一、python 背景知识
一、摩尔定律
计算机的发展参照摩尔定律，表现为指数方式：
1）计算机硬件所依赖的集成电路规模参照摩尔定律发展
2）计算机运行速度因此也接近几何级数快速增长
3）计算机所能高效支撑的各类运算功能不断丰富发展
摩尔定律（Moore’s Law）：
1）历史：计算机发展历史上最重要的预测法则，由 Intel 公司创始人之一的戈登 · 摩尔在 1965 年提出。
2）内容： 单位面积集成电路上可容纳晶体管的数量约每两年翻一倍。
CPU/GPU、内存、硬盘、电子产品价格等都遵循摩尔定律
二、编译和解释
编程语言的执行方式：
1）源代码：某种编程语言，如 c
2）目标代码：机器语言，10101010
编译：将源代码一次性转换成目标代码的过程。
编译器：执行编译过程的程序叫做编译器。
解释：将源代码逐条转换成目标代码同时逐条运行的过程。
解释器：执行解释过程的程序叫做解释器。
静态语言和脚本语言（根据执行方式）：
1）静态语言： 使用编译执行的，如 C/C++，Java
运行速度快
2）脚本语言： 使用解释执行的，如 Python，JavaScript，PHP
执行程序需要源代码，维护更灵活
所以python如果某一行出错的话，程序会能运行这行之前的代码。这和c语言很不一样。
三、程序的基本编写方法
IPO（Input Process Output）方法：
1）输入： 输入时程序的开始
2）处理： 处理时程序对输入数据进行计算产生输出结果的过程
处理方法统称为算法，算法时一个程序的灵魂
3）输出： 输出时程序展示运算结果的方式
问题的计算部分：
1）计算机只能解决计算问题，即问题的计算部分
2）一个问题可能有多种角度理解，产生不同的计算部分
3）问题的计算部分一般都有输入、处理和输出过程
编程解决问题的步骤：
1）分析问题：分析问题的计算部分，想清楚
2）划分边界：划分问题的功能边界，规划 IPO
3）设计算法：设计问题的求解算法，关注算法
4）编写程序：编写问题的计算程序，编程序
5）调试测试：调试程序使正确运行，运行调试
6）升级维护：适应问题的升级维护，更新完善
四、Python 语言概述
1.python 语言历史
Python 语言诞生于 1990
Guido van Rossum（吉多 · 范罗苏姆）设计 Python
“超级语言” 的诞生
机器语言：二进制代码，与 CPU 型号有关
汇编语言：将二进制直接对应助记符，汇编器，与 CPU 型号有关
高级语言：接近自然语言，编译器，与 CPU 型号无关
超级语言：粘性整合已有程序，具有庞大计算生态
2.Python 程序编写与运行
两种编程方式：
1）交互式：对每个输入语句即时运行结果，适合语法练习
2）文件式：批量执行一组语句并运行结果，编程的主要方式
3. 计算机技术的演进时代
1946-1981 年，计算机结构时代（35 年），计算能力问题：第一台计算机诞生。第一台 IBM PC 机诞生
1981-2008 年，网络和视窗时代（27 年），交互问题：安卓操作系统诞生，PC 时代向移动时代转换。
2008-2016 年，复杂信息系统时代（8 年），数据问题：计算机打败人类围棋选手
2017-，人工智能时代，人类的问题
4. 程语言的多样初心
C（计算机结构时代）：
学习内容：指针，内存，数据类型
语言本质：理解计算机系统结构
解决问题：性能
Java（网络和视窗时代）：
学习内容：对象，跨平台，运行时
语言本质：理解主客体关系
解决问题：跨平台
C++：
学习内容：对象，多态，继承
语言本质：理解主客体关系
解决问题：大规模程序
VB（网络和视窗时代）：
学习内容：对象，按钮，文本框
语言本质：理解交互逻辑
解决问题：桌面应用
Python（复杂信息系统时代）：
学习内容：编程逻辑，第三方库
语言本质：理解问题求解
解决问题：各类问题
五、Python 语言的特点
特点：
（1）通用语言
（2）脚本语言
（3）开源语言
（4）跨平台语言
（5）多模型语言
优势：
（1）强制可读性
（2）较少的底层语法元素
（3）多种编程方式
支持 命令式编程 （How to do） 、 函数式编程 （What to do） ，完全支持 面向对象程序设计
（4）支持中文字符
（5）C 代码量的 10%
（6）13 万第三方库
六、应用
网络爬虫：
自带的 urllib 库，第三方的 requests 库和 Scrappy 框架
数据分析:
Web 开发：
- Python 非常适合开发 Web 应用程序，有能支持多种互联网协议的各种库；
- Python 还有非常强大的框架（如 Django、Pyramid）和微框架（如 Flask 和 Bottle），可以帮助你快速有效地进行 Web 开发。你可以编写 CGI 脚本，还可以使用 Plone 和 Django CMS 等高级内容管理系统
科学和数学应用：
- SciPy：用于数学、科学和工程的软件包集合；
- Pandas：一个数据分析和建模库；
- IPython：一个功能强大的 shell，可以轻松编辑和记录工作会话。它还支持可视化和并行计算。
- NumPy：可帮助我们处理复杂的数值计算。
人工智能：
- Python 在人工智能大范畴领域内的机器学习、神经网络、深度学习等方面也都是主流的编程语言，并且得到广泛的支持和应用。
- 最流行的神经网络框架如 Facebook 的 PyTorch 和 Google 的 TensorFlow 都采用了 Python 语言。
自动化运维：
- Python 是运维工程师首选的编程语言
- Python 标准库包含了多个调用操作系统功能的库。
- 一般说来，Python 编写的系统管理脚本在可读性、性能、代码重用度、扩展性几方面都优于普通的 shell 脚本。
游戏开发：
- Python 也有用于开发游戏的框架 PyGame 和 PyKyra。
- Python 还有各种 3D 渲染库，可用来开发 3D 游戏
