第1章 Python入门：发展史、应用场景与环境搭建
在我看来，学任何一门语言，先别急着敲代码。你总得知道它从哪来、能干啥、怎么把它请进电脑里。Python 也不例外。我最早接触 Python 是在 2015 年，那会儿公司有个自动化测试项目，用 Java 写太费劲，组长甩给我一句：“试试 Python。” 说实话，一开始我挺抵触的，觉得这玩意儿能靠谱吗？结果用了两周，我就真香了。
这一章，咱们就把这三个事聊透。
1.1 Python 发展史：一个“春节项目”的逆袭
Python 是荷兰人 Guido van Rossum 在 1989 年圣诞节期间捣鼓出来的。没错，就是假期无聊写了个编程语言。我个人觉得这故事特别接地气——谁还没在放假时写过点小玩意儿呢？但 Guido 这个“小玩意儿”改变了几百万人的工作方式。
主要版本脉络：
| 版本 | 发布时间 | 关键变化 |
|---|---|---|
| Python 1.0 | 1994 年 | 基础语法、异常处理、函数 |
| Python 2.0 | 2000 年 | 列表推导式、垃圾回收、Unicode 支持 |
| Python 3.0 | 2008 年 | 不兼容 2.x，print 变成函数，文本/字节分离 |
| Python 3.12 | 2023 年（当前最新） | 更快的 CPython、更完善的错误提示 |
这里有个坑，我得提一下。Python 2 和 Python 3 的割裂在 2010 年前后特别严重。我曾经接手过一个遗留项目，里面的代码全是 Python 2.7 写的，连 print 都没括号。迁移到 3.x 时，光改 print 和 except 语法就花了两天。所以现在学 Python，上来就给我学 Python 3，别走老路。
1.2 Python 应用场景：为什么大家都在学？
我觉得 Python 最大的魅力就是“粘合剂”。它不挑领域，哪都能插一脚。我自己做过的项目就涵盖了下面几种场景：
- Web 后端：Flask、Django 写 REST API，测试同事直呼好维护。
- 数据爬虫：Scrapy 抓电商价格，配合 pandas 做分析，一套组合拳下来比手动整理快十倍。
- 数据分析 & 可视化：matplotlib、seaborn 画报表，老板看了都觉得专业。
- 自动化脚本：文件批量重命名、邮件群发、定时任务……这些我在项目中每天都要写。
- 机器学习 / AI：pytorch、tensorflow 几乎统治了学术界和工业界的原型开发。
为什么 Python 能这么火？说白了，它的语法清晰得像在说人话。你想想看，写个循环：for i in range(10)，你读一遍就能猜出意思。这对初学者极其友好，对老手来说也意味着更少的脑力消耗。
1.3 Python 开发环境搭建：三步搞掂
环境搭建这部分，我踩过不少坑。尤其是刚入门的朋友，在网上搜一堆乱七八糟的教程，什么 Anaconda、Miniconda、pyenv、Poetry……看完反而更懵。记住一个原则：新手先别折腾，能跑代码就行。等你写了几百行脚本，再考虑环境管理。
下面是标准流程（以 Windows 为例）：
- 去
python.org下载最新版安装包（比如 Python 3.12.x）。 - 安装时勾选 “Add Python to PATH”，然后点 Install Now。
- 打开终端（cmd 或 PowerShell），输入
python --version验证。
我见过最多的新手翻车就是忘了勾选 PATH。这种情况下在 cmd 里打 python 会提示“不是内部或外部命令”。解决办法也不难，要么重装，要么手动把 Python 安装路径加到系统环境变量里。
Linux / macOS 上一般自带 Python 3，但可能版本较旧。我习惯用包管理器安装：
# Debian/Ubuntu
sudo apt update
sudo apt install python3 python3-pip
# macOS (Homebrew)
brew install python3装完之后，顺手更新下 pip：
python -m pip install --upgrade pip验证环境是否可用，写上你的第一行代码：
# hello.py
print("Hello, Python!")
# 终端里执行
python hello.py如果能正常打印，恭喜你，环境成了。
本章知识体系图
下面这张图把入门阶段需要理解的核心脉络串起来了。你可以在边看后面章节时边回看这张图，心里有个全貌。
到这，你已经清楚了 Python 的前世今生、它到底能干嘛、以及怎么把它装好。环境准备好之后，下一步就是真正动手写第一行代码。别急，我们一步一步来。