1、Python入门：Python发展史、Python应用场景、Python开发环境搭建

Python诞生于1989年的圣诞节。说实话，这个时间点挺有意思的——当大家都在过节时，荷兰程序员Guido van Rossum在家写代码。他当时在荷兰国家数学与计算机科学研究所（CWI）工作，想搞一门语言，既能像C一样强大，又能像Shell脚本一样易用。

1991年，Python 0.9.0发布了。我刚开始接触Python时，已经是2.4版本了。那时候我还在用Perl写脚本，总觉得语法太啰嗦。直到有一天，同事扔给我一段Python代码——20行搞定了我写了80行的Perl脚本。嗯，从那天起我就入坑了。

Python的发展有几个关键节点：

核心观点：Python 2到3的过渡，是我见过最痛苦的升级之一。我曾经维护过一个项目，代码库里有30%的代码是Python 2写的，迁移时各种编码问题、print语法差异，折腾了整整两周。所以现在我做新项目，一律用Python 3.8+。

说白了，Python就是个万能胶水语言。你想想看，从Web开发到人工智能，从自动化脚本到游戏开发，到处都有它的影子。

我个人最常用的几个场景：

为什么会这么火？我觉得有两点：

我的建议：如果你是初学者，别一上来就学Django或TensorFlow。先把Python基础打牢，特别是列表推导式、生成器、装饰器这些核心特性。我在面试时发现，很多人会用框架，但连Python的垃圾回收机制都说不清楚。

搭建开发环境，说白了就是装三个东西：Python解释器、包管理工具、代码编辑器。我见过太多新手在这步折腾半天，最后放弃了。其实没那么复杂。

去官网python.org下载对应版本。我个人建议用Python 3.9或3.10，这两个版本比较稳定。安装时记得勾选「Add Python to PATH」，不然你后面还得手动配环境变量。

避坑指南：我曾经在Windows上装了两个版本的Python（2.7和3.8），结果pip install时总装错地方。后来我改用pyenv来管理多版本，再也没出过问题。如果你也遇到类似情况，试试pyenv或conda。

Python自带的pip就够用了。但如果你做数据分析或机器学习，我推荐用Anaconda。它自带了很多科学计算库，省得你一个个装。

常用的包管理命令：

# 安装包
pip install requests

# 指定版本
pip install numpy==1.21.0

# 导出依赖
pip freeze > requirements.txt

# 从文件安装
pip install -r requirements.txt

新手我推荐VS Code，免费、插件多、社区活跃。装好Python插件后，代码补全、调试、格式化都很好用。

如果你做数据科学，PyCharm也不错，但社区版功能有限。我个人习惯用VS Code + Vim插件，写代码效率很高。

下面这张图，是我整理的第一章知识结构。你可以把它当作学习地图：

装好环境后，打开终端或命令提示符，输入python，你会看到类似这样的提示符：

Python 3.9.7 (default, Sep 16 2021, 13:09:58)
[GCC 7.5.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

然后输入：

print("Hello, 从源码优化打印速度与精度！")

看到输出了吧？就这么简单。你想想看，这门课叫《从源码层面优化打印速度与精度》，但第一步其实是让Python先跑起来。后面我们会深入到print函数的源码实现，看看它到底是怎么工作的。

小技巧：在交互式环境里，你可以用help(print)查看print函数的文档。我刚开始学Python时，就靠help()函数查遍了所有内置函数。这比上网搜快多了。

这一章我们聊了Python的来龙去脉、它能干什么、以及怎么搭环境。说白了，就是让你对Python有个整体认识，别一上来就陷入细节里。

我记得第一次用Python写生产代码时，犯了个低级错误——忘了Python是动态类型语言，把一个字符串当整数传给了函数，结果运行时才报错。从那以后，我养成了写类型注解的习惯。虽然Python不强制，但能帮你少踩很多坑。

下一章，我们会正式进入Python语法核心。到时候我会分享一些我在实际项目中总结的编码习惯，保证实用。