【Python3 教程】

Python3，在开发阶段被称为Python 3000，或简称Py3k。相对于Python的早期版本，这是一个较大的升级。为了不带入过多的累赘，Python 3.0在设计的时候就没有考虑向下兼容。许多针对早期Python版本设计的程序都无法在Python 3.0上正常运行。为了照顾现有程序，Python 2.6作为一个过渡版本，基本使用了Python 2.x的语法和库，同时考虑了向Python 3.0的迁移。基于早期Python版本而能正常运行于Python 2.6并无警告的程序可以通过一个2 to 3的转换工具无缝迁移到Python 3.0。

开始阅读

概要

python历史

Python的创始人吉多·范罗苏姆，在1982年至1995年间，参与了荷兰数学和计算机科学研究学会多个项目的工作[38]。1989年的圣诞节期间，他决心开发一个新的脚本解释编程，作为ABC语言的继承者，并且用它替代Unix shell和C语言来进行系统管理[20]，担负与Amoeba操作系统[39]之间的交互操作并进行异常处理[12]。他是BBC电视剧《Monty Python的飞行马戏团》的爱好者，所以选取了Python作为这个编程语言的名字[40]。范罗苏姆作为Python的主要开发者，独自担负这个项目的发展决策者职责，直到2018年7月12日，他宣布从终身仁慈独裁者（BDFL）的职位上“永久休假”[41][42]。他在2019年1月至11月参与了第一届五人掌控委员会继续领导项目发展[43][44]。

在1991年2月，范罗苏姆在alt.sources上发布了最初代码（标记为版本0.9.0）[1]，这时就已经存在了带继承的类、异常处理、函数和核心类型list、dict、str等。在这个最初发行中就有了从Modula-3引进的模块系统[45]，和异常处理机制[12]。在1994年1月，Python达到了版本1.0[46]，其主要新特征是由Amrit Prem提供的函数式编程工具lambda、map、filter和reduce[47]。受Modula-3启发，Python 1.1介入了缺省参数值，Python 1.3介入了关键字参数。Python 1.4介入了对复数的内建支持，还包含了采取名字修饰的一种基本形式的数据隐藏[48]。

在2000年10月，Python 2.0发布，它介入了列表推导式，这是从函数式编程语言Haskell中引进的；它支持了Unicode，还向垃圾回收系统增加了环检测算法[49]。Python 2.1支持了静态嵌套作用域[50]。Python 2.2进行了重大革新，将Python的类型（用C语言写成）和类（用Python写成）统一入一个层级，使得Python的对象模型成为纯粹而一致的对象模型[51]；还介入了迭代器[52]，受CLU和Icon启发的生成器[53]，和描述器协议[54]。Python 2.3介入了从Dylan引进的方法解析次序[18]。Python 2.4介入了集合类型，和函数修饰器[55]。Python 2.5介入了with语句[56]，并在官方实现中介入了抽象语法树[57]。

在2008年12月，Python 3.0发布，它对语言做了较大修订而不能完全后向兼容[58]。Python 3发行包括了2to3实用工具，它（至少部分的）自动将Python 2代码转换成Python 3代码[59]。Python 3.4介入了异步I/O模块[60]。Python 3.5介入了类型提示[61]，和采用async/await语法的协程[62]。Python 3.8介入了赋值表达式[63][64]。Python 3.9介入了内建的泛化别名类型[65]，并在官方实现中介入了新的语法解析器[66]。Python 3.10介入了结构式模式匹配[67]，和内建的联合类型[68]。Python 3.11对官方实现进行了优化提速[69]。

Python 2.7的产品寿命结束日期最初设定为2015年，由于大量现存代码不能移植到Python 3，而延期支持至2020年[70]。随着Python 2的产品寿命结束，2022年3月14日发布的macOS 12.3已经彻底移除了Python 2[71]。当前只有Python 3的稳定版本3.10、3.11和预览版本3.12正在被完全支持，但仍提供对3.7、3.8和3.9版本的安全性修正[72]。

在2022年12月，活跃的Python核心开发者，选举Pablo Galindo Salgado、Gregory P. Smith、Emily Morehouse、Brett Cannon和Thomas Wouters，为2023年度“掌控委员会”的五位成员来领导这个项目[73]。

Python的设计理念是“优雅”、“明确”、“简单”，它的一些重要准被合称为“Python之禅”。在Python解释器内运行import this可以获得完整的列表，下面举出其中首要：

  • 优美优于丑陋。明了优于隐晦。
  • 简单优于复杂。复杂优于凌乱。
  • 扁平优于嵌套。稀疏优于稠密。
  • 可读性很重要。

重要的数据科学用第三方软件库有：

  • NumPy：Python的基础性的科学计算软件库，提供了矩阵、线性代数、傅立叶变换等的解决方案。
  • SciPy：用Python实现了MATLAB所有功能的软件库，使用NumPy的多维阵列作为基本数据结构。
  • CuPy：NumPy/SciPy兼容的GPU加速的阵列库[193]，它可在NVIDIA CUDA或AMD ROCm平台上充当其直截了当的替代者，来运行现存的NumPy/SciPy代码。
  • pandas：用于数据分析和数据操纵的软件库，建造在NumPy基础上，提供了类似于R语言中同名对象的加标签数据结构“数据帧”[194]，和统计函数等。

重要的人工智能机器学习框架有：

  • scikit-learn：基于NumPy、SciPy、Joblib[202]和threadpoolctl[203]的机器学习软件库，实现许多知名的机器学习算法，其绘图功能依赖于matplotlib。
  • TensorFlow：Google开发的一个端到端开源机器学习平台，它提供了Python API[204]，其中实现了Keras API[205]。Keras现在是在TensorFlow 2上创建的深度学习高层API。SciKeras是对Keras模块的scikit-learn兼容的包装器[206]。
  • PyTorch：Meta在Torch基础上开发的开源的Python软件包，提供了具有强大的GPU加速的张量计算，和创建在基于tape的自动梯度系统上的深度神经网络。skorch是包装了PyTorch的scikit-learn兼容的神经网络库[207]。
  • JAX：Google开发的拥有可组合的函数变换的开源机器学习框架[208]，结合了修改版本的针对NumPy的自动梯度库Autograd[209]，和TensorFlow中的加速线性代数库XLA[210]，它使用XLA来在GPU和TPU上编译和运行NumPy程序。JAX除了用于开发新的人工神经网络软件库比如Flax[211]，还用于概率编程库比如NumPyro[212]，和物理引擎比如Brax[213]。
  • Ray：对人工智能及Python应用的运行规模进行伸缩的统一框架[214]。它构成自一个核心的分布式运行时系统，和加速机器学习工作负载的软件库工具箱（Ray AIR）。它支持TensorFlow或PyTorch，可集成于Dask、Apache Spark和Mars[215]，可以部署在Kubernetes集群和云端VM之上。

其他种类的库

  • pegen：Python的PEG解析器生成器[216]。
  • SymPy：支持数学符号运算如微积分等的软件库，用于提供计算机代数系统。
  • SQLAlchemy：针对关系型数据库的对象关系映射（ORM）工具。
  • Pillow：是基于Python的图像处理库[217]，它支持广泛的图形文件格式，分叉于已终止的PIL。
  • PyOpenGL：到OpenGL 1.1-4.4和有关API的最常用跨平台Python绑定[218]。
  • ModernGL：在OpenGL 3.3+核心上的Python包装器[219]，它简化了简单图形应用如科学模拟、游戏和用户界面的创建。
  • VisPy：高性能交互式2D/3D数据可视化库[220]，它通过OpenGL库利用现代GPU的计算能力来显示非常大的数据集。
  • PyCUDA和PyOpenCL：不同于Nvidia尽可能匹配C API的cuda-python[221]，PyCUDA提供对CUDA并行计算API的Python风格访问[222]；PyOpenCL提供对OpenCL并行计算API的Python风格访问[223]。
  • Kompute：通用Vulkan计算框架，针对C++和Python[224]。
  • Kornia：基于PyTorch的可微分计算机视觉库[225]。
  • pygame：开发视频游戏的Python软件库，基于了SDL库[226]。
  • pyglet：Python编写的面向对象的游戏和多媒体库，利用了FFmpeg库。
  • pypdf：能够分割、合并、修剪和转变PDF文件的Python库[227]。创建PDF文件可以采用reportlab[228]。
  • python-docx：创建和修改Microsoft Word的docx文档的Python库[229]。
  • pythonnet：针对.NET的程序包[230]，它可以近乎无缝的集成.NET通用语言运行库（CLR）。
  • Fabric：经由SSH远程执行shell命令的高层库[231]，它产生有用的Python对象作为回馈。
  • Prefect：现代工作流程编排框架[232]，它易于建造、调度和监控健壮的数据流水线。
  • PyInstaller：将Python应用和它的依赖项捆绑成一个单一的包[233]，从而不需要安装Python解释器或任何模块就可以运行应用。