【Python】认识 Python:计算机基础、编程语言、应用方向、环境搭建与第一个程序

作者:星光编译者日期:2026/10/3

🔥 星光编译者 · 个人主页

📚 学习专栏: 《C/C++ 成长笔记》 · 《Linux 实践手册》 · 《数据结构与算法》

🌄 向云端飞扬,编译属于自己的代码星河。


☕ 写在开篇

你好,这里是 星光编译者。

这里记录我在 C/C++、Linux、数据结构与算法 学习中遇到的真实问题、亲手验证过的代码,以及那些容易被忽略的实现细节。

比起简单罗列结论,我更愿意从问题出发,把一个知识点的来由讲清楚,把“为什么会这样”和“应该怎样解决”说明白,让每一次踩坑都沉淀成可以复用的经验。

如果这篇记录能帮你少绕一点路,或让某个模糊的地方忽然变得清晰,那么这次分享便有了意义。愿我们在一次次阅读、编译与调试中稳步向前,慢慢搭起属于自己的技术世界。


🔥 本文定位:面向第一次接触编程的读者,从“计算机如何完成任务”讲到“Python 代码如何运行”,再完成 Windows 环境搭建、PyCharm 项目配置和第一个程序。

💡 学习目标:能区分计算机、程序、编程与编程语言;说清 Python 适合做什么、优势与限制是什么;理解解释器和 IDE 的分工;独立运行交互式代码与 .py 文件;能根据错误信息排查第一次运行中的常见问题。

📌 阅读说明:本文根据课程 PDF《1.认识Python》重新整理。课件中的旧版 Windows 安装器和独立 PyCharm Community Edition 界面已发生变化,本文按 2026 年官方文档更新为 Python Install Manager 与统一版 PyCharm;菜单名称可能随小版本略有调整,但解释器、项目和运行流程不变。


文章目录

  • 一、先建立学习地图:我们究竟要认识什么
  • 二、什么是计算机:不只是会算数的机器
  • 三、程序与编程:把任务写成机器可执行的规则
  • 四、编程语言为什么有很多种
  • 五、Python 从哪里来:名字、历史与设计取向
  • 六、Python 能做什么:语言能力之外还有领域知识
  • 七、Python 的优势与限制:别把工具神化
  • 八、怎样看待 Python 的就业与学习价值
  • 九、运行环境与开发环境不是一回事
  • 十、在 Windows 上安装 Python
  • 十一、交互式解释器:最快完成第一次验证
  • 十二、安装并配置 PyCharm
  • 十三、创建并运行第一个 Python 文件
  • 十四、第一次运行失败:按现象排查
  • 十五、高频问答、练习与参考资料
  • 总结

一、先建立学习地图:我们究竟要认识什么

很多初学者把“学 Python”的第一步理解成下载一个安装包,再跟着截图一路单击“下一步”。这样确实可能运行出 hello,却容易留下三个问题:

  1. 不清楚自己安装的究竟是解释器、编辑器还是某个插件;
  2. 换一台电脑或换一个开发工具,就不知道代码应该怎样运行;
  3. 一旦出现“找不到命令”“解释器无效”,只能卸载重装。

更稳妥的学习顺序是:

1计算机怎样完成任务
2        ↓
3程序怎样描述任务
4        ↓
5编程语言怎样连接人与机器
6        ↓
7Python 有什么特点
8        ↓
9解释器怎样执行源代码
10        ↓
11编辑器怎样帮助我们组织项目
12        ↓
13亲手运行并排查第一个程序
14

这条路线里,Python 解释器是核心,PyCharm、VS Code 等开发工具是提高效率的外层工具。即使没有 IDE,只要解释器安装正确,我们也能在终端运行程序;反过来,只有 IDE 而没有可用解释器,代码依然跑不起来。


二、什么是计算机:不只是会算数的机器

日常生活中的计算器主要用于数值计算,而现代计算机能够完成的任务远不止加减乘除。它可以:

  • 进行算术运算和逻辑判断;
  • 保存、读取和修改数据;
  • 接收键盘、鼠标、摄像头、传感器等输入;
  • 通过屏幕、扬声器、打印机等设备输出结果;
  • 借助网络与其他计算机交换信息;
  • 按照程序自动、稳定地重复复杂流程。

台式机、笔记本、手机、服务器、路由器和许多智能设备,外形与用途不同,但都可以看作计算机系统。

2.1 四类核心组成

为了建立第一层模型,可以先把一台计算机抽象为四类部件:

部件主要职责常见例子
处理器执行指令、进行运算、协调部件CPU
存储器保存程序与数据寄存器、缓存、内存、固态硬盘
输入设备把数据或操作送入系统键盘、鼠标、麦克风、网卡
输出设备把处理结果呈现或传递出去显示器、音响、打印机、网卡

这里的“存储器”是一个宽泛概念。内存通常速度快、容量相对小,断电后内容不再保留;硬盘或固态硬盘通常用于长期保存文件。程序运行时,操作系统会把需要的代码和数据装入内存,CPU 再执行相应指令。

2.2 CPU 和 GPU 的分工

CPU 是通用处理器,适合处理控制逻辑复杂、任务类型多样的工作。GPU 最初服务于图形处理,拥有大量适合并行计算的处理单元,因此也常用于图像、科学计算和人工智能中的大规模数值运算。

“CPU 通用、GPU 并行能力强”只是入门层面的概括。真实程序能否更快,还取决于算法、数据规模、内存访问、并行度和软件框架,不能仅凭硬件名字下结论。

2.3 冯·诺依曼体系结构带来的关键认识

经典冯·诺依曼模型强调:程序指令和数据都可以存放在存储器中,处理器按顺序取出指令、解释并执行。

这让我们看到软件与硬件的关系:

  • 硬件提供计算、存储与输入输出能力;
  • 软件给出任务规则;
  • 操作系统在两者之间管理进程、内存、文件和设备;
  • 编程语言帮助开发者更有效地描述软件。

程序并不是“飘在电脑里的想法”,它最终一定要变成处理器能够执行的工作。


三、程序与编程:把任务写成机器可执行的规则

3.1 什么是程序

程序是一组按照特定规则组织、可以由计算机执行的指令。

例如“计算两个数的和”看似简单,真正交给计算机时,至少要明确:

  1. 从哪里取得两个数;
  2. 输入不合法时怎样处理;
  3. 使用什么规则进行运算;
  4. 把结果保存到哪里;
  5. 以什么形式输出。

人类交流会依赖常识补足省略信息,而计算机只会按照已经定义的规则工作。需求中含糊的一句话,到了程序里往往需要拆成多个明确步骤。

3.2 什么是编程

编程是分析问题、设计步骤,再用编程语言把步骤表达成程序的过程。

“敲代码”只是编程中能被看到的一部分。完整的软件开发通常还包括:

  • 理解与澄清需求;
  • 设计算法和数据结构;
  • 编写、阅读与重构代码;
  • 测试正常情况与边界情况;
  • 调试错误并记录证据;
  • 部署、监控和维护程序。

因此,打字快并不等于编程能力强。能否把模糊问题变成可验证的步骤,才是更核心的能力。

3.3 算法和程序有什么区别

算法强调“解决问题的步骤与方法”,程序则是算法在具体语言、运行环境和数据约束下的实现。

例如“从一组数字中找到最大值”的算法可以这样描述:

1先把第一个数当作当前最大值
2依次查看后续数字
3若新数字更大,就更新当前最大值
4全部查看完成后,得到答案
5

同一算法可以使用 Python、C、Java 或其他语言实现。语言会影响写法、性能和工程组织,但不会替我们自动完成问题分析。


四、编程语言为什么有很多种

计算机处理器直接执行的是机器指令。人类若长期直接书写二进制指令,开发和维护成本会非常高,于是编程语言不断向更高层抽象发展。

4.1 机器语言

机器语言由处理器能够直接识别的指令编码组成,与具体硬件架构密切相关。它最接近机器,却很难由人类阅读、编写和维护。

4.2 汇编语言

汇编语言使用 MOV、ADD、JMP 等助记符表达机器指令,再由汇编器转换为机器代码。它比二进制更易读,但仍与处理器架构关系紧密,需要开发者理解寄存器、内存和调用约定等细节。

4.3 高级语言

高级语言提供变量、表达式、函数、对象、模块等抽象,让开发者把更多注意力放在问题本身。高级语言编写的源代码仍需经过编译器、解释器或其他工具链,最终转化为机器能够完成的操作。

4.4 为什么不只保留一种高级语言

不同语言在设计目标上各有侧重:

  • 有的强调对内存和硬件的精细控制;
  • 有的强调大型工程的类型约束与工具生态;
  • 有的强调快速开发、脚本自动化和交互探索;
  • 有的专注数据库查询、统计计算或前端界面。

评价一门语言时,不能只问“谁更强”,而要问:它在什么问题、团队、性能目标和运行平台下更合适?


五、Python 从哪里来:名字、历史与设计取向

Python 由 Guido van Rossum 在 20 世纪 90 年代初于荷兰 CWI 创建,早期设计吸收了 ABC 语言的一些经验。第一篇介绍 Python 的论文发表于 1991 年。Python 这个名字来自喜剧节目 Monty Python’s Flying Circus,并不是因为蟒蛇。

这些历史知识不直接决定代码写法,却能解释 Python 的一些设计取向:

  • 重视可读性,使用缩进表达代码块;
  • 提供列表、字典、集合等高级数据结构;
  • 支持交互式使用,便于快速验证想法;
  • 允许通过模块和扩展连接更大的软件生态;
  • 追求用相对简洁的代码表达清楚意图。

5.1 Python 是语言,CPython 是常见实现

“Python”有时指语言规范,有时也被泛指为平时安装的解释器。更准确地说:

  • Python:一门编程语言及其语法、语义和生态;
  • CPython:由 Python 社区维护、使用最广泛的 Python 实现;
  • 解释器:读取并执行 Python 程序的运行环境;
  • 标准库:随 Python 提供的常用模块;
  • 第三方库:由社区或厂商发布、通常通过包管理工具安装的扩展功能。

初学阶段安装官方 Python,通常得到的就是 CPython。

5.2 Python 2 和 Python 3

Python 2 已在 2020 年结束官方支持。新项目和新学习内容应使用 Python 3。遇到旧项目时,可能仍会看到 Python 2 风格代码,但不要把两套语法混在同一个练习中。

本文所有命令与示例均以 Python 3 为准。版本号会持续变化,初学者安装当前受支持的稳定版本即可,不必刻意追求某个陈旧截图里的小版本号。


六、Python 能做什么:语言能力之外还有领域知识

Python 是通用编程语言,应用领域很广。常见方向包括:

方向常见任务还需要学习什么
自动化脚本批量处理文件、生成报告、调用接口操作系统、文件格式、异常处理
Web 开发网站后端、API、业务服务HTTP、数据库、缓存、部署与安全
数据分析清洗、统计、可视化、报表数学统计、数据质量、业务口径
科学计算数值计算、仿真、实验分析数值方法、领域模型、性能评估
人工智能数据处理、训练、推理、评估线性代数、概率、模型与工程化
自动化测试接口、UI、回归测试测试设计、可重复性、持续集成
运维与工具日志分析、系统管理、平台脚本Linux、网络、权限与可靠性
教学与原型演示算法、验证产品想法问题拆解、代码表达与实验方法

这里要避免一个常见误解:会写 Python 语法,不等于自动会数据分析、Web 开发或人工智能。语言是解决问题的工具,领域知识决定我们是否知道该解决什么、结果是否可信。

例如写一个数据分析脚本,除了会循环、函数和库调用,还需要回答:

  • 缺失值怎样处理?
  • 指标口径是否一致?
  • 样本是否存在偏差?
  • 图表是否准确表达数据?
  • 结论能否复现?

Python 可以降低实现门槛,却不会替代这些判断。


七、Python 的优势与限制:别把工具神化

7.1 常见优势

语法清晰,入门反馈快

Python 通常能用较少的样板代码表达一个完整想法。交互式解释器还能立即给出结果,适合学习基本概念和验证小实验。

标准库与第三方生态丰富

文件处理、网络、日期时间、测试、数据分析和机器学习等领域都有大量工具可用。成熟库能减少重复实现,但仍要阅读文档、确认版本和处理错误。

跨平台并且容易集成

同一份纯 Python 代码通常可以在 Windows、macOS 和 Linux 上运行。Python 也常与 C/C++、数据库、命令行工具和网络服务协作,承担自动化或“胶水层”角色。

适合快速原型与交互探索

当需求尚在变化时,Python 可以较快把想法变成可运行原型,帮助团队验证数据、流程和接口。

7.2 需要正视的限制

纯 Python 执行速度并非所有场景都占优

对于大量细粒度数值运算或严格的延迟目标,纯 Python 代码可能比本地编译语言慢。工程中常通过更好的算法、向量化库、本地扩展、并行计算或把关键路径交给其他语言解决。

动态类型提高灵活性,也增加大型项目的约束需求

变量不需要预先声明固定类型,写起来灵活,但接口错误可能延后到运行时暴露。大型项目通常会配合:

  • 类型提示;
  • 静态检查;
  • 自动化测试;
  • 清晰的模块边界;
  • 代码审查与持续集成。
并发不是一句“Python 不支持多核”可以概括

网络等待类任务可使用线程、异步 I/O;CPU 密集任务可考虑多进程、原生扩展或其他并行方案。CPython 的实现与版本也在发展。初学阶段更重要的是先区分 I/O 密集 与 CPU 密集,再选择工具,而不是背一句绝对结论。

7.3 一条更实用的技术选择原则

1先明确任务与约束
2      ↓
3评估开发效率、运行性能、部署环境和团队经验
4      ↓
5选择语言与库
6      ↓
7用测试和测量验证,而不是靠印象争论
8

Python 可以是项目主语言,也可以是自动化工具、测试脚本或数据处理层。角色不同,不代表价值高低。


八、怎样看待 Python 的就业与学习价值

“学 Python 能不能找到工作”不能只看招聘网站里某个关键词的数量。岗位名称、城市、统计时间和搜索规则都会改变结果,而且很多岗位不会把语言名称写在标题里。

更可靠的判断方式是观察岗位要求背后的能力组合:

  • Python + 数据分析 + SQL + 业务理解;
  • Python + Web 框架 + 数据库 + 服务部署;
  • Python + 自动化测试 + 测试设计 + CI/CD;
  • Python + Linux + 网络 + 运维平台;
  • Python + 机器学习 + 数学基础 + 工程化;
  • 主力语言 + Python 自动化脚本。

因此,Python 的学习价值主要体现在两点:

  1. 它能让初学者较快进入编程实践,建立变量、分支、循环、函数和模块等通用概念;
  2. 它是一种非常实用的生产工具,能够和多种技术栈协作。

真正形成竞争力,还要继续学习计算机基础、算法、操作系统、网络、数据库、软件工程,以及某个具体方向的专业知识。


九、运行环境与开发环境不是一回事

课件把环境分为两部分,这个区分非常重要:

  • 运行环境:Python 解释器及其标准库,负责执行代码;
  • 开发环境:PyCharm、VS Code 等工具,负责编辑、导航、提示、调试和项目管理。

可以把程序运行过程简化为:

9.1 编辑器不等于解释器

PyCharm 可以高亮代码、提示错误、提供运行按钮,但点击运行时,它仍要调用某个 Python 解释器。若解释器路径不存在,IDE 会提示无效;若选择了错误环境,可能出现“明明安装过库,却提示找不到模块”。

9.2 解释器不等于项目环境

一台电脑可以安装多个 Python 版本,一个项目也可以创建独立虚拟环境。推荐每个项目使用自己的 .venv:

1project/
2├─ .venv/          # 该项目的 Python 环境与第三方包
3├─ hello.py        # 源代码
4└─ requirements... # 项目依赖说明(以后会接触)
5

虚拟环境不会让 Python 变成另一门语言,它只是帮助不同项目隔离依赖版本,减少互相影响。

9.3 一个最可靠的检查命令

当你不确定当前使用哪个解释器时,可以运行:

1python -c "import sys; print(sys.executable); print(sys.version)"
2

它会打印实际执行命令的解释器路径和版本。排查环境问题时,这比只看桌面快捷方式更可靠。


十、在 Windows 上安装 Python

本节面向 Windows 10/11。官方安装方式会随版本演进,下载时请以 Python 官方 Windows 文档 与 Python 下载页 为准。

10.1 推荐方式:Python Install Manager

当前官方文档推荐通过 Python Install Manager 管理 Windows 上的 Python 运行时。它可以从 Python 官网或 Microsoft Store 获取,并提供 python、py 和 pymanager 等命令。

基本流程如下:

  1. 打开 python.org/downloads,确认域名是 python.org;
  2. 安装 Python Install Manager;
  3. 打开新的 PowerShell 或 Windows Terminal;
  4. 安装当前稳定运行时;
  5. 检查版本与解释器列表;
  6. 运行第一个脚本。

安装管理器后,可以执行:

1py install
2py list
3python --version
4

具体输出会随安装版本变化。不要要求自己的版本号必须与某个旧教程截图完全相同,只要是受支持的 Python 3 稳定版,并且项目需要的库支持它即可。

10.2 为什么旧教程总在强调 Add Python to PATH

传统 .exe 安装器会提供“Add Python to PATH”选项。PATH 是一组供系统搜索可执行文件的目录。当你在终端输入 python 时,系统会沿着 PATH 查找对应命令。

Python Install Manager 使用了新的命令管理方式,但 PATH 与 App execution aliases 仍可能影响命令解析。因此,遇到命令找不到时,不要急着反复卸载:

1where.exe python
2where.exe py
3python --version
4py list
5

这些命令能帮助确认系统找到了哪个程序。

10.3 安装完成后的三层验证

第一层:版本命令
1python --version
2

如果能打印 Python 3 的版本号,说明终端可以找到解释器。

第二层:单行执行
1python -c "print('Hello, Python!')"
2

如果能输出文本,说明解释器可以执行简单代码。

第三层:脚本文件

创建 hello.py:

1print("Hello, Python!")
2

在文件所在目录运行:

1python hello.py
2

如果三层都通过,再进入 IDE 配置,后续问题会更容易定位。

10.4 建议顺手创建虚拟环境

在项目目录中执行:

1python -m venv .venv
2.venv\Scripts\Activate.ps1
3python -m pip --version
4

PowerShell 若因执行策略阻止激活脚本,也可以暂时不激活,直接使用:

1.venv\Scripts\python.exe --version
2

“激活”本质上是让当前终端优先使用虚拟环境中的命令,不是虚拟环境存在的前提。


十一、交互式解释器:最快完成第一次验证

在终端直接输入:

1python
2

看到 >>> 提示符后,说明进入了交互式解释器,也叫 REPL:读取输入、执行代码、打印结果、继续等待。

可以依次尝试:

1>>> 1 + 2
23
3>>> name = "Python"
4>>> print("Hello,", name)
5Hello, Python
6>>> len(name)
76
8

交互模式适合:

  • 验证一个表达式;
  • 查看某个函数的返回值;
  • 快速测试标准库;
  • 学习新语法时做小实验。

它不适合长期保存完整项目。退出后,刚才输入的程序结构不会像 .py 文件那样自然保存与复用。

退出可以输入:

1exit()
2

或使用 Windows 终端的 EOF 组合键 Ctrl+Z 后按 Enter。

11.1 >>> 不是代码的一部分

教程中的 >>> 表示交互式提示符。把示例复制到 .py 文件时,不要把提示符一起复制:

1# 正确的 hello.py
2print("Hello, Python!")
3
1# 错误:>>> 不是 Python 源代码
2>>> print("Hello, Python!")
3

11.2 注意英文标点

编程时最容易被忽略的输入问题包括:

  • 中文引号 “ ” 代替英文引号 " ";
  • 中文括号 ( ) 代替英文括号 ( );
  • 中文冒号 : 代替英文冒号 :;
  • 输入法自动插入全角空格。

字符串内容可以是中文,但语法符号通常要使用英文半角字符。


十二、安装并配置 PyCharm

PyCharm 是 JetBrains 提供的 Python 集成开发环境。当前版本采用统一产品形式:核心功能可以免费使用,新安装会提供 Pro 功能试用,试用结束后可以继续使用免费核心功能或订阅高级功能。旧教程中单独下载 Community Edition 的页面和按钮已经变化。

12.1 下载与安装

  1. 打开 PyCharm 官方安装文档 或 JetBrains 官方下载页;
  2. 选择与 Windows 架构匹配的安装程序;
  3. 运行安装程序;
  4. 可按需要选择桌面启动器、.py 文件关联、右键打开文件夹和命令行启动器;
  5. 完成安装并启动 PyCharm。

PyCharm 自带 JetBrains Runtime,因此为了运行 IDE 本身,一般不需要另装 Java。但运行 Python 项目仍需要配置 Python 解释器。

12.2 创建项目时最重要的两个选择

项目位置

项目位置决定源代码保存在哪里。建议使用清晰、稳定、自己有写入权限的目录,例如:

1D:\code\python\hello_project
2

不要把所有练习都堆在下载目录,也尽量避免路径层级过深。

Python 解释器

可以为项目新建虚拟环境,也可以选择已有解释器。初学者推荐每个项目创建 .venv,并让 PyCharm 自动选择刚安装的 Python 作为基础解释器。

12.3 怎样确认 PyCharm 选对了解释器

在 PyCharm 内置终端运行:

1python -c "import sys; print(sys.executable)"
2

再在代码中运行:

1import sys
2
3print(sys.executable)
4

两者都应指向你预期的项目环境。若一个指向 .venv,另一个指向系统 Python,说明终端环境和运行配置不一致,需要重新选择解释器或激活环境。

12.4 PyCharm 和 VS Code 该选谁

两者都能开发 Python:

  • PyCharm 开箱即用的 Python 项目能力更集中;
  • VS Code 更轻量、扩展灵活,适合多语言工作流;
  • 纯文本编辑器加终端也能完成学习。

初学阶段不必频繁更换工具。先用一个环境把“创建文件—运行—阅读错误—调试”走通,再比较工具差异。


十三、创建并运行第一个 Python 文件

在项目目录中新建 hello.py,输入:

1print("Hello, Python!")
2

右键文件选择运行,或在终端执行:

1python hello.py
2

预期输出:

1Hello, Python!
2

13.1 这一行代码发生了什么

1print("Hello, Python!")
2

可以拆成三个部分:

部分含义
printPython 提供的内置输出函数
( )函数调用的参数区域
"Hello, Python!"一个字符串对象

解释器读取源文件后执行函数调用,print 把字符串写到标准输出,终端再把结果显示出来。

13.2 文件名为什么要以 .py 结尾

.py 是 Python 源文件的常用扩展名。它能帮助操作系统、编辑器和开发工具识别文件类型。不要把文件误存成:

1hello.py.txt
2

Windows 资源管理器可能隐藏已知扩展名,建议开启“显示文件扩展名”,确认真实文件名。

13.3 再写一个稍完整的版本

1def main() -> None:
2    name = input("请输入你的名字:")
3    print(f"你好,{name}!欢迎学习 Python。")
4
5
6if __name__ == "__main__":
7    main()
8

这段程序暂时不要求全部理解,只观察三个变化:

  1. input 从键盘读取文本;
  2. f"...{name}..." 把变量内容放入字符串;
  3. 缩进表示哪些语句属于函数或条件块。

运行后可能看到:

1请输入你的名字:星光编译者
2你好,星光编译者!欢迎学习 Python。
3

13.4 缩进不是为了“看着整齐”

Python 使用缩进表示代码块。下面的代码会报错:

1def main() -> None:
2print("Hello")
3

正确写法是:

1def main() -> None:
2    print("Hello")
3

建议统一使用 4 个空格,不要在同一文件中混用制表符和空格。


十四、第一次运行失败:按现象排查

新手最容易在环境搭建阶段陷入“哪里不对就全部重装”。更有效的方法是根据现象判断问题属于哪一层。

14.1 python 不是内部或外部命令

可能原因:

  • Python Install Manager 尚未安装;
  • 终端没有重新打开;
  • App execution aliases 被关闭;
  • PATH 被修改;
  • 旧版 Python Launcher 与新管理器发生优先级冲突。

先执行:

1where.exe python
2where.exe py
3py list
4

再按官方 Windows 文档检查应用执行别名和 PATH。不要从不明下载站重复安装多个 Python。

14.2 终端能运行,PyCharm 不能运行

这通常不是 Python 没装好,而是 PyCharm 项目没有选择正确解释器。

检查:

  1. 项目设置中的 Python Interpreter;
  2. 运行配置使用的解释器;
  3. .venv 是否被移动或删除;
  4. sys.executable 打印的真实路径。

14.3 can't open file 或文件找不到

先查看当前目录:

1Get-Location
2Get-ChildItem
3

确认 hello.py 是否真的在这里,再运行:

1python .\hello.py
2

终端命令中的相对路径,是相对于当前工作目录解释的,不是相对于“你心里认为的项目目录”。

14.4 SyntaxError

SyntaxError 表示解释器无法按 Python 语法解析代码。重点检查:

  • 括号、引号是否成对;
  • 是否混入中文标点;
  • 冒号是否缺失;
  • 缩进是否正确;
  • 是否把 >>> 提示符复制进文件;
  • 报错箭头指向哪里。

报错位置不一定就是根因,但它通常是解释器第一次无法继续理解代码的位置。

14.5 NameError

例如:

1print(message)
2

若 message 从未定义,会出现 NameError。这与“Python 没安装好”无关,而是程序使用了当前作用域中不存在的名字。

14.6 ModuleNotFoundError

这通常表示当前解释器环境中没有对应模块,或者导入名写错。先确认解释器:

1python -c "import sys; print(sys.executable)"
2python -m pip --version
3

再确认包是否安装在同一个环境。推荐使用:

1python -m pip install 包名
2

而不是盲目使用一个可能属于其他解释器的 pip 命令。

14.7 一套可复用的排查顺序

1完整阅读错误信息
2      ↓
3确认运行的是哪个命令或按钮
4      ↓
5确认当前工作目录与文件名
6      ↓
7打印 sys.executable 和版本
8      ↓
9缩小到最短可复现代码
10      ↓
11一次只修改一个假设并重新运行
12

环境问题并不可怕。每次查清“哪个终端、哪个目录、哪个解释器、哪个文件”,你都在建立可迁移的调试能力。


十五、高频问答、练习与参考资料

15.1 高频问答

问题一:Python 是编译型语言还是解释型语言?

简单把语言永久分成“编译型”和“解释型”并不准确。以常见的 CPython 为例,源代码会经过编译处理形成字节码,再由运行时执行;实现还可能使用缓存、本地扩展等机制。入门时把它理解为“通常通过 Python 解释器运行”即可,不要把标签当作全部实现细节。

问题二:学习 Python 必须安装 PyCharm 吗?

不必须。解释器加终端就能运行程序,任何能保存纯文本的编辑器都能写 .py 文件。PyCharm 提供代码提示、项目管理和调试功能,是效率工具,不是 Python 语言的一部分。

问题三:一定要安装最新版本吗?

学习新项目时选择当前受支持的稳定版通常最省心;真实项目则要看依赖库与部署环境的兼容范围。不要为了与旧教程截图一致,特意安装已经停止支持的版本。

问题四:为什么终端和 PyCharm 显示不同版本?

它们选择了不同解释器。分别打印 sys.executable,找到真实路径,再统一项目配置。

问题五:为什么我安装了第三方库,代码仍说找不到?

最常见原因是“安装包的 Python”和“运行代码的 Python”不是同一个环境。使用 python -m pip,并检查 python 与 IDE 的解释器路径。

问题六:Python 适合做大型项目吗?

可以,但大型项目不会只靠语法简洁。它需要模块化、类型提示、测试、代码审查、依赖管理、监控和团队规范。动态语言降低了某些表达成本,也要求工程体系承担更多约束。

问题七:Python 执行慢,是不是就没有学习价值?

不是。开发效率、生态、可维护性、计算成本和响应延迟要一起评估。很多 Python 库的关键计算由优化后的本地代码完成。真正有性能目标时,应先测量瓶颈,再决定优化方法。

问题八:零基础应该先学语法还是先学计算机基础?

两者交替最有效。先掌握足以运行小程序的基础概念,再通过变量、分支和循环练习加深理解;遇到文件、网络、内存或进程问题时,再补相应系统知识。

15.2 动手练习

  1. 识别部件:为手机列出处理器、存储、输入和输出各两个例子。
  2. 拆解任务:把“计算三个成绩的平均值”写成输入、处理、输出三个阶段,并列出非法输入。
  3. 交互实验:在 REPL 中计算 2 ** 10、字符串长度和列表最大值,观察返回结果。
  4. 脚本运行:分别用 PyCharm 运行按钮和终端命令运行 hello.py,确认输出一致。
  5. 定位解释器:在系统终端、PyCharm 终端和程序中分别打印解释器路径,解释它们是否相同。
  6. 制造语法错误:故意删除右括号、把英文冒号换成中文冒号,记录错误类型和箭头位置,再修复。
  7. 创建虚拟环境:为新项目创建 .venv,比较激活前后的 sys.executable。
  8. 文件路径实验:在错误目录运行 python hello.py,阅读报错;再切换到正确目录运行。
  9. 领域调研:从 Web、数据分析、测试、运维或 AI 中选一个方向,列出除 Python 语法外还要学习的五项知识。
  10. 写第一个小程序:读取姓名和学习天数,输出一条带变量的欢迎语,并处理空输入。

总结

认识 Python,不应从“背下一串安装按钮”开始,而应先建立一条完整链路:计算机提供硬件能力,程序描述任务,编程语言帮助人表达规则,Python 解释器把源代码落实为运行过程,IDE 再为编辑、调试和项目管理提供便利。

1计算机 = 处理器 + 存储 + 输入 + 输出
2程序   = 可以执行的任务规则
3编程   = 分析问题 + 设计步骤 + 编写与验证程序
4Python = 通用高级语言与生态
5解释器 = 运行 Python 代码的核心环境
6IDE    = 提高编辑、导航、调试和管理效率的工具
7

请记住以下几点:

  1. 计算机不只会算数,它能在程序控制下完成存储、判断、通信与自动化任务。
  2. 编程不是单纯敲代码,而是把模糊需求变成明确、可执行、可验证的步骤。
  3. 高级语言提高了抽象层次,但程序最终仍要通过运行时和操作系统落到硬件。
  4. Python 语法清晰、生态丰富、应用广泛,但性能、类型约束和并发方案仍需按场景权衡。
  5. 会 Python 语法不等于掌握某个专业方向,领域知识决定解决方案是否正确。
  6. 解释器负责运行,PyCharm 负责辅助开发;先验证解释器,再配置 IDE。
  7. 每个项目使用独立虚拟环境,可以减少依赖冲突并让环境更容易复现。
  8. 遇到错误时,先确认命令、工作目录、解释器路径和源文件,再做最小修改。

当你能够在终端和 PyCharm 中分别运行 hello.py,能解释 sys.executable 指向什么,并能独立处理“命令找不到、文件找不到、解释器不一致和语法错误”这四类问题,就真正完成了 Python 学习的第一步。


参考文档


《【Python】认识 Python:计算机基础、编程语言、应用方向、环境搭建与第一个程序》 是转载文章,点击查看原文。


相关推荐


检测数据异常值的五种统计技术
databook2026/9/27

处理数据的时候,最让人头大的往往不是复杂的模型调参,而是那些藏在角落里的异常值。 你是不是也遇到过这种糟心事:明明业务逻辑看着没毛病,一跑统计指标就飘红;或者模型效果突然断崖式下跌,排查半天发现是几个极端值在捣乱。 今天我们来聊聊最常用的 5 种异常值检测方法:Z-Score、IQR、LOF、Isolation Forest、马氏距离。 通过这篇文章,你将看到: 什么数据形态该用哪种异常值检测方法。 怎么用 Python 快速进行异常值检测并跑出结果。 怎么把代码套到自己的业务数据上。 下面


机器学习:决策树1--ID3决策树和C4.5决策树
tellmewhoisi2026/9/19

公式 (信息)熵 = ∑ -分类占比 * log 2(分类占比) 信息增益 实际案例:信息增益 实际案例:信息增益率 为啥选择信息增益率,不用信息增益?信息增益弊端是啥 因为信息增益等于 熵 - 条件熵 在 实际案例:信息增益率 中可以看出来,一个特征如果分类多(特征b),他的条件熵很小,一个特征如果分类少(特征a),他的条件熵很大。 但是无论特征多,还是特征少,他们的熵是一致的。 所以 信息增益等于熵 - 条件熵 的情况,会一直选择 特征分类多的。 特征分类越多,模型越容易在训练集


误推 master 该 revert 还是 reset?撤销与补 MR 流程
是2的10次方啊2026/9/11

前两天开发完一个功能,习惯性 git commit、git push——刷新远程,提交直接落在了 master。CI 已经跑了一分钟,群里有人问谁合的。 一句话结论:已 push 到共享 master → git revert;只在本地、还没 push → git reset。 一、revert 和 reset 怎么选 git revertgit reset做法新增反向 commit,原 commit 仍在移动分支指针,可抹掉 commit远程


【AI 应用 -- 白话大模型(篇八)】《从零系统学习 AI Skill之起源发展、文件结构、编写原则、机制原理与项目实战案例》
j7~2026/9/3

Skill 1.背景 关键时间时间线 从 2023 年到 2026 年,AI 大模型 “调用工具” 和 “执行任务” 的能力经历了四次关键跃迁。这条时间线记录了从工具调用雏形到多代理生态平台的完整技术路径。 2023.06|OpenAI Function Calling —— 工具调用的雏形 这是最早让 AI 模型能够主动请求调用外部函数的标准化接口,首次赋予大模型与外部系统交互的能力,为后续所有工具调用协议奠定基础。2024.11|Anthropic MCP —— 连接工具与数据


Apple Foundation Models PCC 申请与使用:从权限到真机验证
沐风AI2026/8/26

Apple 又送钱来了。 如果你正在开发 iOS 或 macOS App,想给用户加入总结、改写、翻译、文档问答等能力,Apple Foundation Models 的 PCC 方案值得认真看一遍。它的关键价值不是“又多了一个大模型 API”,而是:在符合条件并拿到权限之后,App 可以通过原生 Swift 框架访问 Apple 的 Foundation Model,不要求你在客户端塞入 OpenAI、Claude 或 Gemini 的 API Key。 但这件事也最容易被一句“无需 AP


Vue3 表单编辑器:左侧控件菜单 + 中间编辑区的拖拽全流程实现
今天吃了嘛o2026/8/13

Vue3 表单编辑器:左侧控件菜单 + 中间编辑区的拖拽全流程实现 基于 Vue3 + vuedraggable + Pinia 实现的表单编辑器,涵盖从左侧菜单拖拽添加控件、点击添加、中间区域排序调换、复制删除、切换题型等核心交互。本文只摘取代表性代码,梳理整体流程和设计思路。 目录 一、整体架构与数据流二、技术选型三、左侧控件菜单(form_menu_drag.vue)四、中间编辑区(form_render_drag.vue)五、Pinia Store 核心方法(edit


分链路差异化设计的DSP准实时数仓|钛动科技基于阿里云实时计算 Flink 版 + DLF Paimon + EMR Serverless StarRocks 的实践
阿里云大数据AI技术2026/8/4

作者:赵阳,钛动科技 DSP 大数据架构团队 在 DSP 广告业务中,数据链路需要同时支撑在线投放、计费、Ad-hoc 分析和 BI 报表等多类场景。不同场景对数据新鲜度、查询延迟、回刷能力和存储成本的要求差异很大。如果继续用一套统一链路承载所有数据,系统很容易在成本、性能和稳定性之间相互牵制。 钛动科技 DSP 广告链路的核心数据流可以概括为:Request、Response、Impression、Click 和 Postback。随着业务规模增长,原有架构逐渐暴露出三个问题:数据规模持续扩


Java Undertow 实战指南:从轻量 Web Server 到 Spring Boot 嵌入式容器
唐青枫2026/7/27

简介 Undertow 是一个轻量级 Java Web Server。 它可以直接嵌入到 Java 代码里运行,也可以作为 Servlet 容器使用,还曾经是 WildFly 的默认 Web Server。 简单理解: Undertow = 轻量 HTTP Server + Servlet 容器 + WebSocket 支持 它和 Tomcat、Jetty 一样,都可以承载 Java Web 应用。 但 Undertow 的风格更偏底层、更偏嵌入式:一个 HTTP 服务可以由几个 Handle


Kimi k3是真碉,但太不经用,也有拉跨点!
甲维斯2026/7/19

K3 已测,确实强,但要命的是配额太少了! 一天不到,一周的配额已经烧完了,大概就生成了 5 个测试页面! 从五个例子中,可以知道,有些确实很强,有些呢又差点意思,有些比较糟糕。 我不是那种收钱办事儿只会吹牛逼的博主,我也不会针对 Kimi 只说它的缺点。我会依次给大家展现测试结果,同时和其它国产模型,和国外的 GPT 5.6 和 Fable 5 做一个对比,尤其是 Fable 5! 下面我就一点一点来说,看完这篇文章大家应该对K3有一个相对全面的解了。 这篇文章,我要先从这张图片说起:


【中阶·安全】大模型逆向攻击与数据隐私保护深度解析:从模型反演到差分隐私防御的全链路实战
AI智能专家2026/7/10

【中阶·安全】大模型逆向攻击与数据隐私保护深度解析:从模型反演到差分隐私防御的全链路实战 专栏:《AI 工程与安全深度实战》· 第6轮·第2篇 前言 核心痛点:大模型不仅记住了训练数据中的知识——在某些条件下,攻击者可以通过模型输出反推出训练数据中的敏感信息(个人身份、医疗记录、专有代码),这对模型发布方的隐私合规和用户信任构成根本性挑战 适配人群:AI 安全工程师、隐私合规负责人、对模型隐私保护有深度学习需求的 ML 工程师和安全研究员 收获能力:读

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读