什么是编程(Programming)

编程是编定程序的中文简称，就是让计算机代码解决某个问题（目的），对某个计算体系规定一定的运算方式，使计算体系按照该计算方式运行，并最终得到相应结果的过程（手段）。 为了使计算机能够理解人的意图，人类就必须将需解决的问题的思路、方法和手段通过计算机能够理解的形式告诉计算机（人的意图通过编程透传给计算机），使得计算机能够根据人的指令一步一步去工作，完成某种特定的任务。

什么是编程语言(Programming Language)

计算机编程语言是指用于人与计算机之间通信的语言，是人与计算机之间传递信息的媒介，因为它是用来进行程序设计的，所以又称程序设计语言或者编程语言。

编程语言是一种特殊的语言。因为它是用于人与计算机之间传递信息的，所以人和计算机都能“读懂”。具体地说，一方面，人们要使用计算机语言指挥计算机完成某种特作，就必须对这种工作进行特殊描述，所以它能够被人们读懂。另一方面，计算机必须按计算机语言描述来行动，从而完成其描述的特定工作，所以能够被计算机“读懂”。

编程语言是程序设计的最重要的工具，它是指计算机能够接受和处理的、具有一定语法规则的语言。从计算机诞生，计算机语言经历了**机器语言、汇编语言和高级语言**几个阶段。 在所有的程序设计语言中，只有机器语言编制的源程序能够被计算机直接理解和执行，用其它程序设计语言编写的程序都必须利用语言处理程序“翻译”成计算机所能识别的机器语言程序。

数据科学家大都为什么选择Python

Python vs R

Python与R语言在数据分析领域的对比，DataCamp上有一篇引用率非常高的文章，数据分析选择R还是Python，不过这篇文章是2015年写的，我们先大致总结一下文章内容：

• R主要用于学术与研究，也开始迅速进入企业市场，越是接近统计学、研究、数据科学，你就会越偏爱R，而Python主要用于程序员想进入数据分析领域、掌握统计技能，以及其他开发人员进入数据科学领域。如果你的工作越接近工程环境，你会越偏爱Python。
• R的社区生态主要是研究员，数据科学家、统计学家和量化研究员，而Python主要是程序员和开发者。
• R学习门槛比较高，但是当你掌握了基础之后就学起来比较容易，R对程序员来说不难；Python可读性强，入门非常容易，被公认为非常不错的入门编程语言。
• 在2015年前的Tiobe编程语言的排名上Python排名在第4或第5，R排在第17到13。而据2015数据分析领域，用R的研究员占58%，Python占42%，两者都用的占23.45%；
• 在2013年，R转Python的有26%，Python转R的有18%，而新进入数据分析领域的有44%的人选择R，23%的人选择Python.
• 从2015年之前的情况看来，正如作者所说，R和Python在数据分析领域确实平分秋色，难分伯仲，从数据中我们可以看出，虽然Python相比R更流行，在编程方面更有优势，但是在数据科学领域，选择使用R的人更多。

但是翻到2018年的文章里看到2016、2017年的数据，情况下发生了逆转。在数据科学领域，2016年有34%的人选择Python，42%的人选择R，而到了2017年41%的人选择Python，36%的人选择R。 在2017年的调查统计里数据科学家和工程师最流行的编程语言分别是JavaScript(58.7%，令人惊讶啊，可能与数据可视化有关？)、SQL（58%）、Python(45%)，而R（11.2%），Python在商业领域领域比较火，而R在学术和研究领域比较多，所以不那么流行吧。而在最近的Tiobe的排行榜上，与数据科学相关的编程语言Python、R、SQL、Matlab等涨幅都比较大，Python在整个编程语言的流行度也由2014年的2%猛增到2019年8.26%，跃居第3，成为2018年年度语言。随着机器学习今年来的飞速发展，截止2022年，Python已经成为世界上第二流行的编程语言。

Python vs Matlab

虽然不是学数学的，但是Matlab的大名可是如雷贯耳，与数学相关专业、相关行业的学生、工程师们基本一定会使用到它。MathWorks公司跟设计公司Adobe、三维软件公司Autodesk一样都是极其硬核的存在，旗下的产品不仅是学习必备，而且是工程（比工作听起来霸气）必备。我们来看一下美国相关专业人员对两者的对比，只是粗略而不精准的翻译一下。

“我是一名工程师，之前长期使用Matlab来处理复杂的数学运算都没有遇到什么大的问题，就在几个月前因为岗位需要学习了Python之后，我才意识到Matlab相比Python是多么的糟糕。之前需要我用Matlab花一整天处理的问题用Python只需数小时，Python的表现、流畅度让我惊讶。而且使用Python我可以做之前用Matlab做的任何事情，而且更优秀。因此我非常建议Matlab使用者转向Python。Python编程语言比Matlab更强大，能够联合非常多的外部工具模块，只需一个文件就可以调用非常多的库、函数、类，语法也更加简单，面向对象开发也更加方便，还能非常方便地调用C、C++、Fortran。Python是免费的，而且可以运行在更多平台上面。” —Stackoverflow某工程师

经过调查Matlab与Python的宿命之争在2011年就开始了，而且网上Matlab与Python的对比文章、评论非常之多。Matlab官方在2013年就开始拿Matlab和Python进行对比。年代越近，由Matlab全面转向Python的建议就越多，更多人直言Python是未来的编程语言，在Python与Matlab的选择之上，看了非常多的建议，已成一边倒的趋势。 有人列出了Python相对于Matlab的8大优势,我只粗略翻译一下这8大优势，详情大家可以去查看原文：

• Python的代码相比于Matlab更简洁，可读性更强；
• 和其他编程一样，Python都是从0开始计数，而Matlab不是；
• Python可以更好的支持哈希字典；
• 面向对象开发让Python更简单、更优雅；
• Python免费且开源；
• Python一个文件、模块里可以包含非常多的函数；
• Python支持import声明；
• Python支持更多图像处理的包和工具集

在PyCon 2017年的大会上，多位大佬提出科学家应该全面拥抱Python，在2015年开始Python在NASA的地位就开始遥遥领先IDL、Matlab和Fortran。由于这里我们只讨论Python和Matlab在数学上的对比，至于科学家转型Python的优势的细节，大家可以看DataCamp的雄文。

Python ABC

Python的源起及其logo

Python 英文原意为“蟒蛇”，直到 1989 年荷兰人 Guido van Rossum （简称 Guido）发明了一种面向对象的解释型编程语言，并将其命名为 Python，才赋予了它表示一门编程语言的含义。

Python是什么

Python 是一种面向对象的、解释型的、通用的、开源的脚本编程高级语言。

• 语法简单：Python 不要求在每个语句的最后写分号；定义变量时不需要指明类型，甚至可以给同一个变量赋值不同类型的数据。
• Python 是开源的：用户可以随意下载代码并且可以随意修改；
• Python 是免费的：开源并不等于免费，开源软件和免费软件是两个概念，只不过大多数的开源软件也是免费软件；Python 就是这样一种语言，它既开源又免费。
• Python 是高级语言：指 Python 封装较深，屏蔽了很多底层细节。
• Python 是解释型语言，能跨平台。

Python为何流行

• Python 简单易用，学习成本低，看起来非常优雅干净；
• Python 标准库和第三库众多，功能强大，既可以开发小工具，也可以开发企业级应用；
• Python 站在了人工智能和大数据的风口上，站在风口上，猪都能飞起来。

Python 作为学习编程的入门语言是再合适不过的。凡是在大学计算机专业学习过 C 语言的同学都感同身受，认为 C 语言不是很好的入门语言，很多曾经立志学习编程的读者，在学习了 C 语言之后，就决心不再学习编程。因此，是否学会 C 语言，好像成为了进入编程行业的筛选标准。但是，如果将 Python 作为编程入门语言，就不会出现类似 C 语言的那些窘境问题。目前，逐渐有高校开始使用 Python 作为软件专业大学生（甚至也包含非软件专业）的入门编程语言。

大厂程序员为何偏爱MacOS

Windows vs MacOS vs Linux

Windows系统，这是国内用户最多，也是安装次数最的系统。

Windows的软件生态非常丰富，一大部分人选择的Windows就是因为这个，软件极其丰富，或者说是游戏极其丰富，这个我们也是深有体会的。无论是办公，休闲，娱乐，电影，音乐，游戏总有那么几款软件适合您！

这同时也是Windows最致命的问题，Windows的软件虽然丰富，但是质量却参差不齐，你在网页随意下载的软件都可以安装，但是能不能用，有没有毒，那可就不好说了！在杀毒软件横行的时代，每下载一个游戏就会附赠5个浏览器，10个桌面快捷方式，无数个弹窗广告。而且弹窗广告总是在游戏最激情的时候弹出。曾经的木马病毒，QQ号被盗，应该很多人都经历过。当我们写完了文档，或者做完了图片，剪完了视频，准备收工的时候，突然蓝屏上一个哭脸，告诉你电脑遇到了一些问题，可以在它收集完信息之后重启电脑。这时候真的无f**k说。为什么Windows电脑总是能在我们最不想死机的时候死机？

另一个令人难受的就是Windows仿佛一直在更新，随着系统的更新，除了把我的软件更的不能用了，我也不知道它到底更新了什么！

对于要编程的Windows系统来说安装编程环境比较麻烦，刚开始的Python，Java可能还好。但是后边到了docker，消息队列，跑开源项目的时候，你就知道有多麻烦了，先不提虚拟机，wsl啦！小白们真的不太想搞。而且硬件还要允许！Windows的定制性差，到了编程服务，系统安全的时候，要修改系统设置时很难找到对应的入口，还要反复重启电脑，才能修改成功。竟无语凝噎！

MacOS: 苹果专有操作系统。如果你是个果粉，各个设备之间同步数据，联动，非常的方便，除去系统本身，苹果电脑的屏幕和设计本身就是牛的，国产的电脑也都纷纷效仿。系统稳定，即使一直不关机也不会死机。

对于编程的来说，MacOS是基于Unix操作系统的，而且自带了很多开发工具， 尤其是终端，很多命令和企业开发常用的Linux系统类似，便于我们搭建环境，和学习命令行的使用。在同等配置环境下，Mac开发的流畅度和开发软件的打开速度会更快，开发效率拉满，所以你会发现，互联网大厂的员工都是清一色苹果电脑。

此外，近几年苹果电脑发展迅猛，M1，M2，M3芯片的电脑，也更是的受到业内人士的一致认可。

缺点:

• 软件相比Windows系统比较少， 很多软件的使用是需要花钱的。白嫖党不是很友好。而且软件数量较少。很多在Windows上好用的软件在macOS上是没有替代品的。
• 绝大多数的游戏不能玩。这也是很多人不选择Mac电脑的原因。
• 致命缺点：贵。一时间我竟不知，这到底是他的错还是我的错。

Linux:
对于程序员来说， Linux是必须会的系统。因为大部分企业项目都是部署在 Linux服务器上。而且 Linux是开源，可定制的，可以根据项目的不同需求打造更安全，更高效，更简洁的操作系统。

程序员兄弟们，一般都是选择Windows作为自己的电脑，游戏打得，开发做的，软件也很多。集美们颜值控，经济条件也允许，喜欢Mac的话，安排一个也无可厚非！当然还是要基于自己的实际需求，你需要的软件，你追求的效率，你喜欢的颜值都可以是你选择系统的理由。如果你是前端开发，设计，用Mac体验会更好。如果你是学习系统底层开发的，安全方向的同学，要掌握Linux就多一些。

Mac 上 Python环境安装与配置

Python3 安装

1. 其它-终端，打开终端，shell->新建窗口->Homebrew
2. 查看当前Python版本 python -V
3. 通过Mac自带的 Homebrew 来管理 brew search python3
4. 安装 brew install python3
5. 可以通过修改.bash_profile文件来设置环境变量，使python命令指向Python 3，例如，可以输入export PATH="/usr/local/Cellar/python3/3.6.5/bin"，并执行source ~/.bash_profile来使更改生效。
6. 在终端输入 python 进入python环境
7. 在终端输入 exit() 退出python环境

基础终端指令

• 显示当前工作目录的绝对路径: pwd
• 查看当前目录的所有内容信息：ls (-a / -l)
• 切换到指定目录：cd [目录地址参数]
  • cd ~ 回到自己的home目录，比如你是root , cd ～到/root
  • cd … 回到当前目录的上一级目录
• 创建目录: mkdir
  -p: 创建多级目录
• 拷贝文件到指定目录: cp src dst
• 移动文件到指定目录：mv src dst
• 删除文件或目录: rm
• 查看文本文件内容: vim 文件名

Python 代码的两种运行方式

Python 代码有两种运行方式，即交互运行和脚本运行：

• 交互运行方式: MacOS下在终端下运行(和 Windows 系统上的 cmd 类似)，启动 Python 解释器后（终端命令行输入python然后回车即可进入Python解释器，输入exit()然后回车即可退出Python解释器），解释器等待用户输入指令，在接收到用户指令后就去执行该指令，指令执行完毕后接着等待用户的下一条指令。
• 脚本运行方式则是将用户执行存入到一个文本文件(如 test.py)中，然后让解释器去执行该文本文件中的所有指令: python test.py。

你的第一个Python程序

试着用上述两种方式分别打印 “Hello World！”

python test.py

# test.py
print("Hello, World!")
print("Hello, Again!")
print(2+3)
print(10-2)
print(2*6)
print(84/4)
print(86%7)
print(2**10)
print(5 > 9)

你将看到的输出如下：

除了顺序执行结构之外，比较常见的还有分支结构和循环结构，分别举例如下：

分支结构

# test2.py
choice = input("enter your choice: 1 or 2:")

if choice == "1":
    print("You choose 1.")
else:
    print("You choose 2.")`

循环结构

for i in range(10):
    print("Round %d"%(i))

Python还可以干什么

以下代码仅供参考，以便于读者更直观了解Python可以干些什么。暂时请不要纠结具体代码的含义和用法，随着学习的进行，你将逐渐明白每条指令的含义，并能逐步写出较为复杂的程序。

复杂曲线绘制

# drawHeart.py
import matplotlib.pyplot as plt
import numpy as np

t = np.linspace(0, 2 * np.pi, 1000)
x = 16 * np.sin(t)**3
y = 13 * np.cos(t) - 5 * np.cos(2*t) - 2 * np.cos(3*t) - np.cos(4*t)

plt.figure(figsize=(8, 6))
plt.plot(x, y, color='red')
plt.fill(x, y, color='red')
plt.axis('equal')
plt.show()

读取图像，进行处理并显示

以下代码需要确保你的环境中已经安装了OpenCV库，你可以使用以下命令安装：

pip install opencv-python

# processImage.py
import cv2

# 读取图像
image = cv2.imread('/Users/renmin/Downloads/bk_example.jpg')

# 转换为灰度图
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 使用Canny算法提取边缘
edges = cv2.Canny(gray, threshold1=100, threshold2=200)

# 显示图像
cv2.imshow('Original Image', image)
cv2.imshow('Edges', edges)

# 等待按键，然后关闭所有窗口
cv2.waitKey(0)
cv2.destroyAllWindows()

读取文件中的数据，并显示散点图/柱状图

以下代码需要确保你的环境中已经安装了pandas库（pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。），你可以使用以下命令安装：

pip install pandas

# drawCSV.py
import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV文件
data = pd.read_csv('data.csv')  # 假设CSV文件名为data.csv

# 绘制散点图
plt.scatter(data['YEAR'], data['GDP'])  
# 绘制柱状图
#data.plot(kind='bar', x='YEAR', y='GDP')

# 显示图表
plt.show()

# data.csv
YEAR,GDP
1990,100
2000,500
2010,1600
2020,8000

批量获取图片

import os
import requests
from bs4 import BeautifulSoup
from urllib.parse import urljoin, urlparse

def download_images(url, save_dir):
    # 发送GET请求获取网页内容
    response = requests.get(url)
    
    # 检查是否成功获取网页内容
    if response.status_code == 200:
        # 使用BeautifulSoup解析网页内容
        soup = BeautifulSoup(response.content, 'html.parser')
        
        # 查找所有图片标签
        img_tags = soup.find_all('img')
        
        # 创建保存图片的目录
        if not os.path.exists(save_dir):
            os.makedirs(save_dir)
        
        # 遍历所有图片标签
        for img_tag in img_tags:
            # 获取图片的URL
            img_url = img_tag.get('src')
            if img_url:
                # 解析图片的绝对URL
                img_url = urljoin(url, img_url)
                
                # 发送GET请求获取图片内容
                img_response = requests.get(img_url)
                
                # 检查是否成功获取图片内容
                if img_response.status_code == 200:
                    # 提取图片文件名
                    img_filename = os.path.basename(urlparse(img_url).path)
                    
                    # 保存图片到指定目录
                    with open(os.path.join(save_dir, img_filename), 'wb') as f:
                        f.write(img_response.content)
                    print(f"已下载图片：{img_filename}")
                else:
                    print(f"无法下载图片：{img_url}")
            else:
                print("找不到图片URL")
    else:
        print(f"无法获取网页内容：{url}")

# 示例用法
url = "https://example.com"  # 修改为你想要下载图片的网页URL
save_directory = "download_images"     # 修改为你想要保存图片的目录
download_images(url, save_directory)

机器学习

此处略。感兴趣的同学可以在网上搜到大量基于Python的、有关计算机视觉(CV)，语音识别/合成，NLP（文字翻译等）相关的机器学习、人工智能应用。近年来，随着人工智能的发展，Python成为了人工智能领域最受欢迎的编程语言之一。Python的一个优点是它有大量的第三方库，这些库为人工智能开发提供了很多有用的工具和算法。例如，著名的PyTorch是人工智能领域中最流行的深度学习框架之一。

附录:

• Linux指令学习(适用于MacOS终端):

  • 简化版: 新手入门linux之最常用的20条命令
  • 深入版: https://linux.vbird.org/ 或者 同名书籍《鸟哥的Linux私房菜》

• vim: vim指令大全