2 - python - 介绍

python 介绍

Python是一种广泛使用的高级编程语言，以其清晰的语法和代码可读性而闻名。学习难度较低的语言，可以在较短时间就能编写出可以运行的脚本、程序。可以直接使用Python包：直接解决实际问题。

上图使用了os包、re正则表达式包、time时间包。这些现成的工具和框架大幅降低了开发难度，提高了开发效率。开发者可以快速构建原型，进行实验和迭代，从而加速项目进度，节省时间和资源。Python的这种实用性和灵活性，使其成为解决各种复杂问题的首选语言之一。
效率翻倍：Python自动化脚本编写让你工作轻松应对，更快下班陪伴家人

Python语法简洁明了，易于学习和使用，使得编写和维护脚本变得简单。其次，Python具有强大的标准库和第三方库，能够支持各种编程任务，从数据处理到网络编程，几乎无所不能。此外，Python是跨平台的，可以在多种操作系统上运行，无需修改代码。自动化能力也是Python脚本的一大优势，它可以自动化重复性任务，节省时间，提高工作效率。
Python让你获得工作机会：获得职业发展、还可以科学计算：探索数学与编程的结合。

Python是一种广泛使用的编程语言，因其简洁的语法和强大的功能而受到各行各业的青睐。掌握Python可以为你打开众多工作机会的大门，无论是数据科学、人工智能、网络开发还是自动化测试，Python都是这些领域的热门选择。随着技术的发展，对Python开发者的需求不断增长，这为职业发展提供了广阔的空间。此外，Python的跨领域适用性也意味着你可以在不同的行业和项目中积累经验，从而提升自己的技能和市场竞争力，推动个人职业成长。

Python让你可以享受项目上线：程序给多人带来便利的喜悦

Python的易用性和强大的库支持让项目开发变得高效，能够快速实现功能并上线。当一个由Python编写的项目成功部署并被广泛使用时，开发者能够体验到一种独特的成就感。看到自己的工作为他人带来便利，解决实际问题，这种喜悦是难以言表的。Python的灵活性和可扩展性意味着项目可以随着需求的增长而不断进化，持续为用户创造价值。这种持续的创新和改进过程，让开发者和用户都能享受到技术进步带来的快乐。

大家都清楚技术活最吃经验，为了更全面、更方便get到Python的门门道道，作者把近8年遇到的各种Python包使用办法、各种遇到的艰难险阻、例子、技巧、方法甚至长时间才能解决的问题都收集、整理、归类、分类起来，以便后人快速解决、节约时间。

因为文档是独一无二的，作者在遇到问题时会灵活地在恰当的地方插入代码示例、图表和解释，使得文档自学性强，覆盖面广泛。

只需199元，本指南让您以极低的成本——不到7分钱——汲取作者8年的宝贵经验。可能仅仅通过其中的一篇文章，您就能迅速攻克那些以往需耗时1至7天的技术挑战，以如今程序员万元月薪，也是7000-50000倍差距。

把握先机，汲取他人的智慧，加速成为领域精英。立即行动，明智投资自我成长——正当其时

第一个python程序

首先你需要在电脑上成功安装pythonpython安装 - 在线安装或者python安装 - 离线安装。安装完成后可以通过命令行在任意位置运行python xx.py都可以

新建一个后缀名为.py的文件，例如：
run.py

print('Hello World!')

通过命令python run.py，即可看见打印出Hello World!

恭喜你这样便成功地在桌面运行第一个python程序，同理在文件夹里也可以

图中用到的编辑器可以是文本编辑器、VSCode、PyCharm、vi等编辑器
图中用到的命令行：在macOS里是终端Terminal、在Windows是cmd、在Linux是终端

python有自带的方法

python有许多自带的方法，也称内置函数，上文的print就是python的自带方法fun。无需额外安装即可使用的函数。这些方法包括但不限于：

1. len()：获取对象（如列表、字符串、字典等）的长度自带方法 - l = len(xx) - 长度 ->int格式。
2. type()：返回对象的类型自带方法 - t = type(xxx) - 查数据格式。
3. open()：打开并返回文件对象。自带方法 - open() - 读写文件
4. +-*/：加减乘除。数据类型 - int整数 - 1 - +加 -减 *乘 /除 、数据类型 - float浮点数 - 1.0 - +加 -减 *乘 /除
5. range()：生成一个整数序列。自带方法 - 其他自带方法
6. min()、max()：求集合中最小或最大值。
7. sum()：计算可迭代对象的总和。
8. str()、int()、float()：进行类型转换。

这些内置方法为Python编程提供了基本的工具，是日常编程中不可或缺的一部分。

包含基本语法

Python中的数据类型 - List列表 - l = [1,2,3] - 操作是一种内置的数据结构，用于存储有序的元素集合。它可以包含不同类型的数据，如整数、字符串、甚至其他list。List支持通过索引访问元素，提供多种方法如append()、remove()、pop()等来修改list，还支持切片、迭代等操作。List在Python中非常灵活且使用广泛。

Python的自带方法 - data[ ] - 切片是一种获取序列（如列表、元组、字符串）部分元素的操作。切片通过指定起始、结束和步长索引来工作，形式为序列[start:stop:step]。start是切片的开始位置，stop是结束位置（不包含），step是步长。省略start默认从头开始，省略stop默认到末尾，省略step表示步长为1。切片结果是一个新的序列对象，不会改变原序列。

时间处理

Python的datetime自带库 - datetime - 时间库提供了日期和时间处理的基本功能。它允许你轻松地操作日期和时间，包括日期的加减、时间的格式化以及时区的转换。该库包含了date、time、datetime和timedelta等类，支持多种日期和时间的组合操作，非常适合进行日期计算和时间序列分析。

树结构

第三方库 - anytree - 树结构是一个轻量级、可扩展的Python库，专门用于处理树形数据结构。它提供了简单直观的API来创建、遍历、搜索、修改和可视化树结构。Anytree支持多种树节点操作，包括节点的创建、删除、移动和查询，同时还提供了丰富的导入和导出功能，可以将树结构导出为图像或其他格式，便于进一步分析和展示，一般常见于算法，有广度优先搜索、深度优先搜索。

连接数据库

python可以连接很多数据库，有mysql、redis、mongodb、es等连接数据库的包，例如mongodb的PyMongo，第三方库 - pymongo - 操作MongoDB是MongoDB的官方Python驱动程序，用于在Python应用程序中操作MongoDB数据库。它提供了简单的Python类和方法来执行CRUD操作（创建、读取、更新、删除），并支持高级功能，如索引、聚合和复制集操作。通过PyMongo，开发者可以轻松地与MongoDB交互，进行高效的数据存储和查询。

定时任务

python还有定时任务功能。第三方库 - Celery - 定时分布式任务执行是一个强大的分布式任务队列系统，用于异步执行耗时的任务。它基于分布式消息传递，并且专注于实时操作。可以进行隔n分钟执行、固定时间执行、Crontab 命令定时。Celery使用Python编写，但可以与任何语言进行交互，因为它遵循分层设计。它提供了多种队列后端支持，包括RabbitMQ、Redis等。Celery还支持定时任务，可以用于周期性执行任务，如调度。它适用于需要后台处理、异步任务处理和大规模任务队列的应用程序。

数据分析库

有著名的数据分析库，numpy、pandas。Pandas是一个强大的Python数据分析工具库，专为处理表格数据设计。它提供了DataFrame对象，支持数据清洗、处理和分析。Pandas易于使用，能够快速进行数据过滤、分组、运算 - df.agg() - 聚合运算等操作，是数据科学领域的核心库之一。

web应用

web应有有flask、Django等框架，一般来说flask更轻量一点、Django功能完善一点，flask也可以通过添加包来增加功能

基础 - 有蓝图的应用是一个用Python编写的轻量级Web应用框架。它被设计为易于使用和扩展，提供了构建Web应用所需的基本工具和灵活性。Flask没有默认包括数据库抽象层、表单验证或任何其他已经由大量不同的库实现的组件，而是保持核心简单，让开发者自由选择扩展。这使得Flask非常适合小型项目和快速开发，同时它的架构也支持复杂应用的构建。

文件详解是一个高级的Python Web框架，它鼓励快速开发和干净、实用的设计。Django遵循MVC设计模式，提供了ORM、中间件、模板引擎、表单处理、路由系统等众多内置功能，旨在帮助开发者用更少的代码完成更多的工作。它还强调“不要重复自己”的原则，通过重用和扩展组件来构建项目。Django的“电池包含”哲学意味着它自带了许多开箱即用的应用程序，适合快速开发复杂的数据库驱动网站。

python 有庞大的第三方库和释义

Python拥有一个庞大的标准库，这些库覆盖了系统管理、文件处理、网络通信、数据处理等多个领域，为Python程序员提供了强大的基础支持。除了标准库之外，Python社区还开发了大量第三方库，这些库可以通过包管理工具pip进行安装，极大地扩展了Python的功能。以下是一些常用的Python包的简要介绍：

1. NumPy：提供了强大的多维数组对象和矩阵操作功能，是进行科学计算的基础包。

2. Pandas：用于数据分析和处理，提供了DataFrame等数据结构，非常适合处理表格数据。

3. Matplotlib：一个绘图库，可以生成高质量的图表和图形。

4. SciPy：基于NumPy，提供科学计算中常用的工具和算法，如线性代数、信号处理等。

5. Django：一个高级的Web框架，鼓励快速开发和干净、实用的设计。

6. Flask：一个轻量级的Web应用框架，适合构建简单的Web应用。

7. Requests：一个简单易用的HTTP库，用于发送各种HTTP请求。

8. BeautifulSoup：用于解析HTML和XML文档，常用于Web scraping。

9. TensorFlow：由Google开发的开源机器学习框架，适用于深度学习研究和生产。

10. PyTorch：由Facebook开发的开源机器学习库，提供了强大的GPU加速张量计算能力。

11. Scikit-learn：一个简单高效的机器学习库，提供了许多通用的机器学习算法。

12. Seaborn：基于Matplotlib，提供更高级的接口来绘制统计图形。

13. Plotly：一个交互式图表库，可以创建复杂的交互式图表。

14. SQLAlchemy：一个SQL工具包和对象关系映射器，用于数据库操作。

15. Pillow：Python Imaging Library (PIL) 的一个分支，用于图像文件的打开、操作和保存。

16. NLTK：自然语言处理工具包，提供了处理文本数据所需的数据集和算法。

17. Keras：一个高层神经网络API，可以运行在TensorFlow、CNTK或Theano之上。

18. Pygame：一套用于编写游戏的Python模块，提供了图像、声音、视频等多种功能。

19. Celery：一个异步任务队列/作业队列，基于分布式消息传递。

20. Fabric：一个Python库和命令行工具，用于执行系统管理任务。

这些包只是Python生态系统中的一小部分，但它们在各自的领域内都非常有用。Python的包管理工具pip使得安装和管理这些包变得非常简单，这也是Python如此受欢迎的原因之一。通过这些包，Python程序员可以快速构建各种应用程序，从简单的脚本到复杂的Web应用和机器学习模型。

更多第三方包介绍

第三方包指的是世界各地的python工程师、爱好者编写的各种高效率python包，有的免费使用、有的付费使用
这里收集了不少包提供大家参考

这里展示的都是广泛被python工程师、python爱好者使用的第三方包