python基础回顾（一）

之前在不同时间段接触过Java、C/C++、C#等语言，但是止步于基础语法，仅仅会编写简单几十行代码，后面又学习了python。回顾python的基础，我将记录自己初学中没有在意的、没有记住的或者没有弄明白的知识点，记录下来以方便后续学习。这一部分主要讲述：解释型语言的原理及特点、Anaconda的安装和配置（顺便介绍了lib和script文件夹）、pip和conda命令的区别

• python是一种解释型语言（文中内容参考这里）

学python的第一天，一句话一定会看到“python是一种解释型语言”，那么什么是解释型语言。

计算机不能直接的理解高级语言，只能直接理解机器语言，所以必须要把高级语言翻译成机器语言，计算机才能执行高级语言的编写的程序。翻译的方式有两种，一个是编译，一个是解释。两种方式只是翻译的时间不同。解释型语言是指它常用的执行机制是使用一个“解释器”来执行，解释器对于程序是一句一句“翻译”成机器语言来一句一句执行。

Java和python都是解释型语言。区别如下：

总结：（参考这里）

1、原理：C/C++等编译型语言要首先将代码全部写完，然后再通过某个编译器生成一个二进制的可执行文件（*.exe）；python是翻译一句执行一句，不需要将全部代码写完，运行的不一定是完全的二进制内容，因为它是边解释（成二进制），边运行。所以当它执行看出效果的时候，程序后半部分还不一定解释成二进制呢。所以它是“三心二意”的做事，速度没有前者快。如此一来，python的代码修改更灵活，可以快速部署，不需要停机维护，但是缺点是每次运行的时候都要解释一遍，速度上不如编译型语言。

2、可移植性: 编译型语言是运行二进制内容，所以：一旦CPU指令系统改变，之前的二进制文件可能运行不了。比如：如果到其他硬件平台上运行，就可能出现错误，就需要根据该平台重新编译出新的二进制文件。所以：可移植性差；而解释型语言则不然。它并没有实现弄成什么二进制内容，而是在需要的时候才开始编译、运行。

3、软件升级方便：编译型语言弄出来的二进制文件如果要升级，自然要重新下载一个新的二进制文件了。所以重新下载，安装，覆盖是最大的特点。比如QQ的升级，就是要重新下载，重新安装，重新覆盖，等个半天，而且很耗费CPU资源，体验性就不大好；而解释型的语言，只要重新写好源代码即可。用户提要到最新效果，只要刷新一下即可。所以体验性好。比如：某网站平台升级了，用户只要重新刷新一下.

 

4、应用于网站等领域：编译型语言应用领域通常是那些安装软件，如：桌面上的那种安装软件；解释型的语言的应用领域通常是：互联网，网站等，那种刷新了一下就可以看到最新效果的领域。

 

5、可扩展：如果你需要一段运行很快的关键代码，或者是想要编写一些不愿开放的算法，你可以使用C或C++完成那部分程序，然后从你的Python程序中调用。

 

• Anaconda的安装和虚拟环境的配置
  

1、Anaconda是一个科学计算环境，当在电脑上安装好Anaconda以后，就相当于安装好了Python，还有一些常用的库，如numpy，scrip，matplotlib等库。建议是先安装Anaconda，再安装pycharm。

Anaconda中可以设置虚拟环境，在envs文件夹下可以同时存在python2.x和3.x等版本，在pycharm中使用时可以直接选择环境，非常方便。Anaconda的安装和使用的可以参考链接，该链接上也介绍了虚拟环境的创建和管理以及如何与pycharm连接等，具体不再赘述。

2、Anaconda安装之后，需要添加的路径有三个（以我的为例子）：D:Anaconda3;   D:Anaconda3Scripts;   D:Anaconda3Libraryin 

3、项目结构如下图， 这里有我们很熟悉的python.exe和python.exe, 也就是Python解释器。这两个的区别是python.exe在运行程序的时候，会弹出一个黑色的控制台窗口，具体区别可参照链接。

　　除此之外还有个很重要的东西, Lib, 也就是python包文件, 包括自带的包和第三方包。

• Anaconda、conda、pip、virtualenv的区别（参考链接）

Anaconda

Anaconda是一个包含180+的科学包及其依赖项的发行版本。其包含的科学包包括：conda, numpy, scipy, ipython notebook等。

conda

(1)conda是包及其依赖项和环境的管理工具。
(2）适用语言：Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。(3）适用平台：Windows, macOS, Linux
(4）用途：
      快速安装、运行和升级包及其依赖项。
      在计算机中便捷地创建、保存、加载和切换环境。
(5）conda为Python项目而创造，但可适用于上述的多种语言。
(6）conda包和环境管理器包含于Anaconda的所有版本当中。

 如果你需要的包要求不同版本的Python，你无需切换到不同的环境，因为conda同样是一个环境管理器。仅需要几条命令，你可以创建一个完全独立的环境来运行不同的Python版本，同时继续在你常规的环境中使用你常用的Python版本。——conda官方网站

pip

（1）pip是用于安装和管理软件包的包管理器。
（2）pip编写语言：Python。
（3）Python中默认安装的版本：
        Python 2.7.9及后续版本：默认安装，命令为pip
        Python 3.4及后续版本：默认安装，命令为pip3

④ virtualenv

（1）virtualenv：用于创建一个独立的Python环境的工具。
（2）解决问题：
        1、当一个程序需要使用Python 2.7版本，而另一个程序需要使用Python 3.6版本，如何同时使用这两个程序？
        2、如果将所有程序都安装在系统下的默认路径，如：/usr/lib/python2.7/site-packages，当不小心升级了本不该升级的程序时，将会对其他的程序造成影响。
        3、如果想要安装程序并在程序运行时对其库或库的版本进行修改，都会导致程序的中断。
        4、在共享主机时，无法在全局site-packages目录中安装包。
（3）virtualenv将会为它自己的安装目录创建一个环境，这并不与其他virtualenv环境共享库；同时也可以选择性地不连接已安装的全局库。

pip 与 conda 比较

→ 依赖项检查

    pip：
        （1）不一定会展示所需其他依赖包。
        （2）安装包时或许会直接忽略依赖项而安装，仅在结果中提示错误。
    conda：
        （1）列出所需其他依赖包。
        （2）安装包时自动安装其依赖项。
        （3）可以便捷地在包的不同版本中自由切换。

→ 环境管理
    pip：维护多个环境难度较大。
    conda：比较方便地在不同环境之间进行切换，环境管理较为简单。

→ 对系统自带Python的影响
    pip：在系统自带Python中包的**更新/回退版本/卸载将影响其他程序。
    conda：不会影响系统自带Python。

→ 适用语言
    pip：仅适用于Python。
    conda：适用于Python, R, Ruby, Lua, Scala, Java, JavaScript, C/C++, FORTRAN。

conda与pip、virtualenv的关系

    conda结合了pip和virtualenv的功能。