为什么选择 Python？

什么是 Python？

Python 是一种通用的计算机编程语言，常用于开发网站和软件、自动化任务以及进行数据分析。它能够用于创建各种程序，不专门针对任何特定问题。

Python 发行版

安装 Python 可能会出人意料地困难。问题在于，许多库（如 NumPy 和 SciPy）是用 Fortran 或 C 编写的，因为它们是从旧的库移植而来的。

大多数在线平台（如 Stack Overflow 和 Reddit）的用户都是网页开发者。他们工作在一个高度标准化的环境中，所使用的每个库都是纯 Python 编写的，因此安装起来非常简单。这意味着，如果我们安装 Python 时遇到问题并寻求帮助，可能难以找到可靠的解决方案。

在编写本课程时，我们研究了多种解决该问题的方法。其中最有效的方案是使用 Anaconda Python 发行版。如果你使用 Windows 系统，我们特别推荐使用这一发行版。它预先安装了大多数工程类库（唯一的例外是 OpenCV）。

SciPy / NumPy

SciPy/NumPy 是一个庞大的项目，涵盖了科学计算领域的几乎所有内容。

标准 Python 仅支持整数数据类型。然而我们知道，整数可以是 8 位、16 位、32 位或 64 位，浮点数通常以 64 位形式存储。这些扩展功能得益于 SciPy 的支持。但由于 SciPy 本身是一个庞大的项目，因此决定将其部分功能提取出来，形成一个独立的库——NumPy。

NumPy 是我们日常使用频率最高的工具。当 NumPy 无法满足需求时，我们会转向 SciPy。

许多人容易混淆 SciPy 和 NumPy。需要记住的是：它们本质上是同一个东西！

另一个我们经常使用的 SciPy 相关库是 Matplotlib（或 Pylab）。这是一个绘图库，最初基于 Matlab 构建（SciPy 的大部分内容都源于 Matlab）。对于不了解 Matlab 的人来说，它是最常用的科学计算软件之一。但它的价格昂贵，许可证体系复杂，导致大多数公司只能购买有限数量的副本。目前，唯一普遍安装 Matlab 的地方通常是大学！

Pandas

Pandas 是 Python 中较新的一个组件，最初是为了替代 R 语言的功能而开发的，主要用于金融领域中的统计计算。

当处理简单的文本文件或 CSV 文件时，NumPy 已经足够。但因为 NumPy 涉及大量底层操作，面对像 Microsoft Excel 这样复杂的大文件时，很快就会变得难以管理。Pandas 正好解决了这个问题。

如果你使用的是 Anaconda 发行版，那么 SciPy 和 Pandas 会自动安装。不过，我们仍需自行安装 OpenCV。

OpenCV

OpenCV 是一个大型开源库，专注于计算机视觉、机器学习和图像处理。虽然目前大多数 OpenCV 示例仍使用 C/C++ 编写，但 Python 的使用正在快速增长。

其他库

还有一些其他重要库值得了解，比如 Virtualenv。

Virtualenv，也称为虚拟环境，是一个非常有用的工具，可用于在同一台机器上安装不同版本的库。例如，如果某段代码仅与某个库的 v0.2 版本兼容，Virtualenv 就能创建一个专属的 Python 环境，只包含该特定版本。同一库可以存在数十个不同版本，彼此之间互不冲突。