NASA、Spotify、Google 和 JP Morgan Chase 有什么共同点？这些公司每天都在使用 Python。
Python 是一种强大而多功能的编程语言，在各种技术解决方案中发挥着关键作用。从网络应用、搜索引擎、游戏到动画软件，甚至其他编程语言，Python 是创新的核心。
近年来，Python 的受欢迎程度激增，成为全球使用最广泛的编程语言之一。它的应用正在扩展到新的令人兴奋的领域，如人工智能、机器学习和数据科学。
事实上，Python 在 TIOBE 指数 中占据第一位，这得益于其持续的增长和使用。鉴于其广泛的采用和多功能性，理解 Python 比以往任何时候都更为重要。
在本综合指南中，我们将探索 Python 的世界，包括其历史、流行的崛起、支持的各种职业道路以及更多内容。
什么是 Python？
Python 是一种强大且高级的编程语言，以其可读性和简单性而闻名。它遵循面向对象编程范式，这意味着它是围绕对象而不是动作进行组织的，使得开发者能够直观、高效地使用。
Python 的设计理念强调代码的可读性和简单性，使开发者能够为小型和大型项目编写清晰、逻辑的代码。作为一种高级语言，Python 抽象了编程中涉及的许多复杂性，使开发者能够专注于解决问题，而不是担忧底层的技术细节。
Python 是我们日常使用的许多技术和应用的核心。例如，YouTube 使用它进行视频处理，搜索引擎则利用它处理海量数据。
为什么 Python 如此 受欢迎？
Python 一直被评为全球最受欢迎的编程语言之一。实际上，Python 多次在 TIOBE 编程社区指数中位列第一，包括 2023 年，巩固了其作为开发者首选语言的地位。
在 2024 年的 Stack Overflow 开发者调查中，Python 被评为 最常用和最受欢迎的编程语言。这一持续的排名突显了 Python 在各个领域日益增长的影响力和广泛的采用。
2024 年 Stack Overflow 开发者调查编程语言部分结果。
Python 的受欢迎程度可以归因于几个因素：
1. Python 是多功能和灵活的
Python 是一种通用语言，这意味着它可以用于创建各种应用程序。从网页开发到数据分析，从人工智能到科学计算，Python 的多功能性无人能及。
例如，数据科学家使用 Python 生成可视化并处理数据，而网页开发者则用它构建动态网站。
2. Python 简单易学
Python 简洁明了的语法使其成为初学者的理想语言。其命令以英语为基础，直观的布局帮助新程序员轻松理解代码。这种简单性也使 Python 适合快速开发和原型设计，减少了从概念到实现所需的时间。
3. Python 是开源的
Python 的开源特性促成了一个庞大的库和框架生态系统的开发。无论您需要用于网页开发的工具（如 Django、Flask）、数据分析（如 pandas、NumPy）、机器学习（如 TensorFlow、scikit-learn）还是其他任务，Python 都有相应的库。
这丰富的资源集合加速了开发，使开发者能够专注于解决问题，而不是重新发明轮子。
4. Python 拥有强大的社区支持
Python 拥有一个庞大而活跃的开发者社区，持续推动其不断改进。这一社区支持意味着有无数的教程、论坛和文档可供新手和经验丰富的开发者使用。
繁荣的社区还促进了新工具、库和框架的创建，进一步增强了 Python 的能力。
5. Python 无处不在
Python 在各个行业的广泛使用使其成为开发者的宝贵技能。全球各地的公司，从科技巨头如 Google 和 Facebook 到金融机构如 JP Morgan Chase，都依赖 Python 提供技术解决方案。
这种普遍性确保了 Python 开发者的高需求，使其成为明智的职业选择。
6. Python 正在不断演变
Python 正在不断演变，以满足现代开发者的需求。最近的版本，如 Python 3.10 和 3.11，带来了显著的性能提升和新特性，使这门语言保持相关性和高效性。
结果是，越来越多的人了解 Python，并更有可能在自己的项目中使用它或向他人推荐。
Python 与其他编程语言的比较
| 特性 | Python | Java | JavaScript | C++ |
|---|---|---|---|---|
| 语法简单性 | 高 | 中 | 中 | 低 |
| 学习曲线 | 平缓 | 适中 | 平缓 | 陡峭 |
| 性能 | 适中 | 高 | 适中 | 非常高 |
| 使用场景 | 多用途 | 企业 | 网络 | 系统、游戏 |
| 库和框架 | 广泛 | 广泛 | 广泛 | 广泛 |
Python 是什么时候创造的？
Python 最早是在 1980 年代末期被构思出来的，作为 ABC 编程语言的继任者。尽管 ABC 具备高层次的功能和简易性，但其局限性阻碍了其广泛采用。
ABC 的设计目的是取代 BASIC，这是一种可以追溯到 1964 年的编程语言。虽然 ABC 提供了许多有用的特性，但它并不可扩展，缺乏更广泛使用所需的灵活性，主要作为教学语言。这些局限性促使其创作者开发出一种新语言，既保留了 ABC 的优势，又解决了其不足。
Python 的第一个版本 0.9.0 于 1991 年在 alt.sources 上发布，这是一个早期的互联网论坛，用于共享源代码。这个初始版本包含了许多定义 Python 今日特征的核心内容，包括面向对象的设计、模块系统、函数、异常处理以及基本数据类型，如列表、字典和字符串。
自从作为一个改进 ABC 的项目起步以来，Python 发生了显著的演变，成长为全球最受欢迎和广泛使用的编程语言之一。其发展得益于强大的贡献者社区以及对简洁性和可读性的强调，使其成为各个领域开发者的最爱。
谁发明了 Python？
Python 是由 Guido van Rossum 在荷兰的 Centrum Wiskunde & Informatica (CWI) 工作时发明的。Van Rossum 曾积极参与 ABC 语言的开发，但发现其存在的若干局限性和缺乏可扩展性让他感到沮丧：
“我对 ABC 语言有很多不满，但也喜欢它的许多特性。无法扩展 ABC 语言（或其实现）来解决我的抱怨——实际上，它的缺乏可扩展性是它最大的问题之一。” — Guido van Rossum
出于对创造一种更灵活、更强大语言的渴望，van Rossum 在 1989 年的假期期间开始开发 Python 作为一个副项目。这个课外项目最终导致了 Python 的诞生，名称灵感来自英国喜剧团体 Monty Python，反映了他不拘一格的幽默感。
在他的职业生涯中，van Rossum 一直深度参与 Python 的开发。他担任了终身仁慈独裁者 (BDFL)，指导语言的发展，直到 2018 年辞去该职务。他对软件开发领域的贡献不仅限于 Python，还包括创建了 Google 使用的代码审查工具 Mondrian。
尽管他的名字可能没有像科技巨头 Steve Jobs 或 Bill Gates 那样广为人知，但 Guido van Rossum 的工作对全球软件开发和技术产生了深远的影响。
Python 近年来的演变
Python 在其生命周期中经历了许多变化，这并不奇怪，因为该语言最初是 van Rossum 的一个爱好项目，后来成为世界上最显著的编程语言之一。
以下是我们看到 Python 在满足开发者需求和技术进步方面演变的一些方式：
Python 版本和特性的时间线
| 年份 | 版本 | 特性 |
|---|---|---|
| 1991 | Python 0.9.0 | 初始发布，包含列表、字典、字符串等核心数据类型 |
| 1994 | Python 1.0 | 引入 lambda、map、filter、reduce |
| 2000 | Python 2.0 | 增加列表推导、Unicode 支持、垃圾回收 |
| 2008 | Python 3.0 | 重大改革，更好的 Unicode 支持，更一致的语法 |
| 2018 | Python 3.7 | 数据类、async/await、上下文变量 |
| 2020 | Python 3.8 | 海象运算符、仅位置参数、f-string 改进 |
| 2021 | Python 3.9 | 类型提示泛型、新解析器、zoneinfo 模块 |
| 2022 | Python 3.10 | 结构化模式匹配、精确错误位置 |
| 2023 | Python 3.11 | 性能改进、异常组 |
Python 的持续发展
Python 的发展并未因重大版本发布而停止。中间更新不断引入新特性、性能改进和安全增强。近期版本，如 Python 3.9、3.10 和 3.11，带来了显著的优化和新的语法特性，使得 Python 代码更加简洁高效。
Python 社区在语言的发展中发挥了至关重要的作用。Python 软件基金会 (PSF) 和无数志愿者为 Python 的发展做出了贡献，确保其保持相关性和强大。社区驱动的方法导致了庞大的第三方包生态系统，这些包可以通过 Python 包索引 (PyPI) 获得，进一步扩展了 Python 的能力。
Python 的库、框架和包
自首次发布以来，Python 社区已呈指数级增长，导致开发出大量的库和框架。
这些工具拓宽了 Python 在多个领域的适用性，包括 web 开发、数据科学、人工智能等。例如，像 TensorFlow 和 scikit-learn 这样的库使 Python 成为人工智能和机器学习研究及应用的基石。
Python 与数据科学的崛起
在当今数据驱动的世界中，数据的重要性不容小觑。数据科学领域作为一门重要学科应运而生，结合数学、统计和编程，从大量数据中提取有意义的见解。这些见解帮助企业做出明智的决策，推动创新，解决复杂问题。
由于其多功能性、易用性和强大的库，Python 已成为数据科学的基石。与 SQL 和 R 一起，Python 是该领域最受欢迎的编程语言之一。
谁在使用 Python？
Python 被各行业的公司和专业人士广泛使用，用于创建网站、开发软件组件、构建应用程序，以及处理数据、人工智能和机器学习技术。其多功能性和易用性使其成为初创企业和成熟企业的热门选择。
使用 Python 的公司
Python 被一些全球领先的公司所采用，证明了其广泛的应用和多功能性。以下是几个显著的例子：
- Google：Python 是 Google 的官方语言之一，广泛用于系统构建、代码评估工具和各种服务。
- NASA：Python 被用于各种科学和工程应用，包括数据分析和模拟。
- Spotify：这家音乐流媒体巨头使用 Python 进行数据分析和后端服务。
- Netflix：Python 驱动着 Netflix 运营的多个方面，从推荐算法到数据分析。
- JP Morgan Chase：Python 在金融行业中用于定量分析和交易策略。
- Facebook：利用 Python 进行基础设施管理、数据分析和各种后端服务。
- Instagram：这个受欢迎的社交媒体平台使用 Python 作为其后端，充分利用其简洁性和可扩展性。
使用 Python 的专业角色
Python 的灵活性使其在多个专业角色中都具有重要价值，包括但不限于：
- 数据科学家：使用 Python 进行数据分析、可视化和构建机器学习模型。
- 网页开发者：利用 Django 和 Flask 等框架构建强大的 web 应用程序。
- 软件工程师：开发各种软件解决方案，从系统脚本到完整的应用程序。
- 机器学习工程师：利用 Python 的机器学习库构建和部署模型。
- 数据分析师：使用 Pandas 和 NumPy 等工具处理和分析大型数据集。
- DevOps 工程师：使用 Python 自动化工作流程、管理基础设施并部署应用程序。
- 研究人员：使用 Python 进行科学计算和研究模拟。
- 游戏开发者：使用 Python 进行脚本编写和游戏逻辑构建。
- SEO 专家：自动化任务并分析网站数据以改善搜索引擎排名。
Python 职业路径与平均薪资
| 职业路径 | 描述 | 平均薪资（美元） |
|---|---|---|
| 数据科学家 | 分析和解释复杂数据，帮助公司做出决策 | $120,000 – $140,000 |
| 机器学习工程师 | 设计和实现 ML 算法与模型 | $130,000 – $150,000 |
| 网页开发者 | 构建和维护网站与 web 应用程序 | $70,000 – $90,000 |
| 软件工程师 | 使用 Python 开发软件应用程序 | $100,000 – $120,000 |
| DevOps 工程师 | 自动化和简化软件开发流程 | $110,000 – $130,000 |
| 数据分析师 | 收集、处理并进行数据的统计分析 | $60,000 – $80,000 |
| Python 开发者 | 专注于各种应用的 Python 开发 | $80,000 – $100,000 |
Python 广泛的应用范围和多样的用户基础凸显了其作为领先编程语言的地位。
Python 可以做什么？
或许更好的问题是，Python 不能做什么？
虽然 Python 通常被视为用于网站、应用程序、数据科学、人工智能和机器学习项目的编程语言，但其应用远不止于这些领域。
让我们来探讨一些（有时令人惊讶的）Python 使用方式：
1. 数据分析和可视化
Python 非常适合数据科学任务，其中包括数据分析和可视化。通过 Python，分析师可以对数据进行排序、处理并提取高层次的洞察。他们还可以使用该语言创建强大的视觉效果来突出他们的发现。
现在有越来越多的 Python 库和框架用于数据分析和可视化，比如 Pandas Visualization、Plotly 和 Matplotlib，仅举几例。无论是简单的图表还是复杂的统计报告，Python 都提供了相应的工具。
Python 作为数据科学的首选语言的另一个原因是，任何人都可以使用它。分析师和商业智能专业人士并不总是程序员或开发者，但 Python 足够友好，使没有计算机科学背景的人也能轻松适应。
DataCamp 的专长是教授个人和大公司的员工，例如 Google，如何使用 Python 和其他数据科学语言。
2. 编程应用
由于 Python 是一种通用编程语言，它可以用于创建各种 web 和移动应用程序，从高级金融服务产品到 F1 赛车游戏中的组件。
Python 还常用于编程文件目录、创建图形用户界面（GUIs）和应用程序编程接口（APIs）等。
如果你能想到它，很可能你可以用 Python 构建它（或者至少其许多关键组件）。
想学习如何创建 Python 应用程序？请查看我们的 Python 程序员 职业路径。
3. 人工智能和机器学习
由于其稳定性、灵活性和简易性，Python 是人工智能和机器学习应用的理想语言。它允许开发者编写可靠、可读的代码，并快速原型开发。
像 scikit-learn、TensorFlow 和 Keras 这样的库提供了构建和部署机器学习模型的强大工具，使 Python 成为尖端技术开发中不可或缺的一部分。
如果你有兴趣在科技前沿工作，DataCamp 的 Python 机器学习科学家 职业路径可以帮助你实现目标。
4. 财务分析与金融科技
在金融领域，Python 被偏好用于定量和定性分析以及处理大型数据集。
它帮助自动化任务，例如计算风险、管理股票投资组合、跟踪市场趋势以及可视化股票数据。Python 还在开发金融科技产品中发挥着重要作用，像 Venmo、Robinhood 和 Affirm 等公司都在他们的技术栈中使用 Python。
5. 营销与搜索引擎优化（SEO）
Python 在数字营销和搜索引擎优化中越来越常见。它帮助自动化任务、分类关键字、提取和分析数据，以及在多个网页上实施更改。
自然语言处理（NLP）库如 SpaCy 协助 SEO 专业人士优化内容和分析搜索趋势。
流行的 web 框架 Django 简化了技术 SEO 优化的过程。
6. 游戏开发
Python 不是最常用或最流行的游戏开发编程语言，也不是很多游戏完全用 Python 编写。但开发者通常用它来完成其他任务，例如连接 C 和 C++ 模块。
并不是说你不能用 Python 构建完整的游戏——如果你想看看只使用 Python 的游戏，可以查看 Unknown Horizons。大多数游戏使用多种语言；例如，著名游戏《模拟人生 4》和《战地 2》都使用 Python 代码处理关键元素，如游戏逻辑。
PyGame 是一套跨平台的 Python 模块，专为视频游戏的创建而设计，帮助开发者处理与 Python 相关的任务。
7. 平面设计
在开发平面设计应用程序时，Python 是一种很有帮助的语言。它被用于 2D 图像软件，包括著名的 Gimp 和 Paint Shop Pro。还有 DrawBot，这是一款流行的开源应用程序，帮助用户使用 Python 代码创建 2D 图形。
从事网站或数字图像工作的平面设计师可能会定期使用 Python。
进一步证明 Python 的多功能性，3D 动画软件如 Blender 和 Lightwave 也使用 Python。
8. 促生其他编程语言
Python 的简单性和清晰的语法激发了其他编程语言的创建，如 Go（Golang）和 Cobra。它也是学习编程的良好起点，因为其易用性使得掌握 Python 基础后，转向其他编程语言变得更简单。
Python 的多样化应用和用户友好性使其成为许多任务中不可或缺的工具。无论你是在分析数据、开发应用程序，还是探索新的技术前沿，Python 都提供了支持你努力的工具和库。
Python 实战：代码示例
以下是一些代码示例，展示了 Python 在数据处理、可视化和机器学习方面的能力，使用了现代库。这一部分旨在让你对该语言有一个初步的了解。
1. 计算一组数字的平均值
输出：
2. 使用 NumPy 进行矩阵乘法
输出：
3. 使用 Matplotlib 可视化数据
输出：
4. 使用 scikit-learn 进行基础机器学习
输出：
按使用案例分类的 Python 库
| 应用场景 | 流行库 |
|---|---|
| 数据分析 | Pandas, NumPy, SciPy |
| 数据可视化 | Matplotlib, Seaborn, Plotly |
| 机器学习 | scikit-learn, TensorFlow, Keras |
| 网页开发 | Django, Flask |
| 自动化 | Selenium, PyAutoGUI |
| 自然语言处理 | NLTK, SpaCy |
| 游戏开发 | Pygame, Arcade |
| 图形用户界面开发 | Tkinter, PyQt, Kivy |
学习 Python：从基础到高级
Python 的简洁性使得即使没有编程经验的人也能立即开始使用这门语言。无论是办公室工作人员自动化常规任务，还是市场营销人员设置定期发送电子邮件，亦或是学生学习编程，Python 对每个人都非常友好。
然而，掌握基础 Python 技能和达到高级或中级水平之间存在显著差异。就像学习演奏乐器一样，精通 Python 需要实践和逐步的技能积累。尽管你可以从简单的脚本开始，但随着时间和努力的投入，您可以发展出复杂的算法，创建复杂的网页应用程序，或者进行高级的数据分析。
Python 专家参与各种复杂任务，从构建能够生成自身算法的 AI 系统，到开发新的 API 以及解决现实世界中的问题。无论你是 Python 新手，想要加深理解，还是追求精通，均有资源可以帮助你实现目标。
从零开始学习 Python 的建议时间表
| 周次 | 重点领域 | 涵盖主题 |
|---|---|---|
| 1-2 | Python 入门 | 安装，基本语法，变量，数据类型，基本输入/输出 |
| 3-4 | 控制结构和函数 | 条件语句，循环，函数，作用域，Lambda 函数 |
| 5-6 | 数据结构 | 列表，元组，集合，字典，列表推导式 |
| 7-8 | 模块和包 | 导入模块，创建包，标准库模块 |
| 9-10 | 文件处理 | 读取/写入文件，操作 CSV 和 JSON 文件 |
| 11-12 | 错误处理 | 异常，Try/Except 块，自定义异常 |
| 13-14 | 面向对象编程 (OOP) | 类，对象，继承，多态，封装 |
| 15-16 | 使用库 | 流行库：NumPy，Pandas，Matplotlib |
| 17-18 | 网页开发基础 | Flask/Django 入门，设置网页服务器，基本路由，模板 |
| 19-20 | 数据库交互 | SQLite，SQLAlchemy，CRUD 操作，数据库连接 |
| 21-22 | 数据分析和可视化 | 使用 Pandas 进行数据分析，使用 Matplotlib 和 Seaborn 进行可视化 |
| 23-24 | 机器学习入门 | 基本 ML 概念，使用 scikit-learn，简单 ML 模型 |
| 25-26 | 高级主题 | 装饰器，生成器，上下文管理器，正则表达式 |
| 27-28 | 测试与调试 | 使用 unittest 进行单元测试，调试技术，使用调试器 |
| 29-30 | 项目实践 | 构建个人项目：网页应用，数据分析项目，自动化脚本 |
| 31-32 | 复习与高级库 | 复习关键概念，介绍高级库（TensorFlow，Scrapy） |
总结
Python 功能强大、灵活且极具通用性。其用户友好和直观的特性，加上快速开发的能力和易于学习，使其成为全球最受欢迎的编程语言之一。
Python 的应用遍及各个行业，推动着网页开发、数据科学、人工智能、金融等技术的发展。预计其受欢迎程度和使用频率将持续增长，使 Python 成为现代专业人士必备的技能。
学习 Python 是提升职业前景的明智投资。无论你希望成为一名全面的程序员、数据科学家、人工智能或机器学习工程师，还是其他技术专业人员，Python 都为你打开了众多高需求职业机会的大门。此外，要求具备 Python 技能的职业通常伴随着可观的薪资，因为合格专业人员的需求旺盛，而供应相对较少。
本文内容翻译自 原文。