python 3.7极速入门教程1安装：Linux(Ubuntu 18.04)及Windows上安装Anaconda

安装

Linux安装

Anaconda是最受欢迎的python数据科学和机器学习平台，用于大规模数据处理，预测分析和科学计算。Anaconda发行版附带了1,000多个数据包，conda命令行工具和Anaconda Navigator的桌面图形用户界面。一般而言，使用Anaconda比直接使用官方的python更好用。

本教程将指导您完成在Ubuntu 18.04上下载和安装Anaconda Python Distribution。通常也适合多数其他Linux。

下载Anaconda

https://www.anaconda.com/download/#linux

在撰写本文时，Anaconda的最新稳定版本是5.3版本。

请选择64-Bit (x86) Installer 进行下载，尽量不要用python2.7，很多库已经不提供python2.7支持。

点击链接就会进行下载，同时会弹出信息收集框，直接关闭就好。

安装Anaconda

$ sudo sh Anaconda3-5.3.0-Linux-x86_64.sh 
[sudo] andrew 的密码： 

Welcome to Anaconda3 5.3.0

In order to continue the installation process, please review the license
agreement.
Please, press ENTER to continue
>>>  # 按下回车
... # 多次按空格读完license。
Do you accept the license terms? [yes|no]
[no] >>> yes # 输入yes

  - Press ENTER to confirm the location
  - Press CTRL-C to abort the installation
  - Or specify a different location below
...
[/home/andrew/anaconda3] >>> /usr/local/anaconda3 # 输入自定义目录
...  # 安装根据机器性能，通常需要持续几分钟。
# 讨论 钉钉群21745728 qq群144081101 567351477
# 本文地址：https://www.jianshu.com/p/9fe9ff999234

Do you wish to proceed with the installation of Microsoft VSCode? [yes|no] #选择no，一般来说自带的spyder和专业IDE wingIDE更好用。
...
Do you wish the installer to initialize Anaconda3
in your /home/andrew/.bashrc ? [yes|no]
[no] >>> # 选择yes
Initializing Anaconda3 in /home/andrew/.bashrc
A backup will be made to: /home/andrew/.bashrc-anaconda3.bak


For this change to become active, you have to open a new terminal.

Thank you for installing Anaconda3!

===========================================================================

Anaconda is partnered with Microsoft! Microsoft VSCode is a streamlined
code editor with support for development operations like debugging, task
running and version control.

To install Visual Studio Code, you will need:
  - Administrator Privileges
  - Internet connectivity

Visual Studio Code License: https://code.visualstudio.com/license

Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]
>>> no

添加“export PATH=/usr/local/anconda3/bin:$PATH“ 到/etc/profile，这样所有用户都可以使用Anaconda python3.7了。

上面的.bashrc在刚才安装时添加了如下内容：

# added by Anaconda3 5.3.0 installer
# >>> conda init >>>
# !! Contents within this block are managed by 'conda init' !!
__conda_setup="$(CONDA_REPORT_ERRORS=false '/usr/local/anaconda3/bin/conda' shell.bash hook 2> /dev/null)"
if [ $? -eq 0 ]; then
    \eval "$__conda_setup"
else
    if [ -f "/usr/local/anaconda3/etc/profile.d/conda.sh" ]; then
        . "/usr/local/anaconda3/etc/profile.d/conda.sh"
        CONDA_CHANGEPS1=false conda activate base
    else
        \export PATH="/usr/local/anaconda3/bin:$PATH"
    fi
fi
unset __conda_setup~/.bashrc
# <<< conda init <<<

验证安装

通过重新登陆或者执行'source ~/.bashrc"加载环境变量。

扫描二维码关注公众号，回复： 4450503 查看本文章

$ conda info

     active environment : base
    active env location : /usr/local/anaconda3
            shell level : 1
       user config file : /home/andrew/.condarc
 populated config files : 
          conda version : 4.5.11
    conda-build version : 3.15.1
         python version : 3.7.0.final.0
       base environment : /usr/local/anaconda3  (read only)
           channel URLs : https://repo.anaconda.com/pkgs/main/linux-64
                          https://repo.anaconda.com/pkgs/main/noarch
                          https://repo.anaconda.com/pkgs/free/linux-64
                          https://repo.anaconda.com/pkgs/free/noarch
                          https://repo.anaconda.com/pkgs/r/linux-64
                          https://repo.anaconda.com/pkgs/r/noarch
                          https://repo.anaconda.com/pkgs/pro/linux-64
                          https://repo.anaconda.com/pkgs/pro/noarch
          package cache : /usr/local/anaconda3/pkgs
                          /home/andrew/.conda/pkgs
       envs directories : /home/andrew/.conda/envs
                          /usr/local/anaconda3/envs
               platform : linux-64
             user-agent : conda/4.5.11 requests/2.19.1 CPython/3.7.0 Linux/4.15.0-36-generic ubuntu/18.04 glibc/2.27
                UID:GID : 1000:1000
             netrc file : None
           offline mode : False

$ python
Python 3.7.0 (default, Jun 28 2018, 13:15:42) 
[GCC 7.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> 

至此，已经安装完毕。

更新Anaconda

一般是有新版本发布时才需要使用。

$ conda update conda
$ conda update anaconda

删除Anaconda

一般是有新版本发布时才需要使用。

$sudo rm -rf /usr/local/anaconda3
删除上面~/.bashrc和/etc/profile的修改
清空隐藏文件： rm -rf ~/.condarc ~/.conda ~/.continuum

参考资料

• 讨论qq群144081101 591302926 567351477 钉钉免费群21745728
• 本文最新版本地址
• 本文涉及的python测试开发库 谢谢点赞！
• 本文相关海量书籍下载
• https://linuxize.com/post/how-to-install-anaconda-on-ubuntu-18-04/

Windows安装

下载，比如：https://repo.anaconda.com/archive/Anaconda3-5.3.0-Windows-x86_64.exe

执行：

上面红色的部分一定要选中，这样会帮你自动配置环境变量。

新开cmd，输入python

命令行输入spyder

wingide

MAC安装

MAC的安装和Windows类似。

Hello

命令行方式

$ python
Python 3.7.0 (default, Jun 28 2018, 13:15:42)
[GCC 7.2.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> print("Hello, https://china-testing.github.io/")
Hello, https://china-testing.github.io/

ipython方式

$ ipython
Python 3.7.0 (default, Jun 28 2018, 13:15:42)
Type 'copyright', 'credits' or 'license' for more information
IPython 6.5.0 -- An enhanced Interactive Python. Type '?' for help.

In [1]: print("Hello, https://china-testing.github.io/")
Hello, https://china-testing.github.io/

IDE方式

文件方式

上面代码地址：https://github.com/china-testing/python-api-tesing/blob/master/python3.7quick/2hello.py

__main__

当Python解释器读取源文件时，它将执行其中的所有代码。

当Python运行“源文件”作为主程序时，它将特殊变量（ __name __）设置为具（“ __main __”）。

“if __name __ ==” __main __“允许您将Python文件作为可重用模块或独立程序运行。

与C一样，Python使用==进行比较，而使用=进行赋值。

上面代码地址：https://github.com/china-testing/python-api-tesing/blob/master/python3.7quick/2main.py

变量

Python变量是用于存储值的保留内存位置。 换句话说，python程序中的变量将数据提供给计算机进行处理。

Python中的每个值都有数据类型。 Python中不同的数据类型是数值，列表，元组，字符串，字典等。变量可以用任何名称声明，甚至可以用a，aa，abc等字母表来声明，命名规则和C语言的类似。字母或下划线开头，除第一位外可以包含数字。

上面代码地址：https://github.com/china-testing/python-api-tesing/blob/master/python3.7quick/3var.py

作用域

如果要在程序或模块的其余部分使用相同的变量，可声明为全局变量；如果只在特定函数或方法中使用该变量，则使用局部变量。

让我们通过以下程序理解本地变量和全局变量之间的差异。

全局变量f被赋予值101

函数中声明局部变量，赋值"I am learning Python."

上面代码地址：https://github.com/china-testing/python-api-tesing/blob/master/python3.7quick/3local.py

关键字global，可以在函数内引用全局变量。

实际上局部找不到变量也会到全局去找。上面代码地址：https://github.com/china-testing/python-api-tesing/blob/master/python3.7quick/3global.py

使用命令del“variable name”可以删除变量。

在下面的例子中，我们删除了变量f，当我们继续打印它时，得到错误“变量名未定义”，这意味着你已经删除了变量。

python和其他语言比较

• Java

通常Python运行速度比Java程序慢点，但开发时间短很多。Python高级数据类型及其动态类型是比Java程序慢的主要原因，但是python很多库比如numpy之类的是c或c++实现，实际执行效率有时比java还快。但是Java在android应用广泛，python则没有。现在第一语言的排名主要是Python和java的斗争。Python借人工智能和其他非IT专业业人士的数据分析等，有逐渐拉开与java距离的趋势。

• Perl

虽然这两种语言在很多方面都被认为是相似的，但Perl支持常见的面向应用程序的任务，如报告生成，文件扫描等。而Python支持常见的编程方法，如数据结构设计和OOP编程，代码可读性更好，第三方库更丰富，与其他语言交互更方便，Perl是直接被Python超越并逐渐没落的。

• TCL

Tcl数据结构很弱，执行代码的速度更慢，主要在一些通信仪表中使用，是一个极其次要的语言。

• PHP

Python可读性更好。

在Python中，类在标准库中广泛使用，而PHP具有完全基于类的SPL。

Python支持结构化异常处理，而大多数PHP函数不使用异常来报告错误

Python中的开发功能由库提供，而在PHP中则是内置的

Python支持主要的GUI框架

PHP曾经是web后台开发的霸主语言，在其他地方基本上无用武之地，近年来PHP在web后台开发方面不敌Python，Java等语言，日渐衰落。

• Ruby

与Ruby相比，Python具有丰富的数据结构，内部函数，更好的命名空间处理以及模块和迭代器的使用

Python支持多重继承，而Ruby则不支持。Python更简洁。

RUBY在Web开发和函数式编程有一定市场，但是因为Python过于庞大的库，可读性等，后台主流脚本语言没有不因为Python扩张而衰落的。

• C ++

Python代码比大多数其他编程语言（如C或C ++）短得多。

Python是一种动态类型语言，而C ++是一种静态类型语言。

Python的效率远不敌C或C ++，Python和C或C ++是黄金组合。

• JavaScript

Python主要在服务器端。 JavaScript主要在客户端。

Python使用缩进和空格。 JavaScript使用大括号来指定代码块。

JavaScript是主流语言中唯一不受Python冲击的脚本语言。

常见面试问题与解答

• 什么是Python？使用Python有什么好处？

Python是一种编程语言，包含对象，模块，线程，进程，异常和自动内存管理等。Python的好处在于它简单易用，可移植，可扩展，内置数据结构，并且开源。

• 什么是PEP 8？

PEP 8是一个编码约定，一组推荐，关于如何编写Python代码更具可读性，俗称编程风格指南。

• 什么是pickling和unpickling？

Pickle模块接受任何Python对象并将其转换为字符串表示形式，并使用dump函数将其转储到文件中，此过程称为pickling。从存储的字符串表示中还原原始Python对象的过程称为unpickling。

• Python如何解释？

Python语言是一种解释语言。 Python程序直接从源代码运行。它将程序员编写的源代码转换为中间语言，再转换为机器语言。

• 如何在Python中管理内存？

Python内存由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆，解释器负责处理此私有堆。

Python对象的Python堆空间分配由Python内存管理器完成。核心API提供了一些程序员编写代码的工具。

Python还有一个内置的垃圾收集器，它可以回收所有未使用的内存并释放内存并使其可用于堆空间。

• 有哪些工具可以帮助查找错误或执行静态分析？

PyChecker是一个静态分析工具，可以检测Python源代码中的错误，并警告错误的风格和复杂性。 Pylint是另一种验证模块是否符合编码标准的工具。

7）什么是Python装饰器？

Python装饰器是我们在Python语法中进行的一项特定更改，可以轻松地更改函数。

8）list和tuple有什么区别？

列表和元组之间的区别在于列表是可变的而元组不是。元组可以被散列，例如作为词典的关键。

9）参数如何通过值或引用传递？

Python中的所有内容都是一个对象，所有变量都包含对象的引用。参考值根据功能;因此，您无法更改引用的值。但是，如果对象是可变的，则可以更改它们。

10）Dict和List理解是什么？

它们是语法结构，可以根据现有的iterable轻松创建Dictionary或List。

11）python提供的内置类型是什么？

有可变和不可变类型的Pythons以Mutable内置类型构建

名单 集 字典 不可变的内置类型

字符串 元组 数字 12）Python中的命名空间是什么？

在Python中，引入的每个名称都有一个存在的地方，并且可以被挂钩。这称为命名空间。它就像一个框，其中变量名称映射到放置的对象。每当搜索到变量时，将搜索此框以获取相应的对象。

13）Python中的lambda是什么？

它是一个单独的表达式匿名函数，通常用作内联函数。

14）为什么python中的lambda表单没有语句？

python中的lambda表单没有语句，因为它用于创建新的函数对象，然后在运行时返回它们。

15）什么是Python传递？

通过意味着，无操作的Python语句，或者换句话说，它是复合语句中的占位符，其中应该留有空白，不必在那里写入任何内容。

16）在Python中什么是迭代器？

在Python中，迭代器用于迭代一组元素，如列表之类的容器。

17）什么是Python中的单元测试？

Python中的单元测试框架称为unittest。它支持共享设置，自动化测试，测试关闭代码，将测试聚合到集合等。

18）在Python中切片是什么？

从序列类型（如列表，元组，字符串等）中选择一系列项目的机制称为切片。

19）Python中的生成器是什么？

实现迭代器的方法称为生成器。这是一个正常的函数，除了它在函数中产生表达式。

20）Python中的docstring是什么？

Python文档字符串称为docstring，它是一种记录Python函数，模块和类的方法