网络上关于python的课程非常多，图文、视频都有，这里记录自己的学习历程，驽马十驾，功在不舍。
第一个问题 什么是python
我们从事一件工作之前，首要的就是弄清它的概念，名称，历史和渊源。
我们为什么要编程？编程就是想用编程语言开发程序，让计算机干活。比如分析金庸全集中的人物关系图、下载一个全系列的莫扎特音乐等等。而计算机干过的CPU只认识机器指令。在机器指令和需计算机完成的任务之间，就需要编程语言。什么是编程语言？你可能已经听说过很多种流行的编程语言，比如非常难学的C语言，非常流行的JAVA语言，适用网页编程的JavaScript语言等。不同的编程语言，干同一件事，编写的代码量，差价很大。
那python是一种面向对象、解释型的计算机程序设计语言。它由Guido van Rossum在1989年发明，第一个公开发行版于1991年发布。它的特点是语法简洁、清晰、优雅、简单易学。强制采用空白符（white space）作为语句缩进，而不是采用{}来表示代码件的层次关系。这在一定程度上减少了码农输入量。
现在，全世界差不多有600多种编程语言，但流行的编程语言也就那么20来种。如果你听说过TIOBE排行榜，你就能知道编程语言的大致流行程度。这是最近10年最常用的10种编程语言的变化图：
[编程语言趋势图]
第二个问题 python的优缺点
总的来说，这几种编程语言各有千秋。C语言是可以用来编写操作系统的贴近硬件的语言，所以，C语言适合开发那些追求运行速度、充分发挥硬件性能的程序。而Python是用来编写应用程序的高级编程语言。
当你用一种语言开始作真正的软件开发时，你除了编写代码外，还需要很多基本的已经写好的现成的东西，来帮助你加快开发进度。比如说，要编写一个电子邮件客户端，如果先从最底层开始编写网络协议相关的代码，那估计一年半载也开发不出来。高级编程语言通常都会提供一个比较完善的基础代码库，让你能直接调用，比如，针对电子邮件协议的SMTP库，针对桌面环境的GUI库，在这些已有的代码库的基础上开发，一个电子邮件客户端几天就能开发出来。
Python就为我们提供了非常完善的基础代码库，覆盖了网络、文件、GUI、数据库、文本等大量内容，被形象地称作“内置电池（batteries included）”。用Python开发，许多功能不必从零编写，直接使用现成的即可。
除了内置的库外，Python还有大量的第三方库，也就是别人开发的，供你直接使用的东西。当然，如果你开发的代码通过很好的封装，也可以作为第三方库给别人使用。
可以参看python awesome
许多大型网站就是用Python开发的，例如YouTube、Instagram，还有国内的豆瓣。很多大公司，包括Google、Yahoo等，甚至NASA（美国航空航天局）都大量地使用Python。
龟叔给Python的定位是“优雅”、“明确”、“简单”，所以Python程序看上去总是简单易懂，初学者学Python，不但入门容易，而且将来深入下去，可以编写那些非常非常复杂的程序。
总的来说，Python的哲学就是简单优雅，尽量写容易看明白的代码，尽量写少的代码。
那Python适合开发哪些类型的应用呢？
首选是网络应用，包括网站、后台服务等等；
其次是许多日常需要的小工具，包括系统管理员需要的脚本任务等等；
另外就是把其他语言开发的程序再包装起来，方便使用。
最后说说Python的缺点。
任何编程语言都有缺点，Python也不例外。优点说过了，那Python有哪些缺点呢？
第一个缺点就是运行速度慢，和C程序相比非常慢，因为Python是解释型语言，你的代码在执行时会一行一行地翻译成CPU能理解的机器码，这个翻译过程非常耗时，所以很慢。而C程序是运行前直接编译成CPU能执行的机器码，所以非常快。
但是大量的应用程序不需要这么快的运行速度，因为用户根本感觉不出来。例如开发一个下载MP3的网络应用程序，C程序的运行时间需要0.001秒，而Python程序的运行时间需要0.1秒，慢了100倍，但由于网络更慢，需要等待1秒，你想，用户能感觉到1.001秒和1.1秒的区别吗？这就好比F1赛车和普通的出租车在北京三环路上行驶的道理一样，虽然F1赛车理论时速高达400公里，但由于三环路堵车的时速只有20公里，因此，作为乘客，你感觉的时速永远是20公里。
第二个缺点就是代码不能加密。如果要发布你的Python程序，实际上就是发布源代码，这一点跟C语言不同，C语言不用发布源代码，只需要把编译后的机器码（也就是你在Windows上常见的xxx.exe文件）发布出去。要从机器码反推出C代码是不可能的，所以，凡是编译型的语言，都没有这个问题，而解释型的语言，则必须把源码发布出去。
这个缺点仅限于你要编写的软件需要卖给别人挣钱的时候。好消息是目前的互联网时代，靠卖软件授权的商业模式越来越少了，靠网站和移动应用卖服务的模式越来越多了，后一种模式不需要把源码给别人。
再说了，现在如火如荼的开源运动和互联网自由开放的精神是一致的，互联网上有无数非常优秀的像Linux一样的开源代码，我们千万不要高估自己写的代码真的有非常大的“商业价值”。那些大公司的代码不愿意开放的更重要的原因是代码写得太烂了，一旦开源，就没人敢用他们的产品了。
第三个问题 python版本的选择
学习一门语言，理应学习、掌握它的新特性、新功能，计算机发展日新月异，不知是硬件有摩尔定律，软件新知识也迭代很快。python2的默认字符集是ASCII编码，写中文会报错，字符编码一直是让程序员头疼的一件事情，python2在处理中文的时候的确比较头疼，在python3.x版本中默认字符集是Unicode。这里，就选python3.6。python官网
第四个问题，python编程环境的选择
首先我们选择是windows平台，其实windows,linux,Mac，从入门的角度来看，都差不多。这里选择windows，是因为大家日常办公和编程开发在windows平台下的概率大一些。
python外号“胶水语言”，也就是说它能把很多编程语言、很多功能集成起来。它为什么会这么强大，很大一部分原因就是他的包。但包的管理不是一个很容易的事情。为了解决这些问题，有不少发行版的Python，比如WinPython、Anaconda等，这些发行版将python和许多常用的package打包，方便pythoners直接使用，此外，还有virtualenv、pyenv等工具管理虚拟环境。
自己爱尝试不同的工具，尝试到最后， anaconda,为什么选择这个，因为其强大而方便的包管理与环境管理的功能，非常便于新手。当然，还有很多课供选择的，以前有python(x,y)等包的集成环境。但，截至到目前，anaconda集成度较高，使用用户非常多。
Anaconda是一个用于科学计算的Python发行版，支持 Linux, Mac, Windows系统，提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下conda、anaconda这些概念的差别。conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
进入下文之前，说明一下conda的设计理念——conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
考虑到软件源下载速度问题，一般在清华大学开源软件镜像站下载，配置软件源。下载地址，进入以后，会发现有两个不同版本的Anaconda，分别对应Python 2.7和Python 3.5，两个版本其实除了这点区别外其他都一样。后面我们会看到，安装哪个版本并不本质，因为通过环境管理，我们可以很方便地切换运行时的Python版本。（由于我常用的Python是3.6，因此倾向于直接安装Python3.6对应的Anaconda）。选择最新的python3安装包进行安装。安装完成后，运行一下命令配置conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_channel_urls yes
第五个问题 python编译环境的选择
这里选择pycharm。pycharm社区版对新手来说，已经够用了。
第六个问题，python教程的选择
学习 Python 除了官方的教程之外，推荐一本书 Dive Into Python 有中文版，也有英文版。中文版翻译质量也很高。
当然，Learn Python The Hard Way 也不错。不过建议选择一本照着练习，一个月掌握这个语言的基础特性问题不大。
推荐一个网络文字教程廖雪峰的python3课程。
Python 用来实现科学计算的软件包是 scipy, numpy, matplotlib，其中 numpy 提供高性能的数值去处；scipy 实现机器学习的算法；matplotlib 提供数据可视化。
这三个库都挺大的，内容也比较多。这里重点推荐一个非常优质地适合入门的网站：Python Scientific Lecture Notes。一个网站把机器学习想着的 Python 工具全部搞定，并且内容易懂。
几点感悟
通过这个，有以下几点感悟：
- 完成一件事情，通常都有很多种选择，python编译环境既可以选择pycharm集成。也可以选择VIM，emacs,vscode,notepad++,sublime_text等编辑器，然后在命令行或者在编辑器自身上配置运行编译，这个都行。你的爱好定了，你的选择就定了。
- 现在想学习一个东西都太方便了，互联网上各类教程都有。为什么很多人制作免费教程给大家分享，为什么很多人选择付费教程学习，为什么很多人喜欢在互联网上分享自己的学习心得？这里面有很多值得思考的地方。
- 为什么在这里将自己的心得强行记录下来，目的就是通过这样一种强行“输出”，倒逼自己思考，理清思路，再很好的输入。
- 无论做什么事情，哪怕再小的一个事情，里面都有一些技巧、诀窍值得深思，学习，总结。譬如，anaconda软件源的选择，pycharm安装后的设置，pycharm激活码的获取,里面其实还是有很多可以总结的地方。
- 学习可以从零开始，但在工作上一定要充分利用前人的成果，站在巨人的肩膀上，自己才能站得更高，看的更远。