返回首页
## 引言
这是《Python 编程基础与进阶》课程 01 第一章「环境搭建与运行原理」的第一篇文章。本章共 10 篇，从「为什么学」讲到「环境怎么装、代码怎么跑、虚拟环境怎么隔离、包怎么管理」，逐步把 Python 的运行环境搭建到能打仗的状态。作为开篇，本文不写代码教程，而是先回答一个更根本的问题：**为什么选择 Python**。
这篇文章适合完全零基础的读者——你没有写过任何代码也没关系，文中不会假设你先验地掌握任何编程知识。读完这篇，你应该能回答三件事：Python 是什么、它擅长什么、它的软肋在哪里。这三个问题的答案会直接影响你后续 10 篇的学习态度：知道哪里是主干（语法、数据结构、工程能力），哪里是分支（性能优化、并发），才不会在错误的方向上花时间。
## 概念与原理
### 从一段简史看懂 Python 的定位
Python 诞生于 1991 年，由荷兰程序员吉多·范罗苏姆（Guido van Rossum）发布——语言名取自他当时喜欢的英国喜剧团体「蒙提·派森」（Monty Python），而不是蟒蛇。1991 年同时期的语言是 C++（1985）和刚发布的 Java（1995 年才面世），Python 从一开始选择的就是与它们不同的路线：**不追求极致执行速度，而追求开发效率和可读性**，目标是让程序员「用最少的代码表达想法」。
版本演进上，Python 2 于 2000 年发布并长期流行；2008 年 Python 3.0 发布，是一次刻意「不兼容」的换代（比如 `print` 从语句变成函数），之后经历了漫长的共存的过渡期，最终 Python 2 于 2020 年 1 月 1 日正式停止维护。今天所有主流库、教材、工具都基于 Python 3，新学习者**只考虑 Python 3** 即可。Python 3 至今保持着每年 10 月发布一个大版本的节奏：3.12 于 2023 年 10 月发布，3.13 于 2024 年 10 月发布，本文默认你安装的是 3.10 以上版本。
语言热度上，Python 在 2021 年起多次登顶 TIOBE 编程语言排行榜（该榜单按搜索引擎结果统计语言热度），并在数据科学、人工智能、后端开发等领域的招聘需求中长期位居前列。热度本身不说明语言好坏，但它说明：**学 Python 的沉没成本很低**——文档、问答、开源项目、工作机会都足够多。
### 设计哲学：可读性优先
Python 的设计哲学被浓缩在一篇文章中——PEP 20《Python 之禅》（The Zen of Python），作者 Tim Peters。它没有采用强制语法（比如花括号、分号），而是用缩进表达代码块结构，从语法层面迫使代码排版整齐。
为什么要强调可读性？因为真实工程中代码**读的次数远多于写的次数**：一段代码写完，可能要被人（包括三个月后的自己）阅读、修改几十次。在 C/C++/Java 里，同样逻辑的代码需要声明变量类型、管理内存、写模板代码；而在 Python 中，同样的逻辑往往短一半以上。代码更短、更接近自然语言的表述，意味着**心智负担集中在「问题本身」而不是「语言的仪式感」上**——这正是 Python 被选为入门语言、也被选为科研与数据分析语言的根本原因。
### 解释执行与动态类型：两个核心机制
Python 有两个与 C/Java 截然不同的运行机制，先建立直觉，细节在后文展开：
第一，**解释执行**（interpreted）。C/C++ 的源码要先经过编译器（compiler）整体翻译成机器码，再交给 CPU 执行；而 Python 源码由**解释器**（interpreter）逐条读取、翻译并执行。更准确地说，CPython 实现（Python 官方参考实现）会把源码先编译成一种中间表示——**字节码**（bytecode），再由虚拟机逐条执行字节码。这一机制的直接后果是：写完代码**立刻能跑**，不需要漫长的编译等待，这对学习和探索极其友好；代价是执行效率低于编译型语言，这一点我们放到「性能边界」一节讨论。
第二，**动态类型**（dynamic typing）。变量没有固定的类型约束，同一个变量名可以在不同时刻绑定不同类型的值。函数参数在调用时才确定类型，运行期才检查类型错误。好处是写起来灵活、少写类型声明；代价是大型项目里「类型错误」可能藏到运行时才暴露——这正是后来类型注解（type hints）和 mypy 等静态检查工具出现的动机，这些是课程第 14 章的内容。
### 生态全景：Python 真正的主场
单纯的语言特性不足以解释 Python 的流行，真正的护城河是**生态**。Python 的第三方包托管在 PyPI（Python Package Index，Python 包索引）上，截至 2025 年前后已托管超过 50 万个软件包，通过 pip 一条命令即可安装。围绕几个领域看：
- **数据科学与分析**：NumPy（数值计算）、pandas（表格数据）、Matplotlib（绘图），是科研与数据处理事实标准；
- **人工智能与机器学习**：scikit-learn（传统 ML 算法全家桶）、PyTorch 与 TensorFlow（深度学习框架），绝大多数论文代码与开源模型用 Python 实现；
- **Web 后端**：Django（全家桶框架）、Flask（轻量框架）、FastAPI（现代异步 API 框架），Instagram 的主力后端就是 Django；
- **自动化与脚本**：requests（HTTP 客户端）、BeautifulSoup（HTML 解析），爬虫、接口调试、办公自动化随手就来；
- **运维与基础设施配套**：Ansible 等配置管理工具本身就是用 Python 写的。
公开报道中使用 Python 的知名产品/团队包括：Dropbox 的桌面客户端、YouTube 早期的核心服务、Netflix 的推荐系统、Spotify 的后端服务等。如果你未来的方向是数据/AI/后端/运维任一条线，Python 都是绕不开的「第一语言」。
### 性能边界：慢在哪，快在哪
「Python 慢」是流传最广的一句话，需要拆成两半看：
**慢的部分**：纯 Python 写的数值密集循环（比如用循环累加一百万个数），比同等逻辑的 C 代码慢一到两个数量级。原因是解释执行的开销和动态类型带来的运行期检查。此外，CPython 有一个**全局解释器锁**（GIL，Global Interpreter Lock），它保证同一时刻只有一个线程在执行 Python 字节码，这让多线程在 CPU 密集型场景下无法利用多核（细节在课程并发章节展开，本篇只需记住「GIL 存在」这个事实）。
**快与不重要的部分**：第一，真实程序大部分时间花在 I/O 上——读写磁盘、等待网络响应、访问数据库，这些操作 CPU 几乎闲着，Python 与 C 的差距被完全淹没；第二，重计算场景几乎都有人用 C/C++ 写好底层库（NumPy 的核心就是编译好的 C 代码），Python 只负责「胶水」——调用它们、组合它们，性能接近原生 C；第三，PyPy 等替代实现通过即时编译（JIT）技术，让纯 Python 代码在特定场景也能提速数倍，代价是兼容性取舍。
所以正确的结论是：**Python 把性能问题交给生态解决，把开发效率留给自己**。在「先做出可用的东西，再用 profiling 找到热点、针对性优化」的现代工程节奏中，这个取舍几乎总是划算的。
## 操作/实现
说一千道一万，不如亲手验证。下面的代码请跟着运行——你当前只需要一行命令 `python`（或 `python3`，不同系统略有差异，下一篇文章详细讲安装）。先说一句：**不用背，跟着跑就行**。
### 第一个程序与 Python 之禅
```python
print("Hello, Python!")
```
输出：
```text
Hello, Python!
```
再读一遍 Python 的语言哲学，运行：
```python
import this
```
输出的前几行：
```text
The Zen of Python, by Tim Peters
Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Flat is better than nested.
Sparse is better than dense.
Readability counts.
```
这 19 条箴言是理解 Python 一切设计取舍的钥匙，后续课程中我们会反复引用它们，比如「显式优于隐式」（Explicit is better than implicit）直接解释了为什么 Python 不建议隐式类型转换、为什么函数参数用关键字显式传递更清晰。
### 亲眼看看动态类型
```python
x = 42
print(x, type(x).__name__) # 42 int
x = "forty-two" # 同一个名字，换绑一个字符串
print(x, type(x).__name__) # forty-two str
x = [1, 2, 3]
print(x, type(x).__name__) # [1, 2, 3] list
```
输出（本节所有输出均为 Python 3.12 实测）：
```text
42 int
forty-two str
[1, 2, 3] list
```
注意看：`x` 从头到尾没有声明过类型，但它先后是整数、字符串、列表——解释器在**每次赋值时**根据右侧的值决定类型。这就是动态类型的直观感受。
### 建立一点性能直觉
用标准库 `timeit` 比较两种写法：手写循环累加 1 到 10000，对比内置函数 `sum()`。读者不必理解代码细节，重点看数值差异：
```python
import timeit
t_loop = timeit.timeit(
"s = 0\nfor i in range(1, 10001):\n s += i",
number=1000,
)
t_sum = timeit.timeit("sum(range(1, 10001))", number=1000)
print(f"手写循环: {t_loop:.4f}s / 1000 次")
print(f"内置 sum: {t_sum:.4f}s / 1000 次")
print(f"差距约 {t_loop / t_sum:.1f} 倍")
```
本机 Python 3.12 实测输出（数值会随机器负载略有波动，量级稳定）：
```text
手写循环: 0.3239s / 1000 次
内置 sum: 0.1210s / 1000 次
差距约 2.7 倍
```
同一个任务，用「语言内置的、经过高度优化的函数」比「手写循环」快 2.5 倍。这给你两个印象：一是「用对工具比手撸快」是 Python 生态的常态；二是同一台机器、不同写法差距可达倍数级，所以**性能一定要用数据说话，不要凭感觉**——这将是第 23 章 profiling 的核心思想。
## 易错点与陷阱
**易错点 1：把「Python 慢」当成万能结论，从而选错学习方向。** 正确姿势是区分场景：CPU 密集的纯 Python 循环确实慢，但工程中大量场景是 I/O 密集或「调用别人的 C 扩展」，这些场景 Python 足够快。如果你因为「网上的性能对比」就绕开 Python 去学底层语言，往往在数据分析和 AI 领域寸步难行——因为那些领域的事实标准就是 Python。性能问题不是入门阶段该焦虑的事（第 23 章再系统解决），入门阶段焦虑性能是浪费时间。
**易错点 2：还在看 Python 2 的教程。** 网上仍有大量历史教程使用 `print "hello"`（Python 2 语法）或基于 Python 2 的第三方库。Python 2 已于 2020 年 1 月停止维护，不再有官方安全更新。判断方法很简单：看到 `print` 后面没有括号直接跟字符串，就是 Python 2 教程，果断换一篇。
**易错点 3：混淆「Python 语言」与「Python 实现」。** Python 是一门语言规范，而 CPython、PyPy、MicroPython 都是它的具体实现。绝大多数情况你用的「Python」指的就是 CPython（官方参考实现，C 语言编写）。很多初学者在论坛看到「PyPy 比 CPython 快」就懵了，其实只是实现不同。这个区分是下一篇文章「解释器与 CPython」的主角，这里先留个印象即可。
## 小结
本文回答了一个问题：为什么学 Python。我们梳理了它的历史定位（1991 年诞生、强调开发效率与可读性）、两个核心运行机制（解释执行与动态类型）、真正的护城河（覆盖数据/AI/Web/自动化的 50 万+ 包生态），并用三个可运行的例子建立了直观感受——包括动态类型的表现和「用对内置函数快 2.5 倍」的性能初体验。最后明确了它的软肋（CPU 密集纯 Python 循环慢、GIL 限制多线程），以及为什么这个软肋在工程实践中通常不致命。下一步，你将把 Python 装到自己的电脑上——那是下一篇文章的任务。
## 练习与思考题
1. 运行 `import this`，挑出你印象最深的三条箴言，试着用自己的话解释它们对写代码的指导意义。（答案导向：如「可读性优先」对应代码要写给别人看；「显式优于隐式」对应不依赖隐式默认行为；「现在优于永远」对应先写出能运行的版本再优化。）
2. 在交互式解释器中定义 `x = 3.14`、`x = True`、`x = "3.14"`，每次用 `type(x).__name__` 查看并说出类型名。（答案：float、bool、str。）
3. 上网查一下 PyPI 上「NumPy」「pandas」「requests」三个包各自的最新版本号，思考为什么这些包的新版本发布频率差别很大。（答案导向：requests 很稳定、极少发版，因为功能稳定；NumPy/pandas 发版频繁，因为数值计算领域在持续演进——生态的活跃度与你选择的依赖稳定性直接相关。）
4. 思考题：同样的累加任务，为什么内置 `sum()` 比手写循环快？提示：`range` 对象与 `for` 循环的解释执行开销。（答案导向：内置函数是编译好的 C 代码，且内部避免了对每个元素做类型检查与字节码调度——细节在第 3 篇讲字节码时会更清晰。）