Day01 · Python 简介与生态

Day01 · Python 简介与生态

阶段：阶段一 · 核心基础　|　前置：无　|　技术基准：Python 3.15.0

学习目标

• 了解 Python 是什么、为什么叫"Python"以及它的发展历史
• 掌握 Python 的主要应用领域与特点，知道"它能做什么、不能做什么"
• 理解 Python 之禅（The Zen of Python）的核心思想
• 了解 Python 3.15.0 的新特性与版本演进趋势
• 建立本课程"核心基础 → 进阶 → 应用 → AI → 量化"的整体学习路线

一、Python 是什么

Python 是一门解释型、面向对象、动态类型的通用程序设计语言，由荷兰程序员 Guido van Rossum（吉多·范罗苏姆）于 1989 年圣诞节期间开始设计，1991 年发布第一个公开版本。

"Python"这个名字并非来自蛇，而是来自 Guido 喜欢的一出英国喜剧《Monty Python's Flying Circus》（巨蟒剧团之飞翔马戏团）。所以 Python 的官方 Logo 虽然常被画成两条蛇，但命名的本意是"戏剧、有趣"。这也是 Python 社区文化轻松活泼的原因之一——官方文档里大量使用"spam""eggs"作为示例变量名，就是致敬这部喜剧。

1.1、Python 与编译型语言的区别

特性	Python	C / Java（编译型）
执行方式	解释执行（源码 → 字节码 → 解释执行）	编译成机器码/字节码后执行
开发速度	快，适合快速迭代	相对慢
运行速度	相对较慢（可用 C 扩展加速）	快
变量类型	动态类型（运行时确定）	静态类型（编译期确定）
应用场景	AI、数据分析、Web、自动化、爬虫、量化	系统软件、高性能计算、Android/嵌入式

Python 常被称为"胶水语言"：它擅长把 C/C++ 写的高性能模块、其他系统（数据库、操作系统命令、Web 服务）粘合在一起，用最少的代码完成最多的编排工作。

二、Python 的发展历史

• 1991 年：Guido 发布 Python 0.9.0，已包含类、函数、异常、列表等核心概念。
• 1994 年：Python 1.0 发布，引入 lambda、map、filter。
• 2000 年：Python 2.0 发布，引入列表生成式、垃圾回收。
• 2008 年：Python 3.0 发布，这是一次不向后兼容的重大版本升级（print 变成函数、字符串统一为 Unicode、xrange 合并为 range 等）。此后 Python 2 与 3 长期并行。
• 2020 年 1 月：Python 2 官方停止维护（EOL），官方宣布"Python 2 已退休"。
• 2021 年：Python 3.10 发布，引入 match 语句（结构化模式匹配）。
• 2023 年：Python 3.12 发布，移除 distutils，性能进一步提升。
• 2024 年：Python 3.13 发布，引入自由线程（free-threading）实验性支持、JIT 编译器原型。
• 2025 年：Python 3.14 发布。
• 2026 年：Python 3.15.0 发布，延续每年一个版本的节奏，持续进行性能优化与标准库现代化（本课程所有示例均基于 Python 3.15.0）。

小嘉提醒：网上大量旧教程（尤其是 2010 年前后出版的）还在教 xrange、raw_input、print "hello" 这类 Python 2 写法。在 Python 3.15 里这些已经不存在，本课程凡涉及此类内容都会明确标注"（Python 2 遗留，已移除）"，请以本课程写法为准。

三、Python 的应用领域

3.1、主要应用领域

1. Web 开发：Django、Flask、FastAPI 等框架，知乎、豆瓣等早期就是用 Python 构建的。
2. 网络爬虫：requests、BeautifulSoup、Scrapy，批量采集公开数据。
3. 数据分析：NumPy、Pandas、Matplotlib，处理表格、金融数据、实验数据。
4. 人工智能 / 机器学习：scikit-learn、TensorFlow、PyTorch，AI 领域事实上的第一语言。
5. 自动化运维：批量管理服务器、Ansible、DevOps 工具链。
6. 量化交易：金融数据处理、策略回测、自动交易（本课程最后一阶段）。
7. 自动化测试：Selenium、pytest。
8. 科学计算：NumPy、SciPy、SymPy，与 MATLAB 对标。
9. 游戏与图形：Pygame、PIL/Pillow 图像处理。

3.2、使用 Python 的公司

公司/产品	用 Python 做什么
Google	搜索引擎基础设施、爬虫、内部工具
豆瓣	早期整个网站后端基于 Python
知乎	早期核心业务逻辑
Dropbox	桌面客户端核心逻辑
Instagram	后端服务（Django）
国内互联网大厂	数据分析、算法、自动化平台普遍使用 Python

四、Python 的特点

4.1、语言层面

• 简洁优雅：用缩进（而不是 {}）组织代码块，强制可读性。官方哲学是"优雅、明确、简单"。
• 解释执行：写完就能跑，适合快速原型。
• 动态类型：变量不需要声明类型，x = 1 之后 x = "hi" 也合法。
• 强类型："1" + 1 会直接报错，不会偷偷帮你转换（与 JavaScript 不同）。
• 面向对象：一切皆对象，类、继承、多态、魔术方法齐备。
• 跨平台：同一份代码可在 Windows / macOS / Linux 运行。
• 丰富的标准库：官方自带的"电池"覆盖文件、网络、邮件、压缩、并发、测试等场景（本课程 Day22 专门讲）。

4.2、生态层面

• 第三方库数量全球第一梯队：PyPI（Python Package Index）上超过 50 万个包。
• 安装一条命令：pip install 包名。
• 社区活跃，AI/数据领域几乎全部先出 Python 版本。

五、Python 之禅（The Zen of Python）

在交互式环境里输入下面两行，就能看到 Tim Peters 写的《Python 之禅》（PEP 20）：

import this

输出（英文原文）开头几条：

Beautiful is better than ugly.
Explicit is better than implicit.
Simple is better than complex.
Complex is better than complicated.
Readability counts.
There should be one-- and preferably only one --obvious way to do it.
Now is better than never.

小嘉把它翻译成几句白话，作为写 Python 的指导思想：

• 美胜于丑，明确胜于隐晦：代码首先是给人读的，其次才是给机器执行的。
• 简单胜于复杂：能用简单方案就不要堆复杂方案。
• 可读性很重要：缩进、命名、注释都要让人一眼看懂。
• 最好只有一种显而易见的做法：Python 风格强调一致性。
• 现在就做，胜过永远不做：先跑起来，再优化。

六、Python 3.15.0 新特性一览

Python 3.15.0 延续了 3.13 以来的演进方向，本课程采用它作为技术基准，以下特点会在后续各天展开：

1. 性能持续优化：解释器核心、标准库的运算速度在逐年版本中不断提升。
2. 自由线程（free-threading）演进：从 3.13 开始的"无 GIL"实验性构建继续完善，多线程并行能力是 Python 未来的重要方向（Day26 会详细讲 GIL 问题）。
3. 类型提示能力增强：str | None（PEP 604）等现代写法在 3.15 完全成熟，配合 typing 模块可以做更精细的类型标注（Day18 讲函数注解）。
4. 标准库现代化：pathlib、zoneinfo、tomllib 等现代模块成为首选；旧模块（如 distutils）自 3.12 起已被移除，打包统一走 setuptools/pyproject.toml（Day21 讲）。
5. 语法层面保持稳定：match 语句（3.10+）、海象运算符（3.8+）、f-string（3.6+）等现代语法均完整支持。

查看某个版本最权威的资料是官方文档：https://docs.python.org/3/whatsnew/ （What's New 栏目，逐年记录每个版本的新特性）。

七、如何学习：本课程学习路线

《跟小嘉学习 Python 程序设计》共 55 天，分为七个阶段，逐级递进：

阶段	天数	内容
阶段一 核心基础	Day01 ~ Day24	环境搭建、虚拟环境入门、语法、字符串、流程控制、序列、函数、面向对象、模块、标准库、异常、文件
阶段二 进阶	Day25 ~ Day32	正则、多线程/多进程/协程、Socket 网络、MySQL/SQLite/NoSQL、邮件、设计模式
阶段三 常用应用	Day33 ~ Day40	NumPy、Pandas、Matplotlib、数据分析实战、Flask、Django、FastAPI、运维自动化
阶段四 爬虫	Day41 ~ Day44	requests/BeautifulSoup、Scrapy、下载工具实战、反爬与数据采集
阶段五 机器学习	Day45 ~ Day48	sklearn 基础、分类回归、聚类降维、综合案例
阶段六 深度学习	Day49 ~ Day52	神经网络基础、TensorFlow/Keras、PyTorch、视觉与 NLP
阶段七 量化交易	Day53 ~ Day56	金融数据分析、可视化与时间序列、选股策略、回测风控与综合项目
阶段八 扩展专题	Day57~Day79	数据库监控、yolo 目标识别、python 测试基础、Web自动化测试实战、虚拟环境和pip依赖管理、GUI开发、Tui开发等技术

学习建议（小嘉的经验）：

• 每天动手：只看不敲等于没学，每个代码示例都亲手运行一遍。
• 先跑通再深究：第一天先把环境装好（Day02），后面所有代码都能跑。
• 练习必做：每章末尾的练习题是巩固的关键，做不出来就回头看对应小节。
• 善用帮助：遇到函数不懂，help(函数名) 比翻网页快（Day04 讲）。

练习题

1. 用自己的话说一说：Python 3 与 Python 2 最重要的区别是什么？（提示：print、编码、range/xrange）
2. 打开命令行，输入 python 进入交互模式，再输入 import this，把输出的《Python 之禅》里你最认同的一条抄下来，并说说理由。
3. 在交互模式里计算 1 + 2 * 3 和 "Python" * 3，观察结果，猜一猜字符串乘法是什么意思。
4. 想一想：你希望用 Python 做什么？（Web、爬虫、数据分析、AI、量化……）把它写下来，作为 55 天课程结束时验收的目标。
5. 上网查一下 Python 官网（www.python.org）首页目前显示的最新版本号，对照本课程采用的 3.15.0，说说版本演进趋势。

小结

• Python 是解释型、动态类型、面向对象的通用语言，号称"胶水语言"，适合快速开发与数据/AI 场景。
• 名字来自喜剧《Monty Python's Flying Circus》，与蛇无关。
• Python 2 已于 2020 年停止维护，本课程所有内容基于 Python 3.15.0，Python 2 写法一律标注并剔除。
• 应用领域：Web、爬虫、数据分析、AI、自动化运维、量化交易全覆盖。
• 核心思想《Python 之禅》：可读性优先、简单优于复杂、明确优于隐晦。
• 本课程 55 天七个阶段，从基础一路走到量化交易，按天推进、每天动手。

扩展阅读

• 官方 Python 文档：https://docs.python.org/3/
• PEP 20（Python 之禅）：https://peps.python.org/pep-0020/