《Python数据科学实践指南》——1.2 Python解释器

简介:

本节书摘来自华章计算机《Python数据科学实践指南》一书中的第1章,第1.2节,作者 纪路,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

1.2 Python解释器

由于Python是一门开源语言,所以只要愿意,任何人都可以为其实现一个解释器。目前官方解释器CPython是绝对主流,如果读者有兴趣,可以了解一下其他的版本,比如支持JIT(即时编译)的PyPy,可以把Python编译成C语言的Cython,拥有notebook这样友好、方便编程界面的IPython等。本书会使用官方解释器CPython进行讲解,并且还会使用到一些第三方的库,本节也将介绍一下如何在主流的操作系统中安装必要的软件。

1.2.1 Mac OS X系统

如果读者使用的是苹果电脑(并且使用的是其自带的系统),那么无须特别安装Python,因为它已经被预先安装在电脑中了。为了验证这一点,读者可以打开Mac OS X的“终端”应用,在打开的终端里输入“python”。如果可以看到如下的输出则证明电脑中已经正确地安装了Python:

Macbook Pro:~:$ python
Python 2.7.9 (v2.7.9:648dcafa7e5f, Dec 10 2014, 10:10:46) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>

上述代码中第一行的“$”符号是终端的命令提示符,需要在这个符号之后输入“python”这个命令以打开Python,如果一切正常,则终端会输出一些关于Python版本的信息,最后一行以“>>>”结尾。“>>>”是Python交互式解释器的命令提示符,想要使用Python,应当在这个符号后面键入Python命令。若想要退出Python则需要在“>>>”之后输入“exit()”,或者同时按下键盘上的快捷键Ctrl+D。

1.2.2 Linux系统

如果读者使用的是Linux系统,那么与Mac OS X系统一样,无须进行安装即可使用Python。打开终端的方式取决于你使用的Linux发行版本,不过读者可以尝试按Ctrl+Alt+T的组合键来启动终端,或者在应用菜单中寻找“终端”或名为“Terminal”的应用。在打开了终端之后在命令提示符(通常来说是“$”)后,键入“python”以确认Python的版本信息,终端输出的内容应当与Mac OS X的相同,并且“>>>”同样代表Python命令提示符,若想要使用Python,则应当在这个符号后面输入Python命令。

1.2.3 Windows系统

由于Windows系统默认没有提供Python,因此需要单独安装Python。读者可以尝试访问https://www.python.org/downloads/windows/ 以获取最新的Python安装包。在写作本书时最新的Python 2.x版本是Python 2.7.11,分为32位版和64位版,下载地址分别如下。

32位版:https://www.python.org/ftp/python/2.7.11/python-2.7.11.msi

64位版:https://www.python.org/ftp/python/2.7.11/python-2.7.11.amd64.msi

如果读者的电脑是较新的操作系统,并且拥有4GB以上的内存,那么通常来说安装64位的软件应该是没有问题的。如果读者所用的系统较老,或者不确定自己的系统是多少位的,可以选择32位的版本进行安装。因为无论是32位还是64位的系统,都能够运行32位版本的软件,反过来32位的系统却不能运行64位的软件。

下载完成之后双击鼠标进行安装,在该过程中,就像安装普通的应用程序一样连续单击“下一步”,直到出现图1-1所示的界面为止。

image

然后在Add python.exe to Path的安装选项中选择Will be installed on local hard driver。接下来通过同时按下Win+R键打开运行,在弹出的运行对话框中键入cmd,如图1-2所示。

image

操作完成后,就打开了Windows的命令行界面,如图1-3所示。

image

此时在命令提示符“>”后输入“python”会出现两种情况:情况一,会出现与Mac OS X系统一样的Python版本信息,并且以“>>>”结尾。情况二,会出现“‘python’不是内部或外部命令,也不是可运行的程序或批处理文件。”的错误信息。如果是这样,就需要先运行下面的命令以修正这个错误:

set PATH=%PATH%;C:/Python27

之后再运行Python,就可以得到正常的输出了,如图1-4所示。

image

至此,读者应该已经能够在自己的电脑上使用Python进行编程了。在Windows下,想要退出Python只能使用输入exit()的这一种方式,Windows的cmd不接受Ctrl+D的命令。

相关文章
|
5月前
|
设计模式 SQL 人工智能
Python设计模式:从代码复用到系统架构的实践指南
本文以Python为实现语言,深入解析23种经典设计模式的核心思想与实战技巧。通过真实项目案例,展示设计模式在软件开发中的结构化思维价值,涵盖创建型、结构型、行为型三大类别,并结合Python动态语言特性,探讨模式的最佳应用场景与实现方式,帮助开发者写出更清晰、易维护的高质量代码。
217 1
|
5月前
|
设计模式 人工智能 算法
Python设计模式:从代码复用到系统架构的实践指南
本文探讨了电商系统中因支付方式扩展导致代码臃肿的问题,引出设计模式作为解决方案。通过工厂模式、策略模式、单例模式等经典设计,实现代码解耦与系统扩展性提升。结合Python语言特性,展示了模块化、装饰器、适配器等模式的实战应用,并延伸至AI时代的设计创新,帮助开发者构建高内聚、低耦合、易维护的软件系统。
328 0
|
6月前
|
监控 大数据 API
Python 技术员实践指南:从项目落地到技术优化
本内容涵盖Python开发的实战项目、技术攻关与工程化实践,包括自动化脚本(日志分析系统)和Web后端(轻量化API服务)两大项目类型。通过使用正则表达式、Flask框架等技术,解决日志分析效率低与API服务性能优化等问题。同时深入探讨内存泄漏排查、CPU瓶颈优化,并提供团队协作规范与代码审查流程。延伸至AI、大数据及DevOps领域,如商品推荐系统、PySpark数据处理和Airflow任务编排,助力开发者全面提升从编码到架构的能力,积累高并发与大数据场景下的实战经验。
Python 技术员实践指南:从项目落地到技术优化
|
机器学习/深度学习 数据可视化 数据处理
从基础到进阶:探索Python在数据科学中的应用
【10月更文挑战第18天】从基础到进阶:探索Python在数据科学中的应用
173 1
|
机器学习/深度学习 数据采集 数据可视化
Python 数据分析:从零开始构建你的数据科学项目
【10月更文挑战第9天】Python 数据分析:从零开始构建你的数据科学项目
251 2
|
9月前
|
机器学习/深度学习 数据可视化 TensorFlow
Python 高级编程与实战:深入理解数据科学与机器学习
本文深入探讨了Python在数据科学与机器学习中的应用,介绍了pandas、numpy、matplotlib等数据科学工具,以及scikit-learn、tensorflow、keras等机器学习库。通过实战项目,如数据可视化和鸢尾花数据集分类,帮助读者掌握这些技术。最后提供了进一步学习资源,助力提升Python编程技能。
|
9月前
|
机器学习/深度学习 自然语言处理 TensorFlow
使用Python和DeepSeek进行联网搜索的实践指南
本文介绍如何使用Python和假设的高性能深度学习工具包DeepSeek进行联网搜索,并通过实际案例展示其应用过程。首先,准备环境并安装依赖库(如Python 3.x、pip、DeepSeek、requests和BeautifulSoup4)。接着,讲解了DeepSeek的功能及其在图像分类、实体识别等任务中的应用。通过联网搜索抓取数据并进行预处理后,使用TensorFlow和Keras构建和训练CNN模型。
826 3
|
9月前
|
机器学习/深度学习 数据可视化 算法
Python 高级编程与实战:深入理解数据科学与机器学习
在前几篇文章中,我们探讨了 Python 的基础语法、面向对象编程、函数式编程、元编程、性能优化和调试技巧。本文将深入探讨 Python 在数据科学和机器学习中的应用,并通过实战项目帮助你掌握这些技术。
|
机器学习/深度学习 数据采集 数据可视化
Python在数据科学中的应用:从入门到实践
本文旨在为读者提供一个Python在数据科学领域应用的全面概览。我们将从Python的基础语法开始,逐步深入到数据处理、分析和可视化的高级技术。文章不仅涵盖了Python中常用的数据科学库,如NumPy、Pandas和Matplotlib,还探讨了机器学习库Scikit-learn的使用。通过实际案例分析,本文将展示如何利用Python进行数据清洗、特征工程、模型训练和结果评估。此外,我们还将探讨Python在大数据处理中的应用,以及如何通过集成学习和深度学习技术来提升数据分析的准确性和效率。
|
数据采集 数据可视化 数据处理
Python数据科学:Pandas库入门与实践
Python数据科学:Pandas库入门与实践

推荐镜像

更多