python简介

python的应用领域

　　系统运维、网络编程（搜索引擎、爬虫、服务器编程）、科学计算、人工智能、机器人、web开发、云计算、大数据及数据库编程、教育、游戏、图像处理..........

python程序{模块：{'数据','函数':{'语句':['表达式']},'类'}}

解释型语言

　　python在执行程序时，会把程序一条一条的解释成机器语言（机器可执行的目标代码）来执行，在程序运行的前一刻，还只有源程序而没有可执行的程序，当程序每执行到源程序的某一条指令，就会有一个称为解释程序的外壳程序将源程序转换成二进制代码以供执行；“编译”是将源程序的翻译和执行一次性的转换成机器语言（二进制代码）。

　　Java语言虽然比较接近解释型语言的特征，但在执行之前已经预先进行一次预编译，生成的代码是介于机器码和Java源代码之间的中介代码，运行的时候则由JVM（Java的虚拟机平台，可视为解释器）解释执行。它既保留了源代码的高抽象、可移植的特点，又已经完成了对源代码的大部分预编译工作，所以执行起来比“纯解释型”程序要快许多。

动态语言

　　动态语言编程时，永远不需要给任何变量指定数据类型，Python会在第一次给变量赋初值的时候，就指定变量的数据类型，

强类型语言

　　当变量被指定数据类型的时候，除非经过强制类型转换，否则该变量的数据类型就是原变量数据类型。

　　python编程时：

　　　　当使用x = input()函数时，x的数据类型是字符串类型，所以当用户输入数字时，要经过数据类型转换，　　

　　　　当使用print("***")函数时,字符串拼接符'+'拼接的必须是字符串，如果想要拼接数字，要用str(数字)进行强制数据类型转换。

自动化内存管理和引用计数:
每个对象都会记录有几个变量绑定（引用）自身，当引用的数量为0时，则此对象将被销毁（释放内存资源), 此种自动化内存管理的方式叫引用计数

小整数对象池
CPython中，整数-5至256的数永远存在于小整数池中，不会释放且可重复使用
示例:
a = 100
b = 100
a is b # True

pip换源

Jupyter Notebook

%run 相对路径/***.py

还能和pycharm一样调用模块

%timeit　　计时一行代码运行多次所需时间

%%timeit　　计时一段代码运行多次所需时间

%time 　计时一行代码运行一次所需时间

%%time　　计时一段代码运行一次所需时间

快捷键

M　　MarkDoown编辑模式

Y　　代码编辑模式

# 内嵌画图

# 有了%matplotlib inline 就可以省掉plt.show()了

%matplotlib inline

搭建虚拟环境

　　在Python中，虚拟环境（virtual enviroment）就是隔离的Python解释器环境。通过创建虚拟环境，我们可以拥有一个独立的Python解释器环境。这样做的好处是可以为每一个项目创建独立的Python解释器环境，因为不同的项目常常会依赖不同版本的库或Python版本。使用虚拟环境可以保持全局Python解释器环境的干净，避免包和版本的混乱，并且可以方便地区分和记录每个项目的依赖，以便在新环境下复现依赖环境。

　　我总结了多种创建虚拟环境的方法，我推荐conda方法，你们可以根据自己的爱好选择。

conda搭建虚拟环境(推荐)

1、新建虚拟环境

conda create --name <env_name> <package_names>

# 创建一个名为 python_2 的环境，环境中python版本为2.7
# conda create --name python_2 python=2.7

# 创建一个名为 conda-test 的环境，环境中python版本为3.6，同时也安装了numpy和pandas。
# conda create -n conda-test python=3.6 numpy pandas

–name 同样可以替换为-n。
<env_name> 创建的环境名。建议以英文命名，且不加空格，名称两边不加尖括号“<>”
<package_names> 即安装在环境中的包名。名称两边不加尖括号“<>”

查看创建了哪些虚拟环境

conda env list
# 或：conda info --envs
# 或：conda info -e

2、激活虚拟环境

Linux:  source activate your_env_name(虚拟环境名称)
Windows: activate your_env_name(虚拟环境名称)

查看安装了哪些库

conda list

3、退出虚拟环境

conda deactivate

若配置好环境后需要别的包，用conda或者pip下载皆可

# 在当前环境安装包
pip install 安装的包名
conda install 要安装的包名
# 指定环境安装包
conda install --name 环境名 要安装的包名

4、删除虚拟环境

conda remove -n your_env_name --all

复制环境

conda create --name new_env_name --clone copied_env_name

virtualenv搭建虚拟环境

首先，我们用pip安装virtualenv：

$ pip3 install virtualenv

然后，假定我们要开发一个新的项目，需要一套独立的Python运行环境，可以这么做：

1、第一步，创建目录

$ mkdir myproject
$ cd myproject/

2、创建一个虚拟环境，命名为venv

$ virtualenv venv

若想要指定Python3

$ virtualenv -p python3 newEnv

查看newEnv文件夹中的内容

$ cd newEnv
$ ls
bin                include            lib                pip-selfcheck.json

3、激活虚拟环境

$ source venv/bin/activate

4、在虚拟环境中安装python第三方库

　　在venv环境下，用pip安装的包都被安装到venv这个环境下，系统Python环境不受任何影响。也就是说，venv环境是专门针对myproject这个应用创建的。

$ pip install ***

5、关闭虚拟环境

$ deactivate

依据当前环境中的依赖包生成requirements.txt文档

$ pip freeze > requirements.txt

依据requirements.txt文档重建环境

$ pip install -r < requirements.txt

Pipenv搭建虚拟环境

　　Pipenv是基于pip的Python包管理工具，它和pip的用法非常相似，可以看作pip的加强版，它的出现解决了旧的pip + virtualenv + requirements.txt的工作方式的弊端。具体来说，它是pip、Pipfile和Virtualenv(虚拟环境)的结合体，它让包安装、包依赖管理和虚拟环境管理更加方便，使用它可以实现高效的Python项目开发工作流。如果你还不熟悉这些工具，不用担心，我会在下面逐一进行介绍。

通过pip安装Pipenv：

$ pip install pipenv

1、创建虚拟环境

　　虚拟环境通常使用Virtualenv来创建，但是为了更方便地管理虚拟环境和依赖包，我们将会使用集成了Virtualenv的Pipenv。首先确保我们当前工作目录在示例程序项目的根目录，然后使用pipenv install命令为当前的项目创建虚拟环境：

$ pipenv install

　　初始化好虚拟环境后，会在项目目录下生成2个文件Pipfile和Pipfile.lock。为pipenv包的配置文件，代替原来的 requirement.txt。项目提交时，可将 Pipfile 文件和Pipfile.lock文件一并提交，待其他开发克隆下载，根据此Pipfile 运行命令pipenv install --dev生成自己的虚拟环境。

Pipfile.lock 文件是通过hash算法将包的名称和版本，及依赖关系生成哈希值，可以保证包的完整性。

2、进入虚拟环境

$ pipenv shell

3、退出虚拟环境

$ exit

4、在虚拟环境中创建python包

$ pipenv install <某个包的名称>

查看安装包及依赖关系

$ pipenv graph

5、生成 requirements.txt 文件

pipenv可以像virtualenv一样用命令生成requirements.txt 文件

$ pipenv lock -r --dev > requirements.txt

6、pipenv也可以通过requirements.txt安装python包

$ pipenv install -r requirements.txt

运行python代码

方法一：pipenv run python xxx.py

$ pipenv run python xxx.py

方法二：启动虚拟环境的shell环境

$ pipenv shell
$ python xxx.py

7、删除虚拟环境

$ pipenv --rm

常用命令一览

pipenv --where                 列出本地工程路径
pipenv --venv                  列出虚拟环境路径
pipenv --py                    列出虚拟环境的Python可执行文件
pipenv install                 创建虚拟环境
pipenv isntall [moduel]        安装包
pipenv install [moduel] --dev  安装包到开发环境
pipenv uninstall[module]       卸载包
pipenv uninstall --all         卸载所有包
pipenv graph                   查看包依赖
pipenv lock                    生成lockfile
pipenv run python [pyfile]     运行py文件
pipenv --rm                    删除虚拟环境