Python初学者应该了解的知识
1. 前言
欢迎来到“Python进阶”专栏！来到这里的每一位同学，应该大致上学习了很多 Python 的基础知识，正在努力成长的过程中。在此期间，一定遇到了很多的困惑，对未来的学习方向感到迷茫。我非常理解你们所面临的处境。我从2007年开始接触 python 这门编程语言，从2009年开始单一使用 python 应对所有的开发工作，直至今天。回顾自己的学习过程，也曾经遇到过无数的困难，也曾经迷茫过、困惑过。开办这个专栏，正是为了帮助像我当年一样困惑的 Python 初学者走出困境、快速成长。希望我的经验能真正帮到你们。
当下是一个喧嚣、浮躁的时代。我们总是被生活中大量涌现的热点所吸引，几乎没有深度阅读和思考的时间和机会。我始终认为，学习是需要沉下心来慢慢钻研的，是长期的；同时，学习不应该被赋予太多的功利色彩。一个Python 程序员的成长路线图应该是这样子的：基础语法–>语感训练–>课题练习–>分方向继续学习–>中级程序员–>拓展深度和广度–>高级程序员。
然而，很多新手的学习路线图却是这样子的：学完基础语法之后，不了解 http 协议和 Ajax 异步请求，就兴冲冲研究爬虫去了；或者，学完基础语法，就去搞视觉识别，连 OpenCV 的数据结构都看不懂；甚至，学完基础语法就直接研究神经网络，结果是重演了一遍从入门到放弃。
我给初学者的建议就是，不急于求成，不好高骛远，一步一步，稳扎稳打，功到自然成。不急于求成，可以避免走弯路，非但不会延缓你成长的速度，反倒会节省你的时间。不好高骛远，达成一个目标，再制定下一个目标，在连续的成功和进步中，建立起自信心，激发出更强的学习兴趣。
Now is better than never,
Although never is often better than *right* now.
这是Python之禅中的一句，翻译过来的意思是，做也许好过不做，但不假思索就动手还不如不做。的确，在开始学习 Python 之前，你需要了解的一些背景，做出一些选择，并在你的计算机上做好准备工作。
Python 是龟叔的独生子，但他有很多堂兄弟，比较有名的也有好几位。如果你不确定哪个对你更友好，我建议你选择嫡传的 Python——即便你将来需要和他的其他堂兄弟打交道，那也是熟门熟路。不建议初学者选择AnacondaPython 和 ActivePython，在我看来他们提供的便利不如给用户学习带来的麻烦多。
Cpython
CPython 属于 Python 参考实现方案，可算是所有其他 Python 衍生发行版的一套标准化版本。CPython 利用 C 语言编写而成，而其编写者包含多位 Python 语言顶级决策层中的核心人员。CPython 在优化方面表现得最为保守。当然，这并不是缺点，而是设计取向。Python 的维护者们希望将 CPython 打造为 Python 最具广泛兼容性与标准化的实现方案。CPython 最适合对 Python 标准的兼容性与一致性要求较高的用户。此外，CPython 同样适用于希望以最基本方式使用 Python并愿意为此放弃某些便捷性的专业人士。
Anaconda Python
Anaconda 源自 Anaconda 公司之手(原名为 Continuum Analytics)，其设计目标在于服务那些需要由商业供应商提供支持且具备企业支持服务的 Python 开发者。Anaconda Python 的主要用例包括数学、统计学、工程、数据分析、机器学习以及其他相关应用。Anaconda 捆绑有 Python 商业与科学使用场景当中的各类常用库——包括 SciPy、NumPy 以及 Numba 等等，同时通过一套定制化软件包管理系统提供更多库访问能力。
ActivePython
与Anaconda类似，ActivePython同样由营利性企业创建及维护——ActiveState公司。该公司还在销售多种语言运行时以及多语言Komodo IDE。ActivePython主要面向企业用户与数据科学家——即希望使用Python语言，但又不愿把大量精力浪费在Python的组装与管理方面。ActivePython使用Python中的常规pip软件包管理器，但同时亦以认证压缩包的形式提供数百套通用库，外加英特尔数学核心库等其他一些具有第三方依赖关系的公共库。
PyPy
PyPy 属于CPython解释器的替代品，其利用即时(JIT)编译以加速Python程序的执行。根据实际执行的任务情况，其性能提升可能非常显著。人们对于Python——特别是CPython的抱怨之声，主要围绕其速度表现展开。在默认情况下，Python的运行速度远不及C语言——差距甚至可能达到数百倍。PyPy JIT将Python代码编译为机器语言，从而带来平均7.7倍于CPython的运行速度。在某些特定任务中，其提速效果能够达到50倍。
Jython
JVM(Java虚拟机)能够作为除Java之外的多种语言的运行时选项。这份长的名单包括Groovy、Scala、Clojure、Kotlin、Python以及——没错，当然还有Jython 。Jython最大的弊端在于其仅支持Python的2.x版本。目前对Python 3.x版本的支持能力尚在开发当中，但仍需要相当一段时间。当下，还没有任何相关版本放出。
IronPython
类似于Jython的JVM上Python实现方案定位，IronPython属于一套立足.Net运行时——或者CLR(公共语言运行时)——的Python实现方案。IronPython利用CLR的DLR(动态语言运行时)以允许Python程序以等同于CPython的动态水平实现运行。与Jython类似，IronPython目前只支持Python 2.x版本。不过IronPython 3.x实现方案已经处于紧锣密鼓的开发当中。
从 Python 官网下载时，请注意选择正确的版本。如果是用于学习，下载最新版没有问题，如果是用于生产，则要考虑你开发需要的第三方模块是否支持最新版的 Python。安装时不要忘记勾选最下面的两个复选框，否则会给后续的模块安装带来一些麻烦。
