📚 课程目录第1章 Python入门

1. Python 入门：发展史、应用场景与环境搭建

大家好，欢迎来到《Python快速上手》的第一课。

说实话，Python 这门语言我用了快十年了。从最初的数据清洗脚本，到后来完整的后端服务，再到现在的 AI 项目——它几乎贯穿了我的整个职业生涯。今天咱们就来聊聊 Python 的来龙去脉、它能干什么，以及怎么把它的“窝”搭好。

Python 诞生于 1989 年的圣诞节。荷兰程序员 Guido van Rossum 为了打发假期时间，决定开发一门新的脚本语言。他当时的目标很单纯：写一个比 C 更易用、比 Shell 更强大的语言。

1991 年，Python 0.9.0 发布。那时候它已经有了类、函数、异常处理这些核心特性。我最早接触 Python 2.5 版本，大概是 2006 年左右。说实话，当时 Python 2 和 3 的割裂让很多人头疼。我记得有一次升级项目，光是把 print 语句改成函数就改了一整天。

关键时间节点我整理了一下：

核心观点：Python 3 是现在唯一的选择。如果你还在用 Python 2，赶紧迁移。2020 年之后官方已经停止维护了。

你想想看，为什么 Python 这么火？说白了就三个字：省时间。

我个人的经验是，Python 在以下几个领域几乎是“统治级”的存在：

Web 开发：Django、Flask、FastAPI 三大框架。我去年用 FastAPI 搭了一个高并发 API 服务，开发效率比 Java 快了一倍不止。
数据分析 & 可视化：Pandas + Matplotlib 是标配。我在项目中处理过千万级的数据集，Python 的向量化操作让循环变得多余。
人工智能 & 机器学习：TensorFlow、PyTorch、Scikit-learn。这个不用多说，AI 领域 Python 就是事实标准。
自动化运维 & 脚本：写个批量重命名、定时爬虫、服务器监控脚本，Python 十几行代码搞定。
科学计算：NumPy、SciPy 让 Python 在科研领域站稳了脚跟。

我的建议：初学者不要贪多。先选一个方向深耕，比如 Web 开发或数据分析。等基础扎实了，再横向扩展。

为什么会这样？因为 Python 的设计哲学就是“简单优雅”。它的语法接近自然语言，你写出来的代码几乎就是伪代码本身。这对于快速原型开发来说，简直是神器。

嗯，这里要注意。很多新手一上来就装最新版 Python，然后直接写代码。结果遇到包冲突、版本不兼容，心态直接崩了。我曾经在一个项目里同时维护三个 Python 版本，那种痛苦……你懂的。

下面是我个人习惯的搭建流程，你照着做基本不会踩坑：

去 python.org 下载对应操作系统的安装包。我建议选 3.10 或 3.11 版本，稳定且兼容性好。

安装时记得勾选 "Add Python to PATH"。这一步很多人会忘，导致命令行里找不到 python 命令。

验证安装：

python --version
# 输出示例：Python 3.11.5

pip --version
# 输出示例：pip 23.2.1 from ...

我推荐以下三种，按需选择：

我的选择：日常开发用 VS Code + Python 插件。做数据分析时切到 Jupyter。PyCharm 只在大型项目里用。

我曾经在一个项目里同时用了 Flask 2.0 和 Flask 1.0 的依赖，结果两个版本冲突，项目直接跑不起来。从那以后，我每个项目都建独立的虚拟环境。

创建虚拟环境很简单：

# 创建虚拟环境
python -m venv myenv

# 激活（Windows）
myenv\Scripts\activate

# 激活（macOS/Linux）
source myenv/bin/activate

# 退出
deactivate

警告：永远不要用 pip install 全局安装项目依赖。一定要先激活虚拟环境。否则时间长了，你的全局包会乱成一锅粥。

环境搭好了，来写个“Hello World”吧：

# hello.py
print("Hello, Python!")

# 运行
python hello.py

就这么简单。你想想看，从安装到运行，前后不超过 10 分钟。

下面这张图帮你梳理了本章的核心脉络：