重拾 Python

穿越之重拾 Python

PIEMM

这是「重拾 Python」系列的第一篇。 之前那篇文章里，我从 C++ 出发，重新认识了 C、Python 以及不同编程语言背后的设计思想。 而这一篇，我想真正重新开始学习 Python。 那么现在 PIEMM 穿越了，这一世我一定要学好 Python！

本次任务目标，真正理解：

  • 为什么 Python 会这样设计？
  • 它适合解决什么问题？
  • 它和 C++ 的差异背后代表了什么？

接下来这个系列会从最基础的环境开始，逐渐认识 Python 的语法、函数、模块以及面向对象设计。

主要参考 Python 官方文档：

它是一门什么语言

先讨论一个问题： 为什么近年来，除了部分传统人文学科，越来越多专业都开始学习 Python？ 一门编程语言，如果希望被不同领域的人使用，同时又让没有计算机基础的人能够快速入门，那么它通常需要具备几个特点： 足够强大的生态，以及较低的学习成本。（换句话也就是功能强大且简单易学） Python 恰好满足了这两个条件。

那么 Python 功能到底有多强大呢？

应用领域

1. Web 开发

也就是做网站。 比较经典的框架包括：

  • Django
  • Flask

Django 重型火炮，火力覆盖；Flask 瑞士军刀，快速灵活。

当然，如果只讨论现代 Web 前端开发，JavaScript 仍然占据非常重要的位置。

2. 数据分析与科学计算

这是我认为 Python 所有方向中对我而言很重要的一个方向，用 Python 可以对数据做的操作可比 Excel 要多多了。

常用的库有：

  • NumPy
  • Pandas
  • Matplotlib
  • SciPy
  • Seaborn

Python 可以方便地进行数据处理、数学计算以及科学实验。 相比 C++，Python 不一定执行更快，但它能够让研究人员更加快速地验证自己的想法。

3. 人工智能与机器学习

这无疑是近年来 Python 最热门的方向。无论是：

  • 深度学习
  • 大模型
  • 机器学习算法

都大量使用 Python。

这里需要注意的是：Python 本身并不是因为运行速度快才成为 AI 主流语言。 实际上，很多底层计算依然依靠 C/C++。 Python 更多承担的是一个中间调用的角色。

4. 游戏开发

Python 也可以用于游戏开发，但它并不是大型商业游戏的主要选择。 对于需要极致性能的游戏引擎，例如大型 3A 游戏，C++ 依然拥有不可替代的地位。

如果总结 Python 最核心的应用，我认为主要还是： 数据分析 + 人工智能。 这也是为什么很多非计算机专业，例如金融、数学、生物、经济等专业，也开始学习 Python。 它不一定是解决所有问题的最佳语言，但它成为了连接不同领域的一种通用工具。

功能强大说完了，下面就讲到简单易学了。 如果你问为什么它简单，好吧，下面给你看三个语言对比。

先看一张 C、C++ 和 Python 的常见语法对照表。

对比项目CC++Python
变量定义int x = 10;int x = 10;x = 10
输出printf("%d\n", x);cout << x << endl;print(x)
条件判断if (x > 0) {}if (x > 0) {}if x > 0:
循环for (int i = 0; i < 5; i++)for (int i = 0; i < 5; i++)for i in range(5):
函数定义int add(int a, int b)int add(int a, int b)def add(a, b):
语句结束通常使用分号 ;通常使用分号 ;通常不需要分号
代码块使用 {}使用 {}使用缩进表示

当然，这张表只是简单对比。C 和 C++ 的语法也不完全相同，C++ 还有很多更高级的语言特性，这里就不展开了。

如果你之前学过 C++，第一次看 Python 代码，可能会有一种感觉：

咦？怎么少写了这么多东西？

没错，这就是 Python 最直观的特点之一：它希望程序员用相对简洁的代码表达自己的想法。

下面我们就具体看看，Python 的简单究竟体现在哪里。

语言特点

  1. 语法简洁，代码更容易阅读

先从最简单的 for 循环开始。

如果用 C++：

#include <iostream>
using namespace std;

int main() {
    for (int i = 0; i < 5; i++) {
        cout << i << endl;
    }
    return 0;
}

而在 Python 中：

for i in range(5):
    print(i)

是不是一下子清爽了不少？

至于 for，它可不是 forever 啊！不然这不就成死循环了吗？哈哈。

Python 还有一个特点：使用缩进来划分代码块。

在 C++ 中，我们习惯使用 {}：

if (x > 0) {
    cout << "positive";
}

而 Python 中：

if x > 0:
    print("positive")

虽然少了几个符号，但缩进在 Python 中不是单纯的排版习惯，而是语法的一部分。

这意味着代码的结构必须清晰。对于初学者来说，代码通常也会更容易阅读。

  1. 动态类型：不用提前声明变量类型

第二个特点，就是动态类型。

先看 C++：

int a = 10;
double b = 3.14;
string c = "hello";

我们需要明确告诉编译器，变量分别是什么类型。

而在 Python 中：

a = 10
b = 3.14
c = "hello"

不需要提前声明类型，Python 会在运行时根据赋给变量的对象确定其类型。

甚至还可以这样：

a = 10
a = "hello"

同一个名字 a，先后指向了整数对象和字符串对象。

当然，这并不意味着 Python 中没有类型。Python 是动态类型语言，但它仍然有严格的类型规则。

比如：

a = 10
b = "20"
print(a + b)

这段代码就会报错，因为整数和字符串不能直接相加。

所以，动态类型并不是让我们完全不用考虑类型，而是减少了声明变量时的负担。

对于我这种从 C++ 过来的人来说，这种写法确实会让人觉得入门友好。

不用每次都先想好变量类型，再写出一串声明，很多想法可以直接转化成代码。

  1. 面向对象：想找对象？先定义一个类！

第三个特点，是面向对象编程。

等等，面向对象？

想找对象的可以看这里！

如果要找对象，是不是得先定义一下理想对象的形态？

比如，我们先定义一个人：

class Person:
    def __init__(self, name, height, hobby):
        self.name = name
        self.height = height
        self.hobby = hobby

这里的 Person 就是一个类，我们可以用它来创建具体的人。

比如：

person = Person("小明", 180, "编程")

这样，我们就创建了一个 Person 对象，它包含姓名、身高和爱好等信息。

如果没有类，我们当然也可以直接使用变量、字典或者其他数据结构来记录这些信息。但当需要描述的属性越来越多，还需要为对象定义各种行为时，代码就可能变得越来越难以维护。

这时候，类就能帮助我们把相关的数据和行为组织起来。

当然，现实中的择偶标准可能远比这复杂。

你喜欢 180、八块腹肌的帅哥，还是 160、小巧玲珑的美女？总得先想好自己在意什么吧！

不然以我这种记忆力一般的人，写着写着可能就把择偶标准写串了。如果要求 180 女生还要小巧玲珑，那我可要单身一辈子了。

不过，玩笑归玩笑，面向对象真正解决的是如何组织复杂程序中的数据与行为。

这里还有一点需要注意：面向对象并不是 Python 独有的特性，C++ 同样支持面向对象编程。Python 的优势在于，它可以用相对简洁的语法完成这些操作。

  1. 跨平台：一份代码，多种操作系统

第四个特点，就是跨平台。

我们日常接触的操作系统有很多，比如 Windows、macOS、Linux。

例如：

print("Hello, World!")

这段代码在 Windows、macOS 和 Linux 上都可以运行。

不需要因为换了一台电脑，就把代码全部重新写一遍。

  1. 解释执行：写完代码，就可以直接运行

最后一个特点，是 Python 的执行方式。

在一些其他语言的开发流程中，我们通常需要经历：

源代码 → 编译 → 可执行程序 → 运行（编译这个词在前面提到过，什么语言的代码需要编译呢）

而 Python 的使用体验通常更加直接：

编写代码 → 运行程序

例如，我们创建一个 hello.py 文件：

print("Hello, World!")

然后在终端运行，就可以看到输出结果。

到这里，编译型和解释型应该就很好理解了，当然大家目前看到的其实还是表面， 至于其中更深入的原理，我还需要学习一下，之后会写一篇，从源代码出发，看看一段程序究竟是如何一步步执行起来的。

这一世，先从环境开始

回过头来看，有 C++ 的基础，再看 Python 的这些写法，确实容易上手不少。

但这一世，我不想只停在“这段语法我见过”。可以先把想法实现出来，再慢慢补上背后没弄明白的东西。

语法只是开始。

接下来，就从环境搭建和第一行代码开始，把 Python 重新学一遍。

装一个 Python 解释器

先从 Python 官网 安装 Python 3 稳定版。下面以 Windows 为例：如果使用传统安装包，勾选 Add python.exe to PATH，装好后，重新打开终端检查。

python --version

看到 Python 3.x.x 才算成功。

Anaconda？

入门暂时不用。 Anaconda 把 Python、conda 和许多数据科学工具打包在一起，做数据分析比较方便，但学基本语法用官方 Python 就够了。这个以后再写。

跑起第一行代码

以前习惯了 C++ 的编译运行，这次先把 Python 的两种常见跑法分清楚：交互式适合随手验证，文件式适合保存完整程序。

命令行交互式：随手试一行

在终端输入 python，Linux 上通常用 python3，就会进入带有 >>> 提示符的交互环境：

>>> print("Hello, World!")
Hello, World!

>>> 是解释器给的提示符，不需要自己输入。

输入代码块时，会出现 ...，表示还没输入完；最后输入一个空行，才会执行这段代码：

>>> for i in range(3):
...     print(i)
...
0
1
2

用 exit() 退出交互环境。这里用来试思路很方便，但需要保留的代码，还是写进文件吧。

文件式：保存后再运行

想保存代码，就新建 hello.py：

print("Hello, World!")

在文件所在目录运行：

python3 hello.py

这里使用 Linux 命令；Windows 上可以用 python hello.py。

什么是 Linux？这非常值得学习，以后单独拿出来写一写吧。

IDLE：先用自带的工具写起来

IDLE 是 Python 的集成开发与学习环境，提供交互式 Shell 和文件编辑器。（我有时会叫它清朝老编辑器哈哈哈哈）

打开 IDLE 后，Shell 窗口里的 >>> 和命令行交互环境用法相近。想写文件，就选 File → New File，输入代码并保存为 .py，再选 Run → Run Module，或按 F5，结果会出现在 Shell 中。

动手时顺便记住的几个习惯

缩进：每层四个空格

前面已经见过，Python 用缩进表示代码块。冒号后换行，同一层代码保持相同缩进，通常每层使用四个空格：

for i in range(3):
    if i > 0:
        print(i)

这里有个小妙招：按 Tab 可以直接完成 4 个空格的缩进。

续行：括号和反斜杠

一行太长，可以放在 () 内换行，解释器会知道表达式还没结束。这种写法更推荐：

total = (
    10 + 20
    + 30
)
print(total)

也可以在行末用反斜杠 \ 显式续行：

total = 10 + 20 + \
    30
print(total)

反斜杠对于码风优雅的我来说看着很奇怪，所以能用括号时，我会优先用括号，当然，这些拼接方式在我看来都不是很优雅，所以我尽可能避免写这么长的东西。

注释：用 # 留下说明

# 后面直到行末都是注释：

count = 3  # 重复次数
print(count)

一行写不下就每行都写一个 #，这是行注释。想写多行说明，也可以用一对三引号包起来 —— 我更喜欢三个双引号 """：

"""
先用一个简单的例子验证想法
"""
count = 3
print(count)

虚拟环境和 pip

不同项目可能需要同一个库的不同版本。下面以 Linux 为例，先给项目建一个虚拟环境，把依赖分开：

python3 -m venv .venv
source .venv/bin/activate

激活后，下面的 python 和 pip 都使用这个虚拟环境。如果系统提示缺少 venv，Ubuntu/Debian 通常需要先安装 python3-venv。

接下来用 pip 安装第三方包，以 requests 为例：

python -m pip install requests

写成 python -m pip，是为了用当前解释器对应的 pip，避免包装进另一个环境。想查看或卸载包，分别用 python -m pip list 和 python -m pip uninstall requests。

先把当前环境中已安装的包和版本导出到 requirements.txt 清单文件：

python -m pip freeze > requirements.txt

之后换电脑或新建虚拟环境时，激活新环境，再按这份清单安装依赖：

python -m pip install -r requirements.txt

.venv 不用提交到 Git，保留依赖清单就好。激活环境用完后，输入 deactivate 退出。

什么是 Git？好问题，这个也可以拿来写一写，开源大神做的东西很值得研究学习。

编辑器里也要选对环境

VS Code 安装 Python 扩展后，按 Ctrl+Shift+P，搜索 Python: Select Interpreter，选项目 .venv 里的解释器。

这次先做到：能运行脚本，也知道解释器和包在哪里。下一篇再从变量和基本语法开始。

参考：Python 官方教程 · 虚拟环境与包