python更新頻繁

⑴ 如何提高python的運行效率

竅門一：關鍵代碼使用外部功能包

Python簡化了許多編程任務，但是對於一些時間敏感的任務，它的表現經常不盡人意。使用C/C++或機器語言的外部功能包處理時間敏感任務，可以有效提高應用的運行效率。這些功能包往往依附於特定的平台，因此你要根據自己所用的平台選擇合適的功能包。簡而言之，這個竅門要你犧牲應用的可移植性以換取只有通過對底層主機的直接編程才能獲得的運行效率。以下是一些你可以選擇用來提升效率的功能包：

Cython
Pylnlne
PyPy
Pyrex

這些功能包的用處各有不同。比如說，使用C語言的數據類型，可以使涉及內存操作的任務更高效或者更直觀。Pyrex就能幫助Python延展出這樣的功能。Pylnline能使你在Python應用中直接使用C代碼。內聯代碼是獨立編譯的，但是它把所有編譯文件都保存在某處，並能充分利用C語言提供的高效率。

竅門二：在排序時使用鍵

Python含有許多古老的排序規則，這些規則在你創建定製的排序方法時會佔用很多時間，而這些排序方法運行時也會拖延程序實際的運行速度。最佳的排序方法其實是盡可能多地使用鍵和內置的sort()方法。譬如，拿下面的代碼來說：

import operator
somelist = [(1, 5,]
在每段例子里，list都是根據你選擇的用作關鍵參數的索引進行排序的。這個方法不僅對數值類型有效，還同樣適用於字元串類型。

竅門三：針對循環的優化

每一種編程語言都強調最優化的循環方案。當使用Python時，你可以藉助豐富的技巧讓循環程序跑得更快。然而，開發者們經常遺忘的一個技巧是：盡量避免在循環中訪問變數的屬性。譬如，拿下面的代碼來說：

lowerlist = ['this', 'is', 'lowercase']
upper = str.upper
upperlist = []
append = upperlist.append
for word in lowerlist:
append(upper(word))
print(upperlist)
#Output = ['THIS', 'IS', 'LOWERCASE']
每次你調用str.upper, Python都會計算這個式子的值。然而，如果你把這個求值賦值給一個變數，那麼求值的結果就能提前知道，Python程序就能運行得更快。因此，關鍵就是盡可能減小Python在循環中的工作量。因為Python解釋執行的特性，在上面的例子中會大大減慢它的速度。

（注意：優化循環的方法還有很多，這只是其中之一。比如，很多程序員會認為，列表推導式是提高循環速度的最佳方法。關鍵在於，優化循環方案是提高應用程序運行速度的上佳選擇。）

竅門四：使用較新的Python版本

如果你在網上搜索Python，你會發現數不盡的信息都是關於如何升級Python版本。通常，每個版本的Python都會包含優化內容，使其運行速度優於之前的版本。但是，限制因素在於，你最喜歡的函數庫有沒有同步更新支持新的Python版本。與其爭論函數庫是否應該更新，關鍵在於新的Python版本是否足夠高效來支持這一更新。

你要保證自己的代碼在新版本里還能運行。你需要使用新的函數庫才能體驗新的Python版本，然後你需要在做出關鍵性的改動時檢查自己的應用。只有當你完成必要的修正之後，你才能體會新版本的不同。

然而，如果你只是確保自己的應用在新版本中可以運行，你很可能會錯過新版本提供的新特性。一旦你決定更新，請分析你的應用在新版本下的表現，並檢查可能出問題的部分，然後優先針對這些部分應用新版本的特性。只有這樣，用戶才能在更新之初就覺察到應用性能的改觀。

竅門五：嘗試多種編碼方法

每次創建應用時都使用同一種編碼方法幾乎無一例外會導致應用的運行效率不盡人意。可以在程序分析時嘗試一些試驗性的辦法。譬如說，在處理字典中的數據項時，你既可以使用安全的方法，先確保數據項已經存在再進行更新，也可以直接對數據項進行更新，把不存在的數據項作為特例分開處理。請看下面第一段代碼：

n = 16
myDict = {}
for i in range(0, n):
char = 'abcd'[i%4]
if char not in myDict:
myDict[char] = 0
myDict[char] += 1
print(myDict)
當一開始myDict為空時，這段代碼會跑得比較快。然而，通常情況下，myDict填滿了數據，至少填有大部分數據，這時換另一種方法會更有效率。

n = 16
myDict = {}
for i in range(0, n):
char = 'abcd'[i%4]
try:
myDict[char] += 1
except KeyError:
myDict[char] = 1
print(myDict)
在兩種方法中輸出結果都是一樣的。區別在於輸出是如何獲得的。跳出常規的思維模式，創建新的編程技巧能使你的應用更有效率。

竅門六：交叉編譯你的應用

開發者有時會忘記計算機其實並不理解用來創建現代應用程序的編程語言。計算機理解的是機器語言。為了運行你的應用，你藉助一個應用將你所編的人類可讀的代碼轉換成機器可讀的代碼。有時，你用一種諸如Python這樣的語言編寫應用，再以C++這樣的語言運行你的應用，這在運行的角度來說，是可行的。關鍵在於，你想你的應用完成什麼事情，而你的主機系統能提供什麼樣的資源。

Nuitka是一款有趣的交叉編譯器，能將你的Python代碼轉化成C++代碼。這樣，你就可以在native模式下執行自己的應用，而無需依賴於解釋器程序。你會發現自己的應用運行效率有了較大的提高，但是這會因平台和任務的差異而有所不同。

（注意：Nuitka現在還處在測試階段，所以在實際應用中請多加註意。實際上，當下最好還是把它用於實驗。此外，關於交叉編譯是否為提高運行效率的最佳方法還存在討論的空間。開發者已經使用交叉編譯多年，用來提高應用的速度。記住，每一種解決辦法都有利有弊，在把它用於生產環境之前請仔細權衡。）

在使用交叉編譯器時，記得確保它支持你所用的Python版本。Nuitka支持Python2.6, 2.7, 3.2和3.3。為了讓解決方案生效，你需要一個Python解釋器和一個C++編譯器。Nuitka支持許多C++編譯器，其中包括Microsoft Visual Studio,MinGW 和 Clang/LLVM。

交叉編譯可能造成一些嚴重問題。比如，在使用Nuitka時，你會發現即便是一個小程序也會消耗巨大的驅動空間。因為Nuitka藉助一系列的動態鏈接庫（DDLs）來執行Python的功能。因此，如果你用的是一個資源很有限的系統，這種方法或許不太可行。

⑵ torch支持python嗎

PyTorch 是 Torch7 團隊開發的，從它的名字就可以看出，其與 Torch 的不同之處在於 PyTorch 使用了 Python 作為開發語言。

所謂「Python first」，同樣說明它是一個以Python 優先的深度學習框架，不僅能夠實現強大的GPU 加速，同時還支持動態神經網路，這是現在很多主流框架比如Tensorflow 等都不支持的。

PyTorch 既可以看做加入了GPU 支持的numpy，同時也可以看成一個擁有自動求導功能的強大的深度神經網路，除了Facebook 之外，它還已經被Twitter、CMU 和Salesforce 等機構採用。

相關推薦：《Python教程》

為何要使用PyTorch

面對如此多的深度學習框架，我們為何要選擇PyTorch 呢？Tensorflow 不是深度學習框架默認的老大嗎，為什麼不直接選擇Tensorflow 而是要選擇PyTorch 呢？下面分4個方面來介紹為何要使用PyTorch。

（1）掌握一個框架並不能一勞永逸，現在深度學習並沒有誰擁有絕對的壟斷地位，就算是Google 也沒有，所以只學習Tensorflow 並不夠。同時現在的研究者使用各個框架的都有，如果你要去看他們實現的代碼，至少也需要了解他們使用的框架，所以多學一個框架，以備不時之需。

（2）Tensorflow 與Caffe 都是命令式的編程語言，而且是靜態的，首先必須構建一個神經網路，然後一次又一次使用同樣的結構，如果想要改變網路的結構，就必須從頭開始。但是對於PyTorch，通過一種反向自動求導的技術，可以讓你零延遲地任意改變神經網路的行為，盡管這項技術不是PyTorch 獨有，但目前為止它實現是最快的，能夠為你任何瘋狂想法的實現獲得最高的速度和最佳的靈活性，這也是PyTorch 對比Tensorflow 最大的優勢。

（3）PyTorch 的設計思路是線性、直觀且易於使用的，當你執行一行代碼時，它會忠實地執行，並沒有非同步的世界觀，所以當你的代碼出現Bug 的時候，可以通過這些信息輕鬆快捷地找到出錯的代碼，不會讓你在Debug 的時候因為錯誤的指向或者非同步和不透明的引擎浪費太多的時間。

（4）PyTorch 的代碼相對於Tensorflow 而言，更加簡潔直觀，同時對於Tensorflow高度工業化的很難看懂的底層代碼，PyTorch 的源代碼就要友好得多，更容易看懂。深入API，理解PyTorch 底層肯定是一件令人高興的事。一個底層架構能夠看懂的框架，你對其的理解會更深。

最後，我們簡要總結一下PyTorch 的特點：

·支持GPU；

·動態神經網路；

·Python 優先；

·命令式體驗；

·輕松擴展。

擁有著如此多優點的.PyTorch 也有著它的缺點,因為這款框架比較新，所以使用的人也就比較少，這也就使得它的社區沒有那麼強大，但是PyTorch 提供了一個官方的論壇，大多數碰到的問題都可以去裡面搜索，裡面的答案一般都是由作者或者其他PyTorch 使用者提供的，論壇的更新也特別頻繁，同時也可以去Github 上面提Issue，一般很快就會得到開發者的回應，也算是一定程度上解決了社區的問題。

⑶ Python爬蟲如何避免爬取網站訪問過於頻繁

一. 關於爬蟲
爬蟲，是一種按照一定的規則自動地抓取互聯網信息的程序。本質是利用程序獲取對我們有利的數據。

反爬蟲，從不是將爬蟲完全杜絕；而是想辦法將爬蟲的訪問量限制在一個可接納的范圍，不要讓它過於頻繁。

二. 提高爬蟲效率的方法
協程。採用協程，讓多個爬蟲一起工作，可以大幅度提高效率。

多進程。使用CPU的多個核，使用幾個核就能提高幾倍。

多線程。將任務分成多個，並發（交替）的執行。

分布式爬蟲。讓多個設備去跑同一個項目，效率也能大幅提升。

打包技術。可以將python文件打包成可執行的exe文件，讓其在後台執行即可。

其他。比如，使用網速好的網路等等。

三. 反爬蟲的措施
限制請求頭，即request header。解決方法：我們可以填寫user-agent聲明自己的身份，有時還要去填寫origin和referer聲明請求的來源。

限制登錄，即不登錄就不能訪問。解決方法：我們可以使用cookies和session的知識去模擬登錄。

復雜的交互，比如設置「驗證碼」來阻攔登錄。這就比較難做，解決方法1：我們用Selenium去手動輸入驗證碼；方法2：我們用一些圖像處理的庫自動識別驗證碼（tesserocr/pytesserart/pillow）。

ip限制。如果這個IP地址，爬取網站頻次太高，那麼伺服器就會暫時封掉來自這個IP地址的請求。 解決方法：使用time.sleep()來對爬蟲的速度進行限制，建立IP代理池或者使用IPIDEA避免IP被封禁。

⑷ python是如何被開發的

本文出自《Python高手之路》中的Doug Hellmann訪談。

我曾經有幸和Doug Hellmann一起工作過數月。他在DreamHost是一位非常資深的軟體開發工程師，同時他也是OpenStack項目的貢獻者。他發起過關於Python的網站Python Mole of the Week（），也出版過一本很有名的Pyhton書The Python Standard Library By Example（），同時他也是Python的核心開發人員。我曾經咨詢過Doug關於標准庫以及庫的設計與應用等方面的問題。
當你從頭開發一個Python應用時，如何邁出第一步呢？它和開發一個已有的應用程序有什麼不同？
從抽象角度看步驟都差不多，但是細節上有所不同。相對於對比開發新項目和已有項目，我個人在對應用程序和庫開發的處理方式上有更多的不同。
當我要修改已有代碼時，特別是這些代碼是其他人創建的時，起初我需要研究代碼是如何工作的，我需要改進哪些代碼。我可能會添加日誌或是輸出語句，或是用pdb，利用測試數據運行應用程序，以便我理解它是如何工作的。我經常會做一些修改並測試它們，並在每次提交代碼前添加可能的自動化測試。
創建一個新應用時，我會採取相同的逐步探索方法。我先創建一些代碼，然後手動運行它們，在這個功能可以基本調通後，再編寫測試用例確保我已經覆蓋了所有的邊界情況。創建測試用例也可以讓代碼重構更容易。
這正是smiley（）的情況。在開發正式應用程序前，我先嘗試用Python的trace API寫一些臨時腳本。對於smiley我最初的設想包括一個儀表盤並從另一個運行的應用程序收集數據，另一部分用來接收通過網路發送過來的數據並將其保存。在添加幾個不同的報告功能的過程中，我意識到重放已收集的數據的過程和在一開始收集數據的過程基本是一樣的。於是我重構了一些類，並針對數據收集，資料庫訪問和報告生成器創建了基類。通過讓這些類遵循同樣的API使我可以很容易地創建數據收集應用的一個版本，它可以直接將數據寫入資料庫而無需通過網路發送數據。
當設計一個應用程序時，我會考慮用戶界面是如何工作的，但對於庫，我會專注於開發人員如何使用其API。通過先寫測試代碼而不是庫代碼，可以讓思考如何通過這個新庫開發應用程序變得更容易一點兒。我通常會以測試的方式創建一系列示常式序，然後依照其工作方式去構建這個庫。
我還發現，在寫任何庫的代碼之前先寫文檔讓我可以全面考慮功能和流程的使用，而不需要提交任何實現的細節。它還讓我可以記錄對於設計我所做出的選擇，以便讀者不僅可以理解如何使用這個庫，還可以了解在創建它時我的期望是什麼。這就是我用在stevedore上的方法。
我知道我想讓stevedore能夠提供一組類用來管理應用程序的插件。在設計階段，我花了些時間思考我見過的使用插件的通用模式，並且寫了幾頁粗略的文檔描述這些類應該如何使用。我意識到，如果我在類的構造函數中放最復雜的參數，方法map()幾乎是可互換的。這些設計筆記直接寫進了stevedore官方文檔的簡介里，用來解釋在應用程序中使用插件的不同模式和准則。
將一個模塊加入Python標准庫的流程是什麼？
完整的流程和規范可以在Python Developer's Guide（）中找到。
一個模塊在被加入Python標准庫之前，需要被證明是穩定且廣泛使用的。模塊需要提供的功能要麼是很難正確實現的，要麼是非常有用以至於許多開發人員已經創建了他們自己不同的變種。API應該非常清晰並且它的實現不能依賴任何標准庫之外的庫。
提議一個新模塊的第一步是在社區通過python-ideas郵件列表非正式地了解一下大家對此的感興趣程度。如果回應很積極，下一步就是創建一個Python增強提案（PythonEnhancement Proposal，PEP），它包括添加這個模塊的動因，以及如何過渡的一些實現細節。
因為包的管理和發現工作已經非常穩定了，尤其是pip和Python Package Index（PyPI），因此在標准庫之外維護一個新的庫可能更實用。單獨的發布使得對於新功能和bug修復（bugfix）的更新可以更頻繁，對於處理新技術或API的庫來說這尤其重要。
標准庫中的哪三個模塊是你最想人們深入了解並開始使用的？
最近我做了許多關於應用程序中動態載入擴展方面的工作。我使用abc模塊為那些作為抽象基類進行的擴展定義API，以幫助擴展的作者們了解API的哪些方法是必需的，哪些是可選的。抽象基類已經在其他一些語言中內置了，但我發現很多Python程序員並不知道Python也有。
bisect模塊中的二分查找演算法是個很好的例子，一個廣泛使用但不容易正確實現的功能，因此它非常適合放到標准庫中。我特別喜歡它可以搜索稀疏列表，且搜索的值可能並不在其中。
collections模塊中有許多有用的數據結構並沒有得到廣泛使用。我喜歡用namedtuple來創建一些小的像類一樣的數據結構來保存數據但並不需要任何關聯邏輯。如果之後需要添加邏輯的話，可以很容易將namedtuple轉換成一個普通的類，因為namedtuple支持通過名字訪問屬性。另一個有意思的數據結構是ChainMap，它可以生成良好的層級命名空間。ChainMap能夠用來為模板解析創建上下文或者通過清晰的流程定義來管理不同來源的配置。
許多項目（包括OpenStack）或者外部庫，會在標准庫之上封裝一層自己的抽象。例如，我特別想了解對於日期/時間的處理。對此你有什麼建議嗎？程序員應該堅持使用標准庫，還是應該寫他們自己的函數，切換到其他外部庫或是開始給Python提交補丁？
所有這些都可以。我傾向於避免重復造輪子，所以我強烈主張貢獻補丁和改進那些能夠用來作為依賴的項目。但是，有時創建另外的抽象並單獨維護代碼也是合理的，不管在應用程序內還是作為一個新的庫。
你提到的例子中，OpenStack里的timeutils模塊就是對Python的datetime模塊的一層很薄的封裝。大部分功能都簡短且簡單，但通過將這些最常見的操作封裝為一個模塊，我們可以保證它們在OpenStack項目中以一致的方式進行處理。因為許多函數都是應用相關的，某種意義上它們強化了一些問題決策，例如，字元串時間戳格式或者「現在」意味著什麼，它們不太適合作為Python標准庫的補丁或者作為一個通用庫發布以及被其他項目採用。
與之相反，我目前正致力於將OpenStack的API服務項目從早期創建時使用的WSGI框架轉成採用一個第三方Web開發框架。在Python中開發WSGI應用有很多選擇，並且當我們可能需要增強其中一個以便其可以完全適應OpenStack API伺服器的需要時，將這些可重用的修改貢獻對於維護一個「私有的」框架似乎更可取。
當從標准庫或其他地方導入並使用大量模塊時，關於該做什麼你有什麼特別的建議嗎？
我沒有什麼硬性限制，但是如果我有過多的導入時，我會重新考慮這個模塊的設計並考慮將其拆到一個包中。與上層模塊或者應用程序模塊相比，對底層模塊的這種拆分可能會發生得更快，因為對於上層模塊我期望將更多片段組織在一起。
關於Python 3，有什麼模塊是值得一提而且能令開發人員有興趣深入了解的？
支持Python 3的第三方庫的數量已經到了決定性的時刻。針對Python 3開發新庫或應用程序從未如此簡單過，而且幸虧有3.3中加入的兼容性功能使同時維護對Python 2.7的支持也很容易。主要的linux發行版正在致力於將Python 3默認安裝。任何人要用Python創建新項目都應該認真考慮對Python 3的支持，除非有尚未移植的依賴。目前來說，不能運行在Python 3上的庫基本會被視為「不再維護」。
許多開發人員將所有的代碼都寫入到應用程序中，但有些情況下可能有必要將代碼封裝成一個庫。關於設計、規劃、遷移等，做這些最好的方式是什麼？
應用程序就是「膠水代碼」的集合用來將庫組織在一起完成特定目的。起初設計時可以將這些功能實現為一個庫，然後在構建應用程序時確保庫的代碼能夠很好地組織到邏輯單元中，這會讓測試變得更簡單。這還意味著應用程序的功能可以通過庫進行訪問，並且能夠被重新組合以構建其他應用程序。未能採用這種方法的話意味著應用程序的功能和用戶界面的綁定過於緊密，導致很難修改和重用。
對於計劃開始構建自己的Python庫的人們有什麼樣的建議呢？
我通常建議自頂向下設計庫和API，對每一層應用單一職責原則（Single Responsibility Principle，SRP）（）這樣的設計准則。考慮調用者如何使用這個庫，並創建一個API去支持這些功能。考慮什麼值可以存在一個實例中被方法使用，以及每個方法每次都要傳入哪些值。最後，考慮實現以及是否底層的代碼的組織應該不同於公共API。
SQLAlchemy是應用這些原則的絕好例子。聲明式ORM、數據映射和表達式生成層都是單獨的。開發人員可以自行決定對於API訪問的正確的抽象程度，並基於他們的需求而不是被庫的設計強加的約束去使用這個庫。
當你隨機看Python程序員的代碼時遇到的最常見的編程錯誤是什麼？
Python的習慣用法和其他語言的一個較大的不同在於循環和迭代。例如，我見過的最常見的反模式是使用for循環過濾一個列表並將元素加入到一個新的列表中，然後再在第二個循環中處理這個結果（可能將列表作為參數傳給一個函數）。我通常建議將過濾循環改成生成器表達式，因為生成器表達式，更有效也更容易理解。列表的組合也很常見，以便它們的內容可以以某種方式一起被處理，但卻沒有使用itertools.chain()。
還有一些我在代碼評審時給出的更細小的建議，例如，使用dict()而不是長的if:then:else塊作為查找表，確保函數總是返回相同的類型（如一個空列表而不是None），通過使用元組和新類將相關的值合並到一個對象中從而減少函數的參數，以及在公共API中定義要使用的類而不是依賴於字典。
有沒有關於選擇了一個「錯誤」的依賴的具體的例子是你親身經歷或目睹過的？
最近，我有個例子，pyparsing（）的一個新發布取消了對Python 2的支持，這給我正在維護的一個庫帶來了一點兒小麻煩。對pyparsing的更新是個重大的修改，而且是明確標識成這樣的，但是因為我沒有在對cliff（）的設置中限制依賴版本號，所以pyparsing的新發布給cliff的用戶造成了問題。解決方案就是在cliff的依賴列表中對Python 2和Python 3提供不同的版本邊界。這種情況突顯了理解依賴管理和確保持續集成測試中適當的測試配置的重要性。
你怎麼看待框架？
框架像任何工具類型一樣。它們確實有幫助，但在選擇框架時要特別謹慎，應確保它能夠很好地完成當前的工作。
通過抽取公共部分到一個框架中，你可以將你的開發精力專注於應用中獨特的方面。通過提供許多類似運行在開發模式或者寫一個測試套件這樣的引導代碼，它們還可以幫你讓一個應用程序迅速達到一個可用的狀態而不是從頭開發。它們還可以激勵你在應用程序開發過程中保持一致，這意味著最終你的代碼將更易於理解且更可重用。
雖然使用框架時還有其他一些潛在的缺點需要注意。決定使用某個特定框架通常能夠反映應用程序本身的設計。如果設計的限制不能從根本上符合應用程序的需求，那麼選擇錯誤的框架會令應用的實現變得更難。如果你試著使用與框架建議不同的模式或慣用方式，你最終將不得不同框架做斗爭。

⑸ Python如何進行內存管理

Python是如何進行內存管理的？

答:從三個方面來說,一對象的引用計數機制,二垃圾回收機制,三內存池機制。

一、對象的引用計數機制

Python內部使用引用計數，來保持追蹤內存中的對象，所有對象都有引用計數。

引用計數增加的情況：

1，一個對象分配一個新名稱

2，將其放入一個容器中（如列表、元組或字典）

引用計數減少的情況：

1，使用del語句對對象別名顯示的銷毀

2，引用超出作用域或被重新賦值

Sys.getrefcount( )函數可以獲得對象的當前引用計數

多數情況下，引用計數比你猜測得要大得多。對於不可變數據（如數字和字元串），解釋器會在程序的不同部分共享內存，以便節約內存。

相關推薦：《Python視頻教程》

二、垃圾回收

1，當一個對象的引用計數歸零時，它將被垃圾收集機制處理掉。

2，當兩個對象a和b相互引用時，del語句可以減少a和b的引用計數，並銷毀用於引用底層對象的名稱。然而由於每個對象都包含一個對其他對象的應用，因此引用計數不會歸零，對象也不會銷毀。（從而導致內存泄露）。為解決這一問題，解釋器會定期執行一個循環檢測器，搜索不可訪問對象的循環並刪除它們。

三、內存池機制

Python提供了對內存的垃圾收集機制，但是它將不用的內存放到內存池而不是返回給操作系統。

1，Pymalloc機制。為了加速Python的執行效率，Python引入了一個內存池機制，用於管理對小塊內存的申請和釋放。

2，Python中所有小於256個位元組的對象都使用pymalloc實現的分配器，而大的對象則使用系統的malloc。

3，對於Python對象，如整數，浮點數和List，都有其獨立的私有內存池，對象間不共享他們的內存池。也就是說如果你分配又釋放了大量的整數，用於緩存這些整數的內存就不能再分配給浮點數。

⑹ python常見數據類型

一,python整數類型所表示的數據。

1,一般用以表示一類數值:所有正整數,0和負整數;

2,整型作為最常用的,頻繁參與計算的數據類型，在python3.5中解釋器會自動在內存中創建-5-3000之間的（包含5，不包含3000）整型對象，也就是說在該范圍內,相等都是同一個已經創建好的整型對象。范圍之外的即使相等也表示不同對象，該特性隨python版本而改變，不要過於依賴。

3,bool型繼承了int型，他是int的子類。

4,Python2中有長整型long，數值范圍更大，在python3中已取消，所有整型統一由int表示。

5,參與所有數值計算，數學運算，科學計算。這也是所有編程語言都有的數據類型，因為編程語言生而需要模擬人的思維，藉助數學方式，自動計算、更好的解決大量重復性的事務，因此數值類型、整數類型在編程語言中不可或缺。

6,支持二進制(0b\0B開頭),十進制,八進制(0o\0O),十六進制(0x\0X)

二，python整數和浮點型支持常規的數值運算

整數和浮點數都可參與的運算：+ - * / %（取余） //（整除） **（冪）

Python字元型：

python字元型表示的數據：
python3支持Unicode編碼，由字母、數字和符號組成的形式就叫字元串，更接近或者相同與人們文字元號表示，因此在信息表示和傳遞時它也是最受認可的形式。在程序編寫中也是非常常用，對應的可操作的方法也很多，很有意思。
字元串不可被修改，可以拼接等方法創建新字元串對象；
支持分片和下標操作；a[2:]
支持+拼接，*重復操作和成員關系in/not in；
表示形式：用單引號雙引號包含起來的符號；a = str(『sdfsdfsdf』) 或 r』\t\nabcd』 原始字元，Bytes：b』abcd』；
6,字元串屬於不可變數據類型，內部機制為了節省空間，相同的兩個字元串表示相同的一個對象。a = 『python』 b = 『python』 a is b :True

二, 字元串支持的運算方法

1,capitalize() :首字母大寫後邊的字母小寫 a = 『abcd』 b = a.capitalize() b:Abcd

2,casefold() lower():字母轉換為全小寫

3,center(width,fillchar) :居中，width填補的長度；fillchar添加的字元

a = a.center(10,』_』) //』____abcd____』 默認無fillchar填充空格

4,count(sub,star,end) :字母計數：sub要查詢的字元

5,encode(encoding=』utf-8』,errors=』strict』) 設置編碼

Errors :設置錯誤類型

6,endswith(suffix,star,end) : 若以suffix結尾返回True

7，expandtabs(8) :設置字元串中tab按鍵符的空格長度：』\tabcde』

8,find(sub,star,end) : 返回指定范圍內的字元串下標，未找到返回-1

9，index(sub,star,end) :返回指定范圍字元串下標未找到拋出異常

10，isalnum() :判斷字元串是否是字母或數字，或字母和數字組合

11，isalpha() :判斷是否全是字母

12，isdecimal() :判斷字元串是否是十進制數值

13，isdigit() :判斷字元串是否是數字

14，isidentifier() :判斷字元串中是否包含關鍵字

15，islower() :判斷是否全小寫

16，isnumeric() :判斷全是數字

17，isspace() :判斷是否是空格

18，isupper() 判斷是否大寫

19，istitle() :判斷是否首字母大寫

20，join(iterable) :把可迭代對象用字元串進行分割：a.join(『123』)

21,ljust(width,fillchar);rjust() :左對齊右對齊

22, upper() :將字元串改為大寫

23，split(sep=None,maxsplit=-1) :分割一個字元串，被選中字元在字元串中刪除

『ab1cd1efg』.split(『1』) :[『ab』,』cd』,』efg』]

三，字元串格式化：按照規格輸出字元串

format(*args,**kwargs) :args位置參數，kwargs關鍵字參數

『{0:.1f}』.format(123.468) :格式化參數，小數點後保留1位四捨五入

四，字元串操作符%

1，%s :格式化字元串 『abcd%sdef』%』dddd』

2，%d:格式化整數

3，%o格式化無符號八進制

4，%x格式化無符號十六進制

5，%f格式化定點數

6, %e: 科學計數法格式化定點數

7，%g 根據值大小自動選%f,%e

8, %G E X :大寫形式

五，格式化輔助命令：

m.n :m最小總寬度，n小數點後位數：』%12.4f』%23456.789

六，轉義字元：字元串前r避免轉義：r』\nhello\thi』

\n:換行符

\t:橫向製表符

\':'

\":"

\b:退格符

\r:回車

\v:縱向製表符

\f:換頁符

\o,\x:八進制和十六進制

\0:空字元串

Python列表list

一，Python的列表list類型表示的數據：

Python列表在cpython中被解釋為長度可變的數組，用其他對象組成的連續數組。

列表中元素可以是相同或不同的數據類型；
當列表元素增加或刪除時，列表對象自動進行擴展或收縮內存，保證元素之間沒有縫隙，總是連續的。
Python中的列表是一個序列，也是一個容器類型
創建列表：a = []; b = [1,』python』]; c = list(); d = list((1,3,4,5))
支持切片操作list[start,stop,step]
python列表常用方法
1,append添加單個元素：list.append(object); //a.append(『python』)

2,extend添加可迭代對象: list.extend(iterable); //a.extend(『abcde』/[1,2,3])

3,insert 插入元素：list.insert(index,object): 在index下標前插入元素//a.insert(2,』python』)

4,clear 清空所有元素：list.clear() //a.clear()

5,pop 刪除並返回一個元素：list.pop(index) //默認刪除默認一個元素

remove 刪除指定元素：list.remove(v) ,v元素不存在報錯 //a.remove(『c』)
7，count 返回這個值在列表中數量：list.count(value)

8, 淺拷貝一個新列表：list.()

9,sort:排序list.sort(reverse=False/True) :默認升序

排序函數：sorted(list)

10，reverse: 原地翻轉：list.reverse()

11，index(value,star,stop) :指定范圍內該值下標：list.index(2,0,5)

列表元素訪問：
下標訪問：list[1]
For循環遍歷
通過下標修改元素：list[2 ] = 『hello』
列表常用運算符：
1,比較運算符：從第一個元素開始對比

2，+ 拼接一個新列表：l1+ l2

3, 重復操作符：* ,多個列表拼接

成員關系操作符：in/ not in
邏輯運算符：and not or
列表常用的排序方法：
冒泡排序；選擇排序；快速排序；歸並排序

Python元組tuple

一，Python元組tuple數據類型表示的數據：

元組是受到限制的、不可改變的列表；
可以是同構也可以是異構；
元組是序列類型、是可迭代對象，是容器類型。
元組的創建: a = (1,2,3)或a=1,2,3; b = tuple(); c = tuple(iterable)
支持切片操作tuple[start,stop,step]

二，python元組常用方法

1,index(value,star,stop) :指定范圍內該值下標：tuple.index(2,0,5)

2,count(value) ：值出現次數

三，支持運算：

1,比較運算符：從第一個元素開始對比

2，+ 拼接一個新元組：l1+ l2

3, 重復操作符：* ,多個元組拼接

4成員關系操作符：in/ not in

邏輯運算符：and not or
四，元組的訪問

下標操作；
For循環遍歷訪問。

Python字典類型

一,Python字典dict表示的數據：{key:value}

可根據關鍵字：鍵快速索引到對應的值；
字典是映射類型，鍵值對一一對應關系，不是序列；
字典元素是無序的；
字典是可迭代對象，是容器類型；
字典的創建：k = {}; k1={『keyword』:object}; k2 = dict();
K3 = dict(mapping); dict=(iterable)

二，字典的訪問：

通過key：k[『key』]

修改key對應的值：K[『key』] = value

For循環遍歷出來的是key；

For循環鍵值對：for I in d.items():

For 循環enumerate: for k,v in enumerate(k1):

In/not in 成員關系查詢鍵不支持查值

三，字典常用方法

get(key,de):獲取值：k.get(key,de) //若不存在則默認輸出de
pop(k,de):刪除一個鍵值對，不存在輸出de，未設置報錯；
keys() :返回字典所有key組成的序列：list(k.keys()) [1,2,3];
values():返回字典所有value組成的序列：list(k.values())
items():返回鍵值對組成的元組為元素的序列：（類set）list(k.items())
update(e):更新字典：e可是字典或兩元素組成的單位元素序列：e=[(5,6),(7,8)];
k.update(e)

clear():清空字典；
popitem()刪除某個鍵值對，若字典為空則報錯
() :淺拷貝
10, fromkeys(iterable,value=None):從可迭代對象創建字典

{}.fromkeys([1,2,3]) -----{1:None,2:None,3:None}

11,setdefault(k,d=None) :若key不存在則生成一個鍵值對

k.setdefault(『keyword』)

Python 集合set

集合表示的數據：
多個元素的無序組合，集合是無序的，集合元素是唯一的；
字典的鍵是由集合實現的；
集合是可迭代對象
集合創建：s = {1,2}; s1 = set(); s2 = set(iterable)
集合元素的訪問：
For 循環將集合所有元素全部訪問一遍，不重復

常用方法：
add(object):s.add(『hi』) 向集合添加一個元素
pop() :彈棧，集合為空則報錯：刪除任意一個元素；
clear():清空集合，返回一個空集合對象；
remove(object):刪除一個元素，不存在和報錯：s.remove(『hi』)
update(集合)：更新另一個集合，元素不存在則不更新；
() :淺拷貝
集合的運算：
交集：s1&s2;
差集,補集：s1-s2;
並集：s1|s2;
Issubset():判斷是否是子集：s1.issubset(s2) s1是否s2的集合子集
Issuperset():判斷是否是父集：s1.issuperset()
不可變集合：
Frozenset():返回一個空的不可變集合對象

Frozenset(iterable):

S = frozenset(iterable)

Python序列類型共同特性

一,序列類型共同特性

python序列類型有:str字元串,list列表,tuple元組
都支持下標索引，切片操作；
下標都是從0開始，都可通過下標進行訪問；
擁有相同的操作符
二，支持的函數：

len(obj):返回對象長度；
list(iterable):將可迭代對象轉為列表；
tuple(iterable):將可迭代對象轉為元組；
str(ojb):將任何對象轉為字元串形式；
max(iterable): python3中元素要是同類型，python2中元素可異構：max([『a』,1])
min(iterable):和max類似；
sum(iterable,star=0),求可迭代對象和，默認star為0，元素不能為字元串
sorted(iterable,key=None,reverse=False)
s=[(『a』,3),(『b』,2),(『c』,9)]

sorted(s,key=lambda s:s[1]) //按照數字排序

reversed(sequence):翻轉序列，返回迭代器
enumerate(iterable):返回enumerate對象,其元素都是一個元組（下標，值）
zip（iter1,iter2）: zip([1,2],[3,4]) ----[(1,3),(2,4)]

序列類型的切片操作：

Slice:

L[index]; 訪問某個元素；

L[1:4]; 區間

L[star:stop:step]; 設置步長取區間元素

⑺ 利用Python列出最頻繁的單詞和它們的出現次數

Python2.7上測試通過

importurllib2
importre
fromcollectionsimportCounter
defget_data(url):
resp=urllib2.urlopen(url).read().lower()
returnresp
defanalyse(text,n=1):
'''showthenmostcommonwordsintext'''
res=Counter(re.split(r'W+',text,flags=re.M)).most_common(n)
print('words	times')
print('
'.join([k+'	'+str(v)fork,vinres]))
defmain():
data=get_data('http://www.umich.e/~umfandsf/other/ebooks/alice30.txt')
analyse(data,10)
main()

結果是

words times

the 1642

and 872

to 729

a 632

it 595

she 553

i 543

of 514

said 462

you 411

⑻ 現在還有沒有人用python編程

面對珍珠（Perl）奪目之光、靈蛇（Python）更具有上天入地之能。它可以在 MS-DOS，Amiga，BeOS， OS/2，VMS，QNX等多種OS上運行；比 Perl 和 VB更快更好，比 C 和 C++ 語言更具擴充性；不僅在「星球大戰」、 「星球之旅（Star Trek）」等超級大片中當綱特技和動畫製作，還闖入了美國航天航空局控制室。真相如何，請看報道。

對 Perl （珍珠） 語言，互聯網開發人員可以說是無人不知、無人不曉；它運行迅捷、操作簡單，而且可以讓用戶在使用時感到其樂無窮。但它也有不竟如人意的時候：它的開放性同時帶來了它的復雜性，用它處理大項目時尤其會使人無從下手。

盡管如此，大部分互聯網項目仍得靠著 Perl 這員「功臣」來搭建。

但也並非別無選擇。最新推薦的軟體叫 Python （靈蛇），它的歷史僅有 Perl 的1/4，有著許多相似的特徵。

Python 的名字源於著名的滑稽團 Monty Python，它擁有許多廣為人知的演員，並塑造了許多婦孺皆知的銀屏形象。

那麼，互聯網世界中的 Python 又是怎樣的一個形象呢？

更快更好的 Python

與 Perl 一樣， Python 也是一種解釋語言，它完全採用面向對象的方式，語言結構介於 C 語言和 Perl 語言之間。雖然它被視作一種高極語言，但它的內置解釋器的功能卻非常基本，僅有幾種功能、操作符和關鍵詞便構成了整個程序語言。它的優勢可不僅如此，它還能通過一系列的模塊進行擴充。它既比 Perl 和 VB 語句更快更好，又比 C 和 C++ 語言更有擴充性。

同樣，Python 對程序語句的處理首先通過一個解釋和編譯系統轉換成為一系列的位元組代碼，然後再由 Python 的虛擬機進行處理。Python 設計得非常有效，主要歸功於它龐大的功能庫，因此用戶不用進入系統環境或是操作系統，也不用引用模塊。用 Python 編程，小程序還是小程序，不必勞費太多的成本和時間。

除了它的 Core 平台外， Python 還能在 MS-DOS，Amiga，BeOS， OS/2，VMS，QNX 以及其它許多操作系統上運行。甚至還可以在掌上電腦上運行 Python 程序。
面對珍珠（Perl）奪目之光、靈蛇（Python）更具有上天入地之能。

除了它的 Core 平台外， Python 還能在 MS-DOS，Amiga，BeOS， OS/2，VMS，QNX 以及其它許多操作系統上運行。甚至還可以在掌上電腦上運行 Python 程序。

Python 還有以下顯著的特徵：

超強的適應性

Python 可以由一系列的平台支持。它編譯完備的格式可以在 Windows 和 MacOS 及其自身 Tk 擴充平台上運行，並可用於開發對用戶友好的界面。在 UNIX 和其它平台上， Python 可以作為源代碼由程序員自行編譯，或者與其它預編的二進制編碼共同使用。它超強的適應性更能讓它有跨平台適用的能力：用它在 UNIX 平台上書寫的程序段95%的情況下無須作任何修改就可用於 Mac 和 PC 機。擴充 Tk 平台對它的支持，甚至可以讓基於GUI 格式的應用程序不用大動筋骨就可在上述三種平台上做自由切換，還保持著統一的界面。

正因為這種天然生就的跨平台運行能力，Python 還能支持一些平台的擴充平台，從而簡化和免除了對其它語言和環境的適應過程。與 SunOS / Solaris 工具帶有 Sun 音頻設備及 SGI版本帶有視音頻介面（包括 OpenGL）一樣，Windows Pytyon 解釋器也同樣帶有 Visual C++ 類庫和 Windows 音頻驅動介面。此外還有與 COM 對象進行通訊的功能。

超大的功能性

Python 幾乎無所不能。它的內核很小，但卻擁有足夠的基本程序塊用於設計大部分應用軟體。而且在某些情況下該程序語言還可以擴充與 C，C++ 和 Java 語言並用，因此沒有它編不了的程序。 Python 解釋器還帶有極為強大的補充模塊庫，用於擴充語言能力，進行網路通訊、文本處理和規則表達式匹配。

雖然 Python 的主要特點是隱去程序員的許多低級復雜工作，它還能支持鉤、擴充程序以及其它功能對某些操作系統進行低級接入。正因為這種高低兼行的特點，Python 可以視作和 C，Visual Basic 同等級別的語言，或是介於二者間的其它級別的語言。

超凡的擴容性

因為 Python 本身用 C 語言寫成（某些擴充平台採用C++語言編寫），而且它採用開放式的源代碼，這樣可以對程序本身進行主動擴充。另外該程序語言的許多模塊由 C 和 C++ 界面支持，包括一些諸如網路和DBM資料庫接入等基本構件，以及其它如 Tk 等許多先進工具。

此外，Python 還能融入 C 或 C++ 語言，從而可以使用 Python 語言為應用程序提供編程界面。也正基於它的跨語言開發的支持能力，還可以使用 Python 設計應用程序後再輸送到為 C 語言環境而無須將程序用 C 語言重寫，因為兩種語言均可同時使用。

JPython 是一個完全採用 Java 語言編寫的 Python 解釋器，這就意味著任何 Python 程序都可與一個 Java 對象或是使用 Python 對象的應用程序相聯結。

超常的簡易性

了解了 Python 以上幾個基本特點後，再對程序語言它內容進行了解就相對容易了。該語言內核很小，而且格式和文體簡明。由於所有其它的組件和擴充部分都使用完全一樣的句法結構，利用 Python 編程會很快讓人速成。

但這並不意味著 Python 語言就沒有復雜的地方。對其許多擴充部分和內庫都必需經過深思熟慮後方可進行有效的利用。

超強的功能性

擁有如此廣泛的支持和博採眾長的特徵，Python 在處理一系列問題上都顯得特別有效。以下為它的功能簡介：

計算器：

由 Python 支持的一個擴充程序叫 NumPy，它可以提供與許多標准數學庫相連的介面。Python 語言還擁有無限精確的特性，可以單獨處理100位數字的算術。

文字處理器：

Python 能夠對任何數據進行分割、累加和總結。它的模塊可以對日誌文件行中的元素進行分割，並根據內置的數據種類對其信息進行記錄和總結，最後才進行輸出。它的規則表達式庫使程序員可以使用 emacs，Perl 等等。 這再次證明 Python 的無所不能，曾經有程序員還利用 Python 編製成非常復雜的 SGML 處理工具。

便捷的應用開發：

Python對程序員而言一目瞭然，用它編程迅速有效。它博大的模塊庫可以提供針對不同協議、工具和庫的介面。免除重新開發之苦。

由於Python 還支持 Tk 工具，所以可以在幾個小時內完成一個應用軟體，而用 Perl 語言可能會需要2到3天，用 C 語言甚至要幾個星期。

跨平台開發：

Python 以中立方式支持不同的一系列平台，如果用戶使用的系統包含不同的平台，使用 Python 開發應用程序則再好不過；它這種適應性也可以為系統預留使用其它工具的可能。對於頻繁更換平台用戶，Python 是個理想的選擇。

為最終用戶提供軟體服務時，Python 也是個備選方案，可以避免同時用不同應用軟體編程的時間和費用。

系統設備

Python旨在避免操作系統中低級部分的滋擾，但如若需要主動進入這些低級部分時也完全可以通過相應的工具和擴充件來實現。與操作系統一樣， Python 可以進入相同的的功能，並予以備份和擴充，而且備份和擴充後的功能會增加 Python 的所有的適應性和介面能力。

互聯網程序設計

Python 帶有的標准模塊可以對網路插槽進行初級和協議級別的通訊，比如，如果要從 POP 伺服器上讀取電子郵件，Python 隨帶的庫模塊可以做到。另外， Python 還支持 XML、HTML和 CGI 庫文件，所以利用它可以解析用戶輸入的需求，並通過網路伺服器產生最佳質量的成果。

程序員還可為擁有 Python 內置解釋器的 Apache、Unix 和 Windows 網路伺服器編譯模塊。基於 CGI 程序的功效，可以很方便地執行 Python 語句而不用單獨裝載。

資料庫編程

Python 中有無數的擴充模塊可以連接如 Orcle、Informix 、mySOL和PostgreSql等通用的資料庫系統；還有稱作 Gadfly 的工具可以獨立Python 提供完全的SQL環境。Python 有強大的文本和數據處理能力，可以用它作為不同資料庫間的連接，比起那些資料庫附帶的總結和匯報工具顯得更有優勢。同時，由於它支持不同系統，用同樣的介面也可以連接任何資料庫。可以用 Tk 在支持平台上建立前端，馬上就可獲得高速跨平台、獨立資料庫的查詢工具。

其它

Python 應用范圍廣泛，幾乎沒有它不適配的語言；憑籍它的微小內核、豐富功能、多樣數據，Python 提供了一個良好的程序構建基礎。綜合了C 和 C++二者的優點，只要採用合適的結構和方式，便可對 Python 程序進行無限的擴充。除了一大堆顯著的優點，Python 也有缺點。

要列出 Python 的缺點確實不太容易。Python 在其擴充模塊中提供了大部分的功能，並充分顯示了對其增加功能有多容易，一旦用它還不能解決問題，那麼也僅需要利用 C 或 C++ 語言重新編寫一個擴充程序便可。

批評 Python 的人往往不是說Python 缺乏某種功能，而是對這種功能並不了解。通常還有一種抱怨說 Python 缺少規則表達式的支持-但實際上有兩個模塊可以用來處理規則表達式，其中之一還可以完全用來支持 Perl 語言的句式句法。對規則表達式的處理並沒有編進該語言中，但並不等於它作不到。

針對 Perl、Rebol 和 Java 語句而言， Python 的優勢在於它的內核很小。這減少了執行的時間，因為在運行時需要裝載的代碼較少，而且這個特點也使它有著更廣的適應性。

一旦熟悉了 Python 語句的簡明風格，它的強大優勢頓時便會凸現出來。用它編就的程序歷久不衰。

Python 的理想用戶群

它適合不同類型的用戶以解決不同類型的問題。大部分時候這些問題一般不為人所知，因為它們有著較高的保密性。也有大型公司用它進行商用開發，並展示開發所獲的成果。

紅帽 （Red Hat ）曾用 Python 和 Tk 一起成功開發配置和管理操作系統的可視界面。整個系統可以全面控制 Linux 操作系統，並根據用戶選擇對配置文件作自動更新。

Infoseek 在其公用搜索引擎使用了Python。該公司還用 Python 對其軟體進行定製，使最終用戶能對該網站內容進行方便下栽。

美國航空航天局也在不少領域中用到 Python 程序語言，最出名的莫過於在任務控制中心將 Python 用於任務計劃；對 Python 在其它方面的使用例如用其計算天體方位和設計衛星的路徑等等都充分體現了 Python 的超強計算能力。

以在「星球大站」、「阿貝斯 （Abyss）」、 「星球之旅 （Star Trek）」、 「印地安那瓊斯 （Indiana Jones）」超級大片中當綱特技和動畫製作的工業光魔公司 （Instrial Light）也採用 Python 製作商業動畫。
什麼是Python?
Python是一種即譯式的，互動的，面向對象的編程語言，它包含了模組式的操作，異常處理，動態資料形態，十分高層次的動態資料結構，以及類別的使用。Python揉合了簡單的語法和強大的功能。它的語法表達優美易讀。它具有很多優秀的腳本語言的特點：解釋的，面向對象的，內建的高級數據結構，支持模塊和包，支持多種平台，可擴展。而且它還支持互動式方式運行，圖形方式運行。它擁有眾多的編程界面支持各種操作系統平台以及眾多的各類函數庫。利用C和C++可以對它進行擴充。個別的應用軟體如果需要有一個可程序化界面也可以利用它來做為擴展語言用。最後，Python的可移植度非常高:它可以在許多的Unix類平台上運行，在Mac,MS-DOS,視窗Windows，Windows NT，OS/2，BeOS，以至RISCOS上都有相關的Python版本。

簡單的說它具有以下一些特徵：

l 是一種解釋性的，面向對象的，具有動態語義的程序設計語言。

l 適合快速開發。

l 能集成到其他流行的伺服器，也自帶伺服器。

l 提供清晰的數據/邏輯/表示的分離。

l 帶有可擴展的內置對象和強大的集成安全模塊。

Python的歷史

Python的創始人為Guido van Rossum。1989年聖誕節期間，在阿姆斯特丹，Guido為了打發聖誕節的無趣，決心開發一個新的腳本解釋程序，做為ABC語言的一種繼承。之所以選中Python（大蟒蛇的意思）作為程序的名字，是因為他是一個Monty 大蟒蛇飛行馬戲團的愛好者。

ABC是由Guido參加設計的一種教學語言（沒聽說過）。就Guido本人看來，ABC這種語言非常優美和強大，是專門為非專業程序員設計的。但是ABC語言並沒有成功，究其原因，Guido認為是非開放造成的。Guido決心在Python中避免這一錯誤（的確如此，Python與其它的語言如C,C++和Java結合的非常好）。同時，他還想實現在ABC中閃現過但未曾實現的東西。

就這樣，Python在Guido手中誕生了（真要感謝他）。實際上，第一個實現是在Mac機上。可以說，Python是從ABC發展起來，主要受到了Mola-3（另一種相當優美且強大的語言，為小型團體所設計的）的影響。並且結合了Unix Shell和C的習慣。

Python可用在哪些地方?

Python可以用在許多場合。當你需要大量的動態調整，要容易使用，功能強大並且富有彈性的情況，Python可以發揮很好的功效。

在處理文字方面，Python的核心功能（不需要任何擴充庫的情況下）比別的編程語言更為易用而且速度相當。這使Python在需要處理字元串的工作（包括系統管理，CGI編程）上成為高效的語言。

當Python加上它的標准擴充庫（如PIL,COM,Numeric,Oracledb,kjbuckets,tkinter,win32api,等等）或是特別擴充庫（你自己寫的，或是用SWING做的，或是利用ILU/COBRA/com的）後，它可以變成一個很好的「膠合語言」或者叫「指導語言」。就是指把不同的編程環境和互不相關的軟體功能整合的工具。例如把Numeric和Oracledb透過Python結合起來你就可以替你的資料庫數據做系統分析。Python的簡單、易用以及方便而強大的c/c++擴展方面使它成為一種十分優秀的「膠合語言」。

許多開發人員也在寫圖形用戶界面時廣泛的採用了Python。如果在Windows下，如果想做一個圖形界面程序，那麼Python可以勝任。可以去wxPython.org看一下，它是一個Python的擴展庫，可以用來實現跨平台的圖形編程，它支持windows和unix/linux。在那個網站上有一些演示，可以學習一下。Python可以做CGI。有些主頁提供了對Python的CGI支持。現在還有一些用Python做的游戲。如果想了解更多的Python可以做什麼，可以去SourceForge上查找有關Python的項目，上面有很多東西。

運行方式

Python可以以命令行方式運行，也可以互動式方式運行，還具有圖形集成環境，這樣開發Python就相當方便。現在已經出現了許多用Python編寫的可視化編程軟體，用於實現象Delphi一樣的功能。

面向對象

Python是一個真正的面向對象語言。它甚至支持異常的處理。如果學過Java，應該對這個不陌生。但其它的腳本語言，如PHP，好象就沒有。這使得程序的編寫更加清晰，而不需要許多的錯誤檢查了。

模塊和包

這一點更象是Java。對於Java的支持，大家可以了解JPython。JPython是用Java寫的Python，它完全支持Java，在這個環境下使用Python可以隨意地使用Java的類庫。語言擴展可以用C、C++或Java為Python編寫新的新言模塊，如函數。或者與Python直接編譯在一起，或者採用動態庫裝入方式實現。也專門有人編寫了一個工具，可以實現為Python自動實現函數介面封裝，這就是SWIG（Simplified Wrapper and Interface Generator)，或稱做簡單封裝和介面生成器(可以在http://sourceforge.net/projects/swig/)。

有趣的語法

Guido認為Python的語法是非常優美的。其中一點就是，塊語句的表示不是C語言常用的{}對，或其它符號對，而是採用縮近表示法！有趣吧。就這一點來說，Guido的解釋是：首先，使用縮近表示法減少了視覺上的混亂，並且使程序變短，這樣就減少了需要對基本代碼單元注意的范圍；其次，它減少了程序員的自由度，更有利於統一風格，使得閱讀別人的程序更容易。感覺還是不錯的，就C語言來說，在if語句後面大括弧的寫法就好幾種，不同的人喜歡不同的樣子，還不如統一起來，都不會看得別扭。

在每個類或函數的定義後面，第一行可以是說明語句，根本不需要注釋符標記。對於後面跟塊語句的語句，後面應跟上一個冒號。一行語句不能太長，因為沒有行結束符，如果超長則要使用續行符(\\)。還有一些有趣的比如說，象下面的一個比較處理，用C語言為：

if (2

用Python可以表示為

if (2

什麼是Zope?

Zope是一個開放源代碼的Web應用伺服器，採用Python語言開發，使用它您可以方便的構建內容管理、內部網、門戶網站、和其他的定製應用。

l 高度面向對象的Web開發平台,採用Python語言開發。

l 可以運行在幾乎所有流行的操作系統上,支持多語言。

l 能集成到其他流行的伺服器，也自帶伺服器。

l 提供清晰的數據/邏輯/表示的分離 。

l 帶有可擴展的內置對象和強大的集成安全模塊。

什麼是Plone?

Pone是一個Zope上的一個用戶友好、功能強大的開放源代碼內容管理系統。Plone適合用作內部網/外部網的伺服器、文檔發布系統、門戶伺服器和異地協同群件工具，到目前，Plone其實已經發展成為了一個應用開發平台。

l 是一種功能強大的開放源碼(Open Source)內容管理系統(CMS) 。

l 通過Web瀏覽器來訪問、編輯內容和管理,易於更新內容 。

l 無需編程，即可創建新的內容類型 。

l 協同的編輯和發布機制 。

⑼ Python的應用前景。

目前python被用的還是蠻多的，一些大公司如Google（實現web爬蟲和搜索引擎中的很多組件），Yahoo（管理討論組），NASA，YouTube（視頻分享服務大部分由Python編寫）等等對Python都很青睞。而國內的豆瓣可以說是給Python予千萬寵愛了，它的前台後台清一色的都是Python的身影。另外，我們計算機視覺這塊用的很頻繁的OpenCV也提供了Python的介面，網上還提供了不少Python的機器學習的庫（例如milk，scikit-learn，Pylearn2等），Deep learning的一個知名的Python的庫theano，自然語言處理的庫NLTK。此外，Python為數學、科學、工程和繪圖等提供了有趣的標准庫（例如，NumPy ，SciPy和matplotlib等），Python佔有的用戶群越來越廣。
通過網路大概了解了下python的應用領域，如：系統運維、科學計算、人工智慧、網路編程(如搜索引擎、爬蟲、伺服器編程)、web開發、雲計算系統、圖形化、教育等等等…………好吧，一堆看不懂的，只注意到了「爬蟲」、「科學計算」和「圖形化」三個關鍵詞，簡單理解就是爬數據、分析挖掘和圖形展示。
Python的應用
在數據爬蟲方面，利用rullib、requests、BeautifulSoup、re、Scrapy等模塊進行爬取想要的網站資料，如搜房、淘寶、京東、微信、今日頭條、中國知網、新浪、貼吧、金融界、電影論壇等等，真正的實現所見即所得。
在數據處理方面，利用Pandas、Numpy、Scipy、PyMVPA等模塊可以幫助你在計算巨型數組、矢量分析、神經網路等方面高效率完成工作。尤其是在教育科研方面，可以發揮出獨特的優勢。
在數據展示方面，利用ReportLab 、matplotlib、basemap 等模塊可以生成相應的統計圖表或地圖等。另外，利用PyOpenGl模塊，可以非常迅速的編寫出三維場景。
總之是集數據採集、分析、挖掘及展示等功能於一體，典型的萬金油。另外，如果是專業學習python，真是工資高得讓人羨慕，具體多少就不說了，感興趣的可以去查查。