Python语言简介 —— 为什么它成了全世界最受欢迎的编程语言？

如果你只能学一门编程语言，Python 是最值得投入的那一个。从零基础小白到 AI 工程师，Python 都是一条黄金起点。

🎯 本节要点：了解 Python 的诞生、核心特点、应用领域，以及为什么它值得你投入时间去学习

🔗 关联小程序: ch01_s1_1

🔥 AI 时代，为什么你必须学会编程？

2024 年到 2025 年，AI 的发展速度快到让人窒息。

ChatGPT 在 2022 年底横空出世，两个月用户破亿——历史上没有任何产品做到过。2024 年，Claude、Gemini、Copilot、通义千问、豆包……几乎每个月都有新模型发布，一个比一个强。

到了 2025 年，AI 写代码的能力已经相当成熟。GitHub Copilot 能帮程序员写 50% 以上的代码，Cursor 编辑器更是让人惊呼"写代码像打字一样快"。

这时候你会不会想：既然 AI 这么强了，还有必要学编程吗？

答案比你想的更直接：越是这样，越要学。

🤔 先回答一个关键问题：AI 会取代程序员吗？

先说结论：不会。但有一点是真的——不会用 AI 的程序员正在被淘汰。

做个简单的类比：

2000 年左右，搜索引擎（Google、百度）刚出来的时候，也有人说"谁还记东西啊，搜一下就行"。结果呢？

搜索引擎没有取代记忆力好的人，反而让会搜索的人变得更有竞争力——他们能更快找到答案，能判断搜索结果的质量，能把碎片信息串成完整的知识。

AI 和编程的关系也一样。

AI 不是来取代程序员的。AI 是来淘汰那些只会复制粘贴、不会思考到底在写什么的人。

🎯 那为什么还要学编程？

原因一：AI 能写代码，但不会理解需求

你给 AI 说"帮我做一个电商网站"，AI 能噼里啪啦生成几百行代码。但如果那个网站做得一塌糊涂，体验烂到家，AI 不会知道。

因为 AI 不会关心"这个东西好不好用"，它只关心"这个指令执行完了没有"。

而你会。

你说"这里按钮太小了，用户可能点不到"——这在 AI 看来就是一句废话，但在真实的产品里，这句话决定了一个页面的转化率。

会编程，意味着你能看懂 AI 写出来的代码，判断它写得对不对、好不好、有没有坑。

原因二：学编程学的不是语法，是思维方式

说个很反常识的事情：

你学编程真正学到的东西，不是 Python 怎么用、变量怎么定义、函数怎么写——这些 AI 都能替你写。

真正学到的是：

• 拆解问题的能力：把一个大问题拆成一个个小步骤，每一步都能用计算机解决
• 逻辑推理的能力：如果 A 成立，得到 B；如果 B 不成立，走另一条路……这种能力在任何行业都通用
• 精确表达的能力：跟 AI 打交道的核心技能是"写 prompt"，而编程训练的就是精确表达的肌肉记忆

这些能力，AI 给不了你。它们需要你亲手写过代码才能内化。

原因三：编程是跟 AI 对话的"母语"

你现在跟 AI 聊天是用自然语言，对吧？

但你会发现，当你真正想用 AI 干点正经事的时候——批量处理文件、爬取网站数据、搭建一个自动化的流程——自然语言太模糊了。

你说"帮我处理一下这个 Excel"，AI 不知道你要怎么处理。

你说"读取这个 Excel 的 A 列，如果销售额大于 1000 就标记为高，否则标记为低，然后输出到新文件"——恭喜你，你已经在编程思维了。

而如果你会 Python，你就可以直接跟 AI 说："帮我写一段 Pandas 代码，读取 sales.xlsx，筛选出金额列大于 1000 的行，输出到 high_sales.xlsx"。AI 几秒钟就能给你一个可以直接运行的脚本。

这就是编程作为"第二语言"的价值——它是你跟 AI 协作最自然的接口。

🗺️ AI 时代，应该怎么学编程？

和十年前的方法完全不一样了。

十年前学编程的经典流程是：

找一本书 → 从头啃到尾 → 背语法 → 做大量例题 → 尝试写第一个项目 → 遇到看不懂的报错 → 百度搜索 → 继续卡住 → 放弃

现在你不用这样了。

AI 时代的编程学习路径应该是：

第一步：别想太多，直接开始写。

装好 Python 后，不要先看书、看视频。直接打开交互模式，输入 print("你好，世界")。看见屏幕上输出了这句话，你就已经在学编程了。

第二步：遇到问题，问 AI。

这是跟传统学习最大的区别。以前的程序员遇到报错只能去 Stack Overflow 上搜，运气好能找到答案，运气不好只能自己啃文档。

现在你遇到任何问题，都可以直接问 AI：

"我刚学 Python，遇到了这个报错，能帮我看看是什么意思吗？" "能不能用最简单的例子给我解释一下 for 循环是怎么工作的？" "帮我检查一下这段代码，告诉我哪里写得不好，为什么？"

AI 会像你的私人导师一样，24 小时在线，耐心解释，不会嫌弃你问得太多。

第三步：理解 > 记住。

不要试图背下 Python 的所有语法。没有人能做到。连写了 10 年 Python 的老程序员，写代码的时候也经常要用搜索引擎查语法。

真正重要的是：

• 理解这段代码在做什么
• 知道为什么这样做而不是那样做
• 能从错误中学到东西

第四步：做一个小项目。

只学不练，等于没学。找一个你真正想做的事：

• 把电脑里乱七八糟的文件夹整理一下
• 分析一下你的微信账单
• 写一个自动发早安消息的脚本
• 爬取你喜欢的网站的最新文章

当你完成一个真正能用的东西，那种成就感比看完 10 本教程都强。

💼 学会编程，你到底能干什么？

这部分要讲得具体一点。不是"找工作"这种老生常谈，而是你学了 Python 之后能做出的东西：

1. 自动化你讨厌的重复工作

每天花 30 分钟做同样的操作？花 3 小时写个脚本，以后它就自动做了。

比如每周都要给领导发报表？写一个 Python 脚本，自动读取数据库/Excel、自动生成图表、自动发送邮件——以后你周三下午就可以喝茶了。

2. 用 AI 做你自己的 AI 应用

现在大模型的 API 已经非常便宜了（甚至很多都有免费额度）。学会 Python 之后，你可以：

• 写一个自动回复评论的机器人
• 做一个知识库问答系统
• 用 Whisper 把会议录音转成文字
• 用 Stable Diffusion 批量生成图片

这些在 AI 时代之前，你需要一个团队才能做。现在，一个人、一台电脑、几行 Python 就够了。

3. 数据分析能力——从"我觉得"到"数据显示"

在职场上，"我觉得这个月销量在涨"和"数据显示这个月销量环比上涨 23%"是完全不同的说服力。

Python + Pandas 让你在几行代码内完成复杂的数据分析。不需要求人、不需要等报表、不需要花钱买 BI 工具。

4. 别以为这是程序员专属

说几个真实的例子：

• 一个做财务的女生，学了 Python 之后用脚本自动对账，原来一周的工作量压缩到 2 小时
• 一个做市场运营的小哥，用爬虫监控竞品价格变化，帮公司做出了关键的定价决策
• 一个做学术研究的研究生，用 Python 批量处理了 5000 份实验数据，发了一篇论文

他们都不是程序员。他们只是学会了用 Python 解决自己的问题。

好了，把 AI 带来的焦虑放在一边。无论技术怎么变，"会编程"这件事的价值只会越来越高。

现在让我们回到 Python 的起点，看看这门语言本身的故事。

一、Python 的故事要从 1989 年的圣诞节说起

1989 年 12 月，荷兰阿姆斯特丹。程序员 Guido van Rossum（吉多·范罗苏姆）在圣诞节假期里觉得有点无聊，决定写一个新编程语言来打发时间。

他当时在 CWI（荷兰数学与计算机科学国家研究所）工作，参与开发一个叫 ABC 的编程语言。ABC 语言的设计理念深深影响了 Guido —— 它强调"代码的可读性"和"语法的简洁性"。但 ABC 有一个致命问题：它太封闭了，无法扩展。

Guido 想要一个语言，既要像 ABC 一样简单易读，又要像 C 语言一样强大、可扩展。于是他拿起键盘，开始写 Python。

名字是怎么来的？

很多人以为 Python 跟蛇有关（Python 的英文直译就是"巨蟒"），但实际原因很可爱——Guido 是英国喜剧团体 Monty Python（巨蟒剧团） 的忠实粉丝，他想给这个新语言起一个"简短、独特、带点神秘感"的名字，于是就叫 Python 了。

虽然 logo 设计成了两条蛇缠绕的样子，但那只是巧合。当你写 Python 代码的时候，其实是在用一种"喜剧迷的梗"写程序——是不是突然觉得学编程也没那么严肃了？

Python 版本演变时间线

目前推荐使用的版本是 Python 3.12 或 3.13。如果你看到网上有教程还在讲 Python 2，直接跳过——那是给老系统维护的人看的。

Python 之父的哲学

Guido 为 Python 设计了一套核心哲学，被总结为 "Python 之禅"（The Zen of Python）。在 Python 交互模式下输入 import this 就能看到：

>>> import this"""Beautiful is better than ugly.      # 优美的代码胜过丑陋的Explicit is better than implicit.   # 显式的代码胜过隐晦的Simple is better than complex.      # 简单的代码胜过复杂的Complex is better than complicated. # 复杂的代码胜过混乱的Readability counts.                 # 可读性很重要"""

翻译成大白话就是：写代码要让别人看得懂，更要让未来的你自己看得懂。

这句话值得你学完整本书后再回来看一遍。到那时你会深有体会。

二、Python 的五大核心优势

Python 能成为 2025 年最受欢迎的编程语言（TIOBE 指数持续第一），靠的是这五个硬实力。

优势一：语法像在写英语

我们直接对比一下——同样实现"判断一个数是不是偶数"：

Java 版本：

publicclassMain {publicstaticvoidmain(String[] args) {intnum=10;if (num % 2 == 0) {            System.out.println(num + "是偶数");        } else {            System.out.println(num + "是奇数");        }    }}

C 语言版本：

#include<stdio.h>intmain() {int num = 10;if (num % 2 == 0) {printf("%d是偶数\n", num);    } else {printf("%d是奇数\n", num);    }return0;}

Python 版本：

num = 10if num % 2 == 0:print(f"{num}是偶数")else:print(f"{num}是奇数")

看出差距了吗？Java 需要 9 行、C 语言需要 10 行，Python 只要 4 行。没有花括号、没有分号、没有类型声明、没有 main 函数外壳——Python 把所有的噪音都砍掉了，只保留核心逻辑。

这带来的直接好处是：学 Python 的新手，平均只需要 2-3 周 就能写出有实际功能的程序。如果换成 C 或 Java，同样的进度至少需要 1-2 个月。

优势二：动态类型——不用提前声明变量类型

在 Java 或者 C 语言里，你写一个变量之前必须先告诉计算机"这个变量是整数还是小数还是字符串"：

intage=25;              // 整数doubleprice=19.99;      // 小数Stringname="张三";      // 字符串

但在 Python 里，你直接赋值就行，Python 自动帮你判断类型：

age = 25# 整数price = 19.99# 小数（浮点数）name = "张三"# 字符串

这对初学者非常友好——你不用在一开始就被类型系统绕晕，可以先把注意力放在理解程序怎么运行上。

更妙的是，Python 3.6+ 引入了类型提示（Type Hints），你可以在代码里标注变量类型，让代码更容易阅读和维护，但标注了也不会强制报错——灵活性依然在：

# 类型提示是可选的，但推荐在复杂项目中使用defadd_numbers(x: int, y: int) -> int:return x + yresult: int = add_numbers(5, 3)print(result)  # 输出：8

这种

Python 是解释型语言，意思是它不需要像 C 语言那样先编译再运行。你可以直接进入交互模式，边写边看结果：

>>> 3 * 721>>> "Hello" + " " + "World"'Hello World'>>> len("Python")  # 获取字符串长度6>>> type(10)       # 查看数据的类型<class'int'>

每输入一行，Python 立刻给你反馈。这种即时满足感对保持学习兴趣非常重要。

你可以在命令行输入 python 直接进入交互模式（也叫做 REPL — Read-Eval-Print Loop）：

# Windows 用户在 cmd 或 PowerShell 中输入：python# Mac / Linux 用户在终端中输入：python3# 看到 >>> 提示符就说明进入了交互模式

交互模式是你学习 Python 最好的伙伴。不确定某个语法对不对？敲进去试试就知道了。

优势四：生态极其丰富——40 万个库任你用

Python 社区有一个巨大的"应用商店"，叫做 PyPI（Python Package Index）。截至 2025 年，PyPI 上已经有超过 40 万个第三方库，几乎覆盖你能想象到的所有应用领域：

# 💻 办公自动化import openpyxl    # 读写 Excel 文件import python-docx # 生成 Word 文档import PyPDF2      # 处理 PDF 文件# 🌐 网络爬虫import requests    # 发送 HTTP 请求from bs4 import BeautifulSoup  # 解析网页# 📊 数据分析import pandas as pd     # 数据处理之王import numpy as np      # 科学计算基础库import matplotlib.pyplot as plt  # 绘图# 🤖 人工智能import tensorflow as tf  # Google 的深度学习框架import torch             # Facebook 的深度学习框架from transformers import pipeline  # 调用各种 AI 模型# 🕸️ Web 开发import flask     # 轻量级 Web 框架import django    # 重量级全栈框架# 🎮 游戏import pygame    # 2D 游戏引擎# 🎨 图像处理from PIL import Image  # 图片处理

你想用 Python 做什么？大概率已经有人帮你做好了基础工作，你只需要安装一个库（pip install xxx），然后写几行代码就能调用。

优势五：跨平台——一次编写，到处运行

在 Windows 上写的 Python 代码，复制到 Mac 或者 Linux 电脑上，不需要做任何修改就能运行。

这一点比很多语言都强。比如 C 语言写的程序在 Windows 上编译了，到 Linux 上很可能要重新编译。而 Python 代码本身就是跨平台的——只要你装好了 Python 解释器，代码怎么写的就怎么跑。

这对于团队协作非常友好：你用 Windows 写代码，同事用 Mac 跑测试，服务器是 Linux——完全没问题。

三、Python 主要用在哪些领域？

1. 人工智能与机器学习（最热的方向）

这是 Python 目前最闪亮的应用场景。OpenAI 的 ChatGPT、Google 的 Gemini、Meta 的 LLaMA，这些大模型的核心训练和推理代码，绝大多数都是用 Python 写的。

# 用 transformers 库调用一个文本分类模型（只需 3 行）from transformers import pipelineclassifier = pipeline("sentiment-analysis")print(classifier("I love learning Python!"))# 输出: [{'label': 'POSITIVE', 'score': 0.9998}]

在 AI 领域，Python 的地位几乎是不可替代的。主流的深度学习框架（TensorFlow、PyTorch、Keras）全部优先支持 Python。

2. 数据科学与数据分析

数据分析师、商业智能（BI）岗位，Python + Pandas 几乎是标配技能。传统的 Excel 处理 10 万行数据就可能卡死，Pandas 处理 1000 万行数据轻轻松松。

数据分析的完整链路在 Python 中非常清晰：

1. 数据读取：pandas 读取 CSV、Excel、SQL 数据库、JSON 等各种格式
2. 数据清洗：处理缺失值、去重、格式转换
3. 数据分析：分组统计、聚合计算、相关性分析
4. 数据可视化：matplotlib、seaborn、pyecharts 生成图表
5. 报告输出：导出清洗后的数据或直接生成可视化报告

import pandas as pdimport matplotlib.pyplot as plt# 1. 读取数据df = pd.read_csv("sales_2024.csv")# 2. 查看前 5 行，快速了解数据结构print(df.head())# 3. 按月份汇总销售额monthly_sales = df.groupby("月份")["销售额"].sum()# 4. 绘制折线图monthly_sales.plot(kind="line", title="2024 年月度销售额")plt.savefig("monthly_sales.png")plt.show()

6 行代码完成了数据读取、聚合分析和可视化，这在 Excel 里至少要点几十次鼠标。

import pandas as pd# 读取一个 CSV 文件（比如销售数据）df = pd.read_csv("sales_2024.csv")# 按月份汇总销售额monthly_sales = df.groupby("月份")["销售额"].sum()# 找出销售额最高的前 5 个月份print(monthly_sales.sort_values(ascending=False).head(5))

3. Web 后端开发

很多人不知道，你每天用的网站有很大一部分后端是 Python 写的，而且 Python 在这个领域有两套主流的框架：

from flask import Flaskapp = Flask(__name__)@app.route("/")defhome():return"<h1>我的第一个网站！</h1>"if __name__ == "__main__":    app.run(debug=True)# 运行后打开浏览器访问 http://127.0.0.1:5000 即可看到页面

各大知名网站对 Python 的使用情况：

4. 办公自动化与脚本

这是 Python 对职场人最实用的场景。如果你每天都需要重复做一些电脑操作——批量改名、整理表格、定时发送邮件——Python 脚本几分钟就能帮你写好，一劳永逸。

# 批量重命名照片文件import osfolder = "D:\\手机照片"for i, filename inenumerate(os.listdir(folder)):if filename.endswith((".jpg", ".png")):# 用拍摄日期重命名        new_name = f"2024_旅行照片_{i+1:03d}.jpg"        os.rename(            os.path.join(folder, filename),            os.path.join(folder, new_name)        )print(f"已重命名: {filename} → {new_name}")

5. 自动化测试

在软件测试领域，Python 是自动化测试的首选语言。Selenium、Pytest、Appium 等主流测试框架都提供 Python 接口。国内大厂的测试开发岗位，Python 是必考技能。

6. 游戏开发

虽然 Python 不适合写 3A 大作，但用 pygame 写 2D 小游戏绰绰有余。本书第 11 章就是完整的"飞机大战"游戏实战——你将用 pygame 从零到一写一个可以玩的正经游戏。

7. 网络爬虫

从网页上批量采集数据，Python 有最成熟的工具链。爬取商品价格、采集新闻文章、监控数据变化——这些在 Python 中只需要几十行代码。

四、学 Python 之前必须知道的几件事

版本选择：请使用 Python 3

如果你在搜索引擎里翻到某篇教程提到 Python 2，先看一眼发布时间——如果是 2020 年之前的，直接关掉。

Python 2 已经在 2020 年 1 月 1 日 正式停止维护。Python 3 才是现在和未来。

本书所有代码基于 Python 3.12 编写，在 3.12+ 版本上都能正常运行。

安装建议：不要自己折腾

初学者最容易踩的第一个坑就是"下载了不对的安装包"或者"装了不会配环境变量"。不用担心，下一节（1.2 Python 开发环境搭建）会手把手教你在每个操作系统上正确安装。

学习路径：别想着一步登天

Python 入门确实快，但深入学习仍然需要时间和积累。建议的节奏：

• 第 1 周：安装环境——基本语法——条件判断——循环
• 第 2 周：字符串操作——列表、字典、元组——函数
• 第 3 周：文件读写——面向对象编程基础
• 第 4 周：异常处理——常用标准库——综合项目

每天能抽出 30-60 分钟练习，一个月就能写出像样的程序。

核心方法：动手 > 看教程

编程跟学游泳一样——你可以看 100 个教学视频，但不下水永远学不会。

每学一个新概念，立刻打开编辑器敲一遍。哪怕只是把教程里的代码照着抄一遍，也比只看不写强 10 倍。

调试过程中遇到错误不要慌。错误信息和报错提示是你的朋友，它们精确地告诉了你哪里出了问题。学会阅读错误信息，是程序员的必修课。可以参考这个习惯：每次遇到报错，先看报错信息的最下面一行——那一行通常会告诉你

五、Python 也有不足——客观认识这个语言

任何语言都有短板，Python 也不例外。了解这些不是为了劝退你，而是让你知道 Python 适合做什么、不适合做什么。

① 执行速度慢

Python 是解释型语言，执行速度比 C、C++、Java 慢 10-50 倍。如果你需要处理海量计算（比如实时渲染 3D 画面、高频量化交易），Python 不是最佳选择。

但好在有两个解决方案：

• 用 Cython / Numba 把核心计算部分编译成机器码
• 用 C 语言写性能敏感的部分，Python 通过接口调用——这就是 Python 被称为

快速验证一下你的电脑上是否存在 Python：

# Windows 打开命令提示符（cmd）或 PowerShell，输入：python --version# 如果输出类似以下内容，说明 Python 已安装：# Python 3.12.1

如果提示"Python 不是内部或外部命令"，也不用担心——这只是说明 Python 还没有加到系统环境变量里，下一节我们会搞定它。

如果还没装 Python，也不用着急。下一节 1.2 我们会从零开始，带你在 Windows / Mac / Linux 上搭建完整的 Python 开发环境，包括：

• 下载和安装正确版本的 Python
• 配置环境变量
• 选择和安装好用的代码编辑器（PyCharm / VS Code）
• 运行你的第一个 Python 程序

小结

到这里，你了解了 Python 的背景和全貌：

1. 历史：Python 由 Guido van Rossum 在 1989 年圣诞节创造，名字来自 Monty Python 喜剧团体
2. 优势：语法简洁、动态类型、解释执行、生态丰富、跨平台运行
3. 应用领域：AI 人工智能、数据分析、Web 后端、办公自动化、自动化测试、爬虫、游戏
4. 学习建议：用 Python 3.12+，动手指南在下一节，动手练习比看教程更重要

🔗 关联课程编号：ch01_s1_1

下一篇：1.2 Python 开发环境搭建 —— 手把手教你装好 Python 和 PyCharm，写出人生第一行代码。

如果你觉得这篇文章有帮助，欢迎分享给正在学编程的朋友。有问题欢迎在评论区留言讨论。