一、什么是Python
1989 年圣诞节期间，荷兰数学和计算机科学研究学会的Guido van Rossum（吉多.范罗苏姆）决心开发一个新的解释程序，作为 ABC 语言的替代品。这门ABC语言的替代语言被取名为Python,命名来自Guido爱看的的电视剧Monty Python's Flying Circus （蟒蛇马戏团）。
二、什么是 Python（⭐⭐）
Python 是一门解释型语言。
计算机不能识别任何除了机器语言以外的语言，所以必须把程序员编写的程序翻译成机器语言，才能被计算机所执行。
将其他语言翻译成机器语言的工具，被称为 编译器
编译器的翻译的方式有两种：一种是编译，另一种是解释。
两种方式之间的区别在于翻译时间点的不同。
当编译器以解释方式运行的时候，也称之为解释器。
解释型语言编写的程序不进行预先编译，以文本方式存储程序代码，会将代码一句一句的直接运行。在发布程序时，看起来省了道编译工序，但是在运行程序的时候，必须先解释再运行。
三、Python 的版本
- 1991年，第一个 Python 解释器诞生。它是用 C 语言实现的，并能够调用 C 库文件。
- 2000年10月发布Python 2.0 版本
- 2008年 12 月发布 Python 3.0 版本
- 2014年 11 月发布消息：Python 2.7 将在 2020 年停止支持并且不再发布 2.8 版本
Python 2.7 版本：这是Python 2系列的最后一个版本，于2020年停止维护。尽管它不再推荐用于新项目，但仍有一些旧项目在使用它。Python 2.7的优点包括稳定性和广泛的库支持，但缺点是默认使用ASCII编码，不支持Unicode，且整数除法会自动四舍五入。
Python 3.x 版本：从2008年开始发布，包括许多语言和库的改进，但不兼容Python 2.x。Python 3引入了许多重要的改进，如对Unicode编码的支持、整数除法的改进等。
Python 3 是现在和未来的主流版本。
Python 3.0 在设计的时候没有考虑向下兼容。
本笔记是以 Python 3.11 为基准的。
Python 3.11 其中的一个特性是：更详细的错误信息。
四、Python 的特点
简单易学：Python 官方提供有详细的说明文档，Python 语言结构简单，易于阅读、更易理解。
免费开源：Python 是 FLOSS（自由/开发源码软件）之一。使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。
面向对象：Python 是完全面向对象的语言。函数、模块、数字、字符串都是对象。并完全支持继承、重载、派生、多继承，有益于增强代码的复用性。
可扩展性：如果需要一段关键代码运行得更快或者希望某些算法不公开，可以部分程序用 C 或 C++ 编写，然后在 Python 程序中使用它们。Python 程序可以用多种形式与其他编程语言编写的程序组合在一起，因此 Python 也被称为 “胶水”语言。
丰富的库：Python 库非常强大，覆盖网络、文件、GUI、数据库、文本等操作。很多功能开发不必从零编写，直接使用现场的库即可。
跨平台（可移植性）：Python 编写的程序可以在各个平台上运行，WIndows、Linux、Unix 等，只需要在不同的平台上安装对应的 Python 解释器即可。
五、Python 的应用领域
自动化运维：包括系统自动化管理（自动化配置、部署、更新、备份、监控等）、网络自动化管理（网络拓扑图绘制、设备配置、故障诊断、流量监控等）、数据自动化管理（自动化数据采集、处理、分析、可视化等）、应用自动化管理（自动化应用部署、测试、维护、升级等）
科学计算：Python 中有现成的第三方科学计算库以便于完成科学计算的任务。
Web 开发：Python 中有比较成熟的 Web 框架，比如 Django、Flask、Tornado等，可以快速搭建企业级Web应用。
大数据：使用Python 可以快速高效的对海量数据进行数据清洗、数据变换、数据分组、数据聚合计算，甚至是调用接口基于大数据集群进行数据并行处理。
人工智能：Python 是人工智能领域的首选语言。Python 在人工智能领域内的机器学习、神经网络、深度学习等方面都是主流的编程语言。例如：AlphaGO 的实现原理是Python 的深度学习，基于Python 深度学习框架 Tensorflow 开发。
爬虫开发：Python 可以将网络数据作为资源，通过自动化程序进行有针对性的数据采集及处理。从事该领域应学习 爬虫策略、高性能异步IO、分布式爬虫等，并针对 Scrapy 框架源码进行深入剖析，从而理解其原理并实现自定义爬虫框架。
数据分析：Python 是数据分析的主流语言之一。可以结合丰富的科学计算、机器学习等第三方库，对数据进行清洗、去重、规格化和针对性分析。
