 SVG 图，把 Python 入门阶段的核心脉络串起来了。你保存下来，学完本章再回来看，会更清楚。
1.5 第一个 Python 程序：Hello, World!
环境搭好了，来写第一行代码。打开终端或 VS Code，输入：
print("Hello, World!")按回车。如果看到 Hello, World! 打印出来，恭喜你——Python 环境已经跑通了。
一个小实验：把引号里的内容换成你的名字，再跑一次。比如 print("你好，张三")。Python 3 原生支持中文，不用像 Python 2 那样在文件头加 # -*- coding: utf-8 -*-。这个细节，当年可坑了不少人。
好了，第一章就到这里。环境搭好、第一行代码跑通，后面的事就顺了。记住：别贪多，先把“跑起来”这件事做到位。