各位同学，大家好！欢迎来到 Python 课程。在本次课程中，首先我们会探讨 “什么是 Python”，让大家对这门编程语言有基本认知；接着分析 “为什么要学习 Python”，了解它的价值与应用场景；也会客观阐述 “Python 的缺点有哪些”，做到全面认识；还会讲解 “如何下载 Python”，助力大家完成学习前的准备；最后，会为大家介绍 “本课程包含什么内容”，让大家明确学习方向。希望大家能在课程中有所收获。

1. 什么是 Python？

现在，我们来了解一下 “什么是 Python”。

首先，Python 是一种解释型的高级通用编程语言。可能有同学会说，“解释型”“高级”“通用” 这些词不太懂，没关系，大家先记住，它就是一门编程语言就好啦。

那 Python 是怎么来的呢？吉多・范罗苏姆在 20 世纪 80 年代末开始研究 Python，它的设计理念很注重代码的可读性，这一点通过显著的缩进方式就能体现出来，缩进在 Python 代码里可是很关键的哦。

另外，Python 有不同的版本，Python 2 在 2020 年随着版本 2.7.18 停止维护了。而在咱们这个课程里，我们要学习的是 Python 3，这也是现在更常用的版本。

大家知道，大多数现代操作系统，像咱们常用的 Windows、Linux 等，都是用 C 语言编写的。那受这个影响呀，现代高级编程语言的编译器或者解释器，也通常是用 C 语言来写的。Python 自然也不例外，它最流行、最 “传统” 的实现版本，叫做 CPython，就是用 C 语言编写的。

再说说 Python 自带的标准库，这里面大部分是用 Python 自己的语言编写的，但还有其他一些部分，要么是用 C 语言编写的，要么在内部使用了 C 语言的库。这样的设计，能让 Python 在保证自身特性的同时，也能借助 C 语言的优势，提升性能等方面的表现。

2. 为什么学习 Python？

使用 Python 有几个优势。

① Python 易于学习。

例如，要编写一个实现 10 + 5 功能的相同程序，Python 最多只需要 4 行代码，而 Java 或 C 语言则需要多得多的代码行。

• Java。

public class Main {
    public static void main(String[] args) {
        int a = 10;
        int b = 5;
        int result = a + b;
        System.out.println(result);
    }
}

• Python。

a = 10
b = 5
result = a + b
print(result)

② Python 具有表达力。

所谓有表达力，是指我们可以用几行代码来表达我们想要实现的功能。例如，交换两个变量的值时，Python 和其他语言的差异如下所示。

• Java。

尽管这一点也不复杂，但有经验的程序员也得花几秒钟阅读并理解这 3 行代码的用途。

int tmp = var1;
var1 = var2;
var2 = tmp;

• Python。

var2, var1 = var1, var2

在完成 Python 基础概念的学习后，本节课程将聚焦 Python 的三大核心优势展开讲解。这些优势不仅是 Python 区别于其他编程语言的关键特征，也是其在各领域广泛应用的重要支撑。

③ Python 具有可读性。

Python 具备出色的可读性。需要明确的是，编程语言并非仅为计算机设计，其同时需满足人类对代码的理解与协作需求。Python 的语法设计遵循 “简洁直观” 原则，代码结构清晰且贴近自然语言逻辑，有效降低了人类阅读与理解的门槛。从实际应用角度来看，若编程语言可读性不足，会导致代码调试过程中问题定位难度增加 —— 无论是团队协作中他人协助排查问题，还是个人后续对代码的维护与迭代，均需耗费大量时间梳理逻辑。而 Python 凭借高可读性，显著提升了代码调试效率，同时降低了长期维护的成本，为开发工作提供了便利。

④ Python 有一个庞大的内置功能库。

Python 拥有庞大的内置功能库。这一特性为开发者提供了丰富的工具支持，极大减少了重复开发工作。在实际开发场景中，诸如自动发送电子邮件、搭建 Web 应用、操作数据库、与操作系统交互、发送 HTTP 请求及开发图形用户界面（GUI）等常见需求，Python 内置功能库均已提供成熟的代码模块。开发者无需从零构建相关功能，只需通过调用对应模块即可快速实现需求，既节省了开发时间，也降低了代码出错概率，有效提升了开发效率。

⑤ Python 是一种跨平台语言。

Python 具备跨平台特性。这一特性意味着 Python 代码在不同操作系统环境下，无需进行大量修改即可正常运行。目前，Python 已实现对 Windows、UNIX、Linux 及 Mac 等主流操作系统的兼容。在实际应用中，开发者在某一操作系统（如 Windows）上编写的 Python 代码，可直接在其他操作系统（如 Linux、Mac）上运行，无需针对不同系统单独适配代码。这一特性不仅提升了代码的复用性，也为团队协作中多设备开发、跨环境部署提供了便利，进一步降低了开发与运维成本。

⑥ Python 是开源的。

“开源” 即开放源代码，这意味着 Python 的源代码对所有用户公开。从实际应用角度来说，若大家有特定的功能需求或优化方向，在遵循相关开源协议的前提下，完全可以对 Python 的源代码进行修改与定制，使其更贴合自身的使用场景。同时，这一特性也为大家深入学习 Python 提供了便利：如果大家对 Python 底层的工作原理，比如代码的执行逻辑、功能模块的实现方式等感兴趣，就可以直接查阅其公开的源代码，通过研读源代码来透彻理解其运行机制，这对于提升大家的编程思维与技术深度具有重要意义。

⑦ Python 的应用十分广泛。

Python 的应用领域十分广泛，已渗透到多个行业与技术方向。在数据与算法相关领域，它被广泛应用于金融分析 —— 可用于处理金融数据、构建分析模型以辅助投资决策；在统计学领域，能高效完成数据统计、分析与可视化工作。而在当前热门的人工智能领域，Python 更是核心编程语言：在机器学习、深度学习等关键方向，大量的算法实现与项目开发都依赖 Python；同时，像 Keras、TensorFlow 等主流的人工智能框架，也均以 Python 作为主要的开发与调用语言。基于此，对于希望进入人工智能领域发展的同学而言，提前掌握 Python 的相关知识与技能是十分必要的，它将为后续深入学习人工智能技术奠定坚实的基础。

3. Python 的缺点有哪些？

在全面认识 Python 的优势后，下面将客观分析 Python 的三个主要缺点，帮助大家建立对这门语言的完整认知，以便在实际开发中做出更合适的技术选择。

首先，Python 的运行速度相对较慢，这一点主要是相较于 C 语言等编译型语言而言。编译型语言在执行前会经过编译过程，直接将源代码转换为机器码 —— 而机器码是计算机 CPU 能够直接读取并执行的底层指令，因此执行效率极高。但 Python 属于解释型语言，它不需要提前编译，而是在运行时由解释器逐行将代码转换为机器码并执行。这一特性导致 Python 的整体执行速度，无法与 C 语言或其他编译型语言相比，在对运行效率要求极高的场景（如高频交易、大型游戏引擎开发）中，这一缺点会更为明显。

其次，Python 的内置库规模不及 C 语言或 Java。核心原因在于 Python 是一门相对较新的编程语言，其发展历程短于 C 语言、Java 等传统编程语言，在长期的生态积累上存在一定差距。不过需要说明的是，Python 的社区生态发展十分迅速，目前其内置库与第三方库的组合，已能满足绝大多数日常开发需求，如数据处理、Web 开发、人工智能等场景，因此这一缺点在实际应用中对多数开发者影响有限。

最后，Python 对移动设备的支持较为有限。当前主流的商业移动应用开发，无论是 iOS 端还是 Android 端，都有成熟的专属开发语言与框架（如 iOS 的 Swift、Android 的 Kotlin）。而 Python 在移动应用开发领域，缺乏完善的生态支持与优化，开发出的应用在性能、兼容性、用户体验等方面，较专属语言开发的应用存在差距。因此，若大家的需求是开发商业移动应用，Python 并非理想选择。

4. 如何下载 Python？

在正式开始 Python 编程学习前，我们需要先完成 Python 的下载与环境准备工作。接下来，我会为大家详细说明具体的下载渠道与推荐方案。

首先，大家可以通过 Python 的官方网站下载安装包，官网地址是 https://www.python.org 。在官网中，大家可以根据自己的操作系统，选择对应版本的 Python 安装程序，按照提示完成基础安装。对于Windows 系统用户，在下载相关工具时，可能需要从微软应用商店获取对应安装包，以确保工具与系统的兼容性；而macOS 系统用户需要注意，部分 macOS 设备的操作系统在出厂时可能已预装 Python，可直接使用。

不过需要特别说明的是，从学习与后续开发的便利性角度出发，使用 Anaconda 工具会是更优的选择。请访问 https://www.anaconda.com，来下载完整的开发套件。Anaconda 不仅集成了 Python 解释器，还预装了大量常用的数据分析、科学计算类库（如 NumPy、Pandas），能帮大家省去后续手动安装各类库的繁琐步骤，快速搭建起完整的 Python 开发环境，尤其适合初学者和需要进行数据相关开发的同学。

那接下来，我们分别就 Windows 系统和 macOS 系统来讲解 Python 环境的搭建过程。

（1）Windows 系统

① 下载 Anaconda。

Anaconda 除了内置完整的 Python 解释器外，还集成了大量常用的科学计算与数据分析工具，为开发者提供了一站式的开发环境。通过 Anaconda，用户不仅可以快速搭建 Python 编程环境，还能直接使用诸如 NumPy、Pandas、Matplotlib、Scikit-learn 等主流数据科学库，同时还内置了 Jupyter Notebook、Spyder 等交互式开发与可视化工具，大大提升了数据处理与模型构建的效率。

• 通过百度“搜索 anaconda 官网”，点击链接进入官网。

• 或者直接访问“http://www.anaconda.com”。

• 点击首页的“Free Download”链接，进入下载页面，点击“Get Started”按钮。

• 下载前通过 Email 注册用户，或者通过“Google”“Microsoft”“GitHub”等已有账号登录。

• 登录成功后，打开下载入口页。页面将自动识别你的操作系统，并提供专属的 “Download” 下载按钮。

• 点击该按钮，即可直接下载 Windows 安装包。

• 下载完成后，会在本地看到下载的.exe文件，如下图。

② 安装 Anaconda。

• 双击 .exe 文件，打开安装向导，开始安装。

• 安装完毕后，可以在 Windows 下搜索 Anaconda Navigator，即可找到安装的应用。

• 单击打开 Anaconda Navigator 首页，在这里看到众多的 Python 开发的工具、库等资源。

• 安装完 Anaconda 以后，打开“命令提示符”，在终端输入以下命令，即可看到已经安装的 Python 版本。

python --version

③ 下载 Visual Studio Code。

下载 VS Code 编辑器的具体实现步骤如下。

• 打开浏览器并访问 VS Code 编辑器的官方网站。

• 单击 “Download for Windows” 按钮可以下载适用于 Windows 操作系统的 VS Code 安装包。如果需要下载适用于其他操作系统的 VS Code 安装包，单击 “other platforms” 链接，即可打开 Visual Studio Code 的下载页面。

下载 VS Code 编辑器安装包后，在下载目录中找到该安装包。

④ 安装 Visual Studio Code。

• 双击图标，启动安装程序，然后按照程序的提示一步一步进行操作，直到安装完成。

• 将 VS Code 编辑器安装成功后，启动该编辑器，即可进入 VS Code 编辑器的初始界面。

④ 安装 Visual Studio Code 扩展。

• 完成 VS Code 编辑器的安装后，默认语言为英文。如需切换为中文，需要安装中文语言扩展，具体实现步骤如下。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “chinese” 找到中文语言扩展，单击 “Install” 按钮进行安装，如下图所示。

• • 安装成功后，需要重新启动 VS Code 编辑器，中文语言扩展才可以生效。重新启动 VS Code 编辑器后。VS Code 编辑器的中文界面如下图所示。

• • 点击 “打开文件夹”按钮，打开 c:\python-code 文件夹。

• 安装 Code Runner 扩展，搭建 Python 代码运行环境。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “Code Runner” 找到相应扩展，单击 “安装” 按钮进行安装，如下图所示。

• 安装 autopep8 扩展，实现 Python 代码格式化。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “autopep8” 找到相应扩展，单击 “安装” 按钮进行安装，如下图所示。

• • 单击上图左侧边栏中“

    

    ” 图标按钮打开设置菜单，单击设置项，如下图所示。

• • 在打开的设置窗口中的 Format On Save 选项中勾选，如下图所示。

• • 在设置窗口的搜索框中输入如下关键字：

@lang:python pyhton

• • 在 Default Folding Range Provider 下拉选项中，选择 autopep8，如下图所示。

• • 重新 VS Code

• • 在 c 盘跟目录下创建 python-code 目录，在 VS Code 中打开此文件夹。
  • 创建 try.py 文件，编写如下代码：

print(10 + 20)
  print(3 + 5)
print(10 -6)

• • 保存代码，会发现-6的减号和6之间自动加上空格；缩进代码的语法错误也自动修复。

至此，Windows 系统的 Python 开发环境的搭建就完成了。

（2）macOS 系统

① 下载 Anaconda。

Anaconda 除了内置完整的 Python 解释器外，还集成了大量常用的科学计算与数据分析工具，为开发者提供了一站式的开发环境。通过 Anaconda，用户不仅可以快速搭建 Python 编程环境，还能直接使用诸如 NumPy、Pandas、Matplotlib、Scikit-learn 等主流数据科学库，同时还内置了 Jupyter Notebook、Spyder 等交互式开发与可视化工具，大大提升了数据处理与模型构建的效率。

• 通过百度“搜索 anaconda 官网”，点击链接进入官网。

• 或者直接访问“http://www.anaconda.com”。

• 点击首页的“Free Download”链接，进入下载页面，点击“Get Started”按钮。

• 打开 Anaconda 的下载页面后，系统会自动识别当前操作系统，并在页面上显示相应的 “Download for Mac” 按钮。请根据电脑的芯片类型（Intel 或 Apple Silicon）选择匹配的安装包进行下载。

• 下载完成后，会在本地看到下载的 .pkg 文件，如下图。

② 安装 Anaconda。

• 双击 .pkg 文件，打开安装向导，开始安装。

• 安装完 Anaconda 以后，打开“命令提示符”，在终端输入以下命令，即可看到已经安装的 Python 版本。

python --version

③ 下载 Visual Studio Code。

下载 VS Code 编辑器的具体实现步骤如下。

• 打开浏览器并访问 VS Code 编辑器的官方网站。

• 进入下载页面开始下载。

• 下载完毕后，解压 .zip 文件，即可获得“Visual Studio Code.app”的执行文件。

④ 启动并安装 Visual Studio Code 扩展。

• 单击“Visual Studio Code.app”，启动 VS Code，如下图所示。

• 完成 VS Code 编辑器的安装后，默认语言为英文。如需切换为中文，需要安装中文语言扩展，具体实现步骤如下。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “chinese” 找到中文语言扩展，单击 “Install” 按钮进行安装，如下图所示。

• • 安装成功后，需要重新启动 VS Code 编辑器，中文语言扩展才可以生效。重新启动 VS Code 编辑器后。
  • 在 /Users/felixlu/Desktop/workspace 目录下创建 python-code 目录，在 VS Code 中打开此文件夹。

• • 点击 “打开文件夹”按钮，打开 python-code 文件夹，在该目录下创建 try.py 文件。

• 安装 Code Runner 扩展，搭建 Python 代码运行环境。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “Code Runner” 找到相应扩展，单击 “安装” 按钮进行安装，如下图所示。

• 安装 autopep8 扩展，实现 Python 代码格式化。

• • 单击上图左侧边栏中 “

    

    ” 图标按钮进入扩展界面，然后在搜索框中输入关键词 “autopep8” 找到相应扩展，单击 “安装” 按钮进行安装，如下图所示。

• • 单击上图左侧边栏中“

    

    ” 图标按钮打开设置菜单，单击设置项。

• • 在打开的设置窗口中的 Format On Save 选项中勾选，如下图所示。

• • 在设置窗口的搜索框中输入如下关键字：

default formatter

• • 在 Default Folding Range Provider 下拉选项中，选择 autopep8，如下图所示。

• • 重新 VS Code

• • 在 try.py 文件中编写如下代码。

print(10 + 20)
  print(3 + 5)
print(10 -6)

• • 保存代码，会发现-6的减号和6之间自动加上空格；缩进代码的语法错误也自动修复。

至此，macOS 系统的 Python 开发环境的搭建就完成了。