Python这几年热度逐渐上升，在很多高校Python也被列为通识课程，之所以如此受欢迎正是由于它的高效、简洁、易用、强大的第三方库等优点。如今在web开发、人工智能、大数据等方便应用非常广泛。不管你是否喜欢，不管怎么吐槽，如果想要从事人工智能，依然很难绕过Python，虽然这两年julia、Go被炒得也很热，但是在人工智能方面依然无法撼动Python的地位。

编程语言都会涉及编译器或者解释器，使用C/C++之类的编译性语言编写的程序，是需要从源文件转换成计算机使用的机器语言，经过链接器链接之后形成了二进制的可执行文件。运行该程序的时候，就可以把二进制程序从硬盘载入到内存中并运行。但是对于Python而言，python源码不需要编译成二进制代码，它可以直接从源代码运行程序。执行Python就需要用到Python解释器，按版本划分，Python解释系可以分为：

2.x

3.x

2.x版本目前已经不再进行维护，所以目前大多数项目都是使用3.x，我个人比较推荐用3.6.x版本，3.7.2是目前最新的版本，但是使用过程中会有这样那样的错误，会存在不兼容等问题，而3.5.x及以下的版本也存在一些问题：

前缀f格式化字符串在3.6.x之后才开始支持

安装工具包时3.5.x安装相关依赖容易失败

安装步骤：

下载解释器

双击安装

记得勾选pip，这是Python的包管理工具，会经常用到IDE。

IDE

IDE(Integrated Development Environment, 集成开发环境)，目前Python的IDE有很多，vs code、eclipse、atom、anaconda、IDEA等等，我个人不太推荐使用上述这些IDE，当然如果十分喜欢这些IDE也可以。对于开发Python，我只推荐pycharm和jupyter notebook两款。毋庸置疑，这是Python最强大的IDE。跳转、关联第三方库、速度、集成度、debug等等，可以说pycharm在Python开发中大多数方面表现的都很优秀，而vs code、eclipse、anaconda、atom只是在某一个或几个方面表现还可以。首先vs code关联第三方库、函数提示等方面很慢、服务器下容易卡顿，eclipse需要额外配置Python插件，anaconda集成太多包，有很多是自己用不到的，太臃肿了，atom没用过，不过也不感兴趣，所以，我觉得使用这些IDE还不如配置一下vim。如果说不喜欢每种语言安装一个IDE，喜欢像eclipse这样支持不同语言的IDE，我支持使用IDEA，这和pycharm属于同一家的产品，很多特性有共通之处。

pycharm优点：

功能丰富

提示速度快

强大的书签和跳转功能

高效的debug

学生可以注册免费使用专业版

…

pycharm安装步骤：

下载pycharm

如果没有购买专业版，可以下载社区版免费使用：

http://www.jetbrains.com/pycharm/download/#section=windowswww.jetbrains.com

如果有学校的邮箱，可以注册教育版，和专业版没什么区别：

进行安装

双击可执行文件、选择安装目录进行安装就行了。

配置解释器

setting->Project->Project Interpreter

在红框位置选择上面安装的Python解释器

要检查一下，因为Python默认是生成一个虚拟环境，使用虚拟环境中的解释器

jupyter notebook优点：

交互式调试

随时切换Markdown和code，边做笔记边写代码

jupyter notebook安装步骤：

打开cmd

用pip安装

pip install jupyter notebook

pip代理

pip是Python的包管理工具，无论是自己再cmd、终端下安装还是使用pycharm这些IDE安装包，都会调用pip。

默认的代理是从pypi上下载并安装包，速度会比较慢，所以需要配置一下pip的代理，这样速度会得到大大的提升，如图中所示，利用默认的下载速度之后几百k，配置代理后可达到2.1M/s。

pip代理配置步骤：

创建pip文件夹

在个人目录下创建一个pip的目录，比如C:\Users\li，

创建代理文件

进入C:\Users\li\pip目录，创建名为[pip.ini]的文件，打开把下面这段文字复制进去并保存：

[global]index-url = https://pypi.tuna.tsinghua.edu.cn/simple

虚拟环境

Python和其它编程语言一样，面临一个移植问题，如果想把开发完成的一个项目一直到其他电脑、节点或者把项目打成docker镜像，都需要对开发环境重新配置，需要重新安装项目中使用到的第三方工具包，如果一个个比对着安装必然会很麻烦，而我们用系统环境时pip安装的包都被安装进了Python路径下site-packages里面，如果生成requirement.txt时也会把site-packages下的所有包都会包含进去，这就是为什么使用到虚拟环境的原因，能够针对不同项目创建一个独立的环境，这样便于后期的移植。

Python虚拟环境管理工具主要有以下两种：

virtualenv

pipenv

上述两个工具都可以使用pip进行安装：

pip install virtualenvpip install pipenv

virtualenv和pipenv该怎么选择？我觉得这根据个人喜好。

virtualenv更加悠久，老化一些，使用步骤如下：

创建虚拟环境

virtualenv test_env

激活虚拟环境

test_env\Scripts\activate

生成requirement

激活虚拟环境后就可以进入虚拟独立的环境进行开发，如果开发完成之后想一直到另外一个系统：

pip freeze > requirement.txt

这样就把虚拟环境里的包和版本读取到requirement.txt里，如果想在另一个系统配置安装这些包可以使用pip：

pip install -r requirement.txt

pipenv更加强大一些，pipenv之于Python就相当于Php之于Composer、Nodejs之于npm、Golang之于dep，pipenv相当于virtualenv和pip的合体，用两点说明pipenv对比于virtualenv的优势：

virtualenv每次开发完都要手动执行一个pip freeze > requirement.txt 把项目最新的环境读取到requirement中，如果忘记了就不能获取最新的配置环境，而pipenv可以实时监测环境的改变，把最新的环境读取到Pipfile。

virtualenv需要先激活虚拟环境，然后用pip配置，而pipenv可以直接使用pipenv进行配置环境

pipenv使用步骤：

创建

pipenv check

这是目录下会生成Pipfile。

启动虚拟环境

pipenv shell

安装第三方包

pipenv install **

退出虚拟环境

exit

查看所有安装包

pip list

查看包依赖关系

pipenv graph

查看虚拟环境路径

pipenv --venv

卸载安装包

pipenv uninstall

以上就是两款常用的虚拟环境管理工具，相比而言pipenv更加强大，而我个人用virtualenv更久一些，所以也习惯用virtualenv，每个人可以根据自己的喜好进行选择。