Python

关于Python，我想介绍一些基本操作，第一部分是Python的安装，第二部分是Python的标准模块，第三部分则是Numpy、Pandas、Matplotlib这三个常用的第三方库。

Python的安装

Python的安装可以分为四个部分，编译器和编辑器，以及conda和Jupyter。

编译器

Python的编译器主要是以下三种（注，都是免费的）：

• Python官网发行的版本。此版本仅包含核心的编译器，如果需要创建和管理虚拟环境，则还需要第三方工具。
• Anaconda发行版。这是Anaconda公司发行的一个包含GUI可视化页面的版本，封装了管理环境的conda命令工具，自带了许多数学分析常用的第三方库，包括下面三个常用的第三方库。
  • 优点：安装即用，GUI的可视化页面操作适合对于命令行操作不熟悉入门小白。
  • 缺点：占用空间较大（>1G），并且许多自带的第三方库在很多时候基本用不到。
• Miniconda发行版。这是Anaconda发行版的简化版本，保留了管理环境的conda命令行工具，没有GUI可视化页面，同时也不含任何第三方库，需要手动下载。适合进阶用户。

编辑器

Python程序的运行和编辑器没有任何关系，甚至txt记事本都可以用来写Python代码。尽管如果，笔者并不推荐这种方式（应该也没有人这么做，吧？），因为Python命令非常庞大，单凭人类的记忆力几乎无法记住每一条命令的具体拼写，更不要提浩如烟海的第三方库的命令了。而一个优秀的编辑器能够很多的提示Python命令的拼写，以及标注出我们所犯的低级错误（比如把main错拼写为mian）。

目前，大部分代码编辑器的提示功能已经做的非常好了，笔者在这是推荐微软（Microsoft）开发的Visual Studio Code（简称VScode），这是一个免费的代码编辑器，通过插件市场对很多编程语言提供了很好的支持。

conda命令行

随着计算机的发展，Python也在一直进步，但是在有些时候，我们需要的一些代码，随着Python和一些第三方库更新而被逐渐废弃。面对这种问题，相互独立的虚拟环境就提供了很好的解决方案。

每一个虚拟环境都可以安装特定版本的Python或者第三方库，而单一环境无法做到这一点，很多时候，我们根据项目开发需要的不同，就需要创建不同的虚拟环境，并且使用之后虚拟环境可以被删除，而基础环境（base）是无法被删除的。

conda命令行就是这样一种管理环境的工具，值得一提的是，conda不仅可以管理Python的第三方库，还可以管理像Pandoc这样命令行工具，可以通过Python的subprocess标准库调用。关于conda的详细文档可以参见这里。

Jupyter

很多数学分析研究者都喜欢用Jupyter来写Python代码。它可以将整体代码划分为一个个代码块运行，并且可以方便的查看变量，笔者经常用Jupyter来调试代码以及查看Matplotlib图片的样式。