随着云计算、大数据的发展，python也越来越受欢迎，她在数据分析、机器学习方面有自己独特的优势，就是简单。截止目前，从TIOBE上看，Python的排名是第四，也是这些年发展最快的开发语言。下面简单的看一下Python的历史。
Python的创始人为荷兰人吉多·范罗苏姆（Guido van Rossum）。1989年圣诞节期间，在阿姆斯特丹，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序。
1991年，第一个Python编译器诞生。它是用C语言实现的，很多语法来自C，能够调用C语言的库文件，并已经具有了:类，函数，异常处理，包含表和词典在内的核心数据类型，以及模块为基础的拓展系统。Python语言以对象为核心组织代码，支持多种编程范式，采用动态类型，自动进行内存回收。Python支持解释运行，并能调用C库进行拓展。Python有强大的标准库。由于标准库的体系已经稳定，所以Python的生态系统开始拓展到第三方包。
从Python 2.0开始，Python也从maillist的开发方式，转为完全开源的开发方式。
Python 2于2000年10月16日发布，稳定版本是Python 2.7。也是Python 2.x的最后一个版本，它除了支持Python 2.x语法外，还支持部分Python 3.1语法。
Python 3于2008年12月3日发布，不完全兼容Python 2。不过，很多新特性后来也被移植到旧的Python 2.6/2.7版本。
Python2和Python3的区别请参考下文
https://nbviewer.jupyter.org/github/rasbt/python_reference/blob/master/tutorials/key_differences_between_python_2_and_3.ipynb
http://chenqx.github.io/2014/11/10/Key-differences-between-Python-2-7-x-and-Python-3-x/
Python解释器
CPython：官方版本的解释器。这个解释器是用C语言开发的，所以叫CPython。CPython是使用最广的Python解释器。我们通常说的、下载的、讨论的、使用的都是这个解释器。
Ipython：基于CPython之上的一个交互式解释器，在交互方式上有所增强，执行Python代码的功能和CPython是完全一样的。CPython用>>>作为提示符，而IPython用In [序号]:作为提示符。
PyPy：一个追求执行速度的Python解释器。采用JIT技术，对Python代码进行动态编译，可以显著提高Python代码的执行速度。绝大部分CPython代码都可以在PyPy下运行，但还是有一些不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。
Jython：运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。
IronPython：和Jython类似，IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。
Python的使用场景
科学计算
NumPy,SciPy,Matplotlib可以让Python程序员编写科学计算程序
桌面软件
PyQt、PySide、wxPython、PyGtk是Python快速开发桌面应用程序的利器
服务器/网络软件
Python对于各种网络协议的支持很完善，因此经常被用于编写服务器软件、网络爬虫。第三方库Twisted支持异步在线编写程序和多数标准的网络协议（包含客户端和服务器），并且提供了多种工具，被广泛用于编写高性能的服务器软件。另有gevent这个流行的第三方库，同样能够支持高性能高并发的网络开发。
Web应用开发
Python经常被用于Web开发。比如，通过mod_wsgi模块，Apache可以运行用Python编写的Web程序。使用Python语言编写的Gunicorn作为Web服务器，也能够运行Python语言编写的Web程序。Python定义了WSGI标准应用接口来协调Http服务器与基于Python的Web程序之间的沟通。一些Web框架，如Django、Pyramid、TurboGears、Tornado、web2py、Zope、Flask等，可以让程序员轻松地开发和管理复杂的Web程序。
下载使用Python
https://www.python.org/downloads/
Python包管理工具
pip是Python包管理工具，该工具提供了对Python 包的查找、下载、安装、卸载等功能。如果你在python.org下载最新版本的安装包，已经包含了该工具。注：Python 2.7.9+或Python 3.4+以上版本都自带pip 工具，一般情况pip对应的是 Python 2.7，pip3 对应的是Python 3.x。
pip下载地址
https://pypi.org/project/pip/
如果还没有pip，可以通过下面的链接安装
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
注意：用哪个版本的Python运行安装脚本，pip就会被关联到那个版本，如果是Python3则执行以下命令：
python2 get-pip.py
python3 get-pip.py
pip常用命令
pip --versionpip --help
pip install -U pip
pip show
pip show -f
pip list
pip list -o
wxPython是一个用于Python编程语言的跨平台GUI工具包。 它允许Python程序员简单轻松地创建具有强大，高功能的图形用户界面的程序。 它被实现为一组Python扩展模块，它们包含流行的wxWidgets跨平台库的GUI组件，该库是用C ++编写的。在Windows and macOS上，可以通过pip install -U wxPython去安装pip install -U wxPython
Numpy，SciPy，Pandas，Matplotlib是我们使用Python从事数据科学工作时都不可或缺：
Numpy：为多维数组和矩阵添加Python支持，并提供高级的数学函数来运算这些数组，是数据分析之源
SciPy：在Numpy之上汇集了一系列的数学算法和便捷的函数，向开发者提供用于数据操作与可视化的高级命令和类，是构建交互式Python会话的强大工具
Pandas：数据操作和分析的Python库，用于处理数字图表和时序数据的数据结构和操作功能，是数据操作的利器
Matplotlib：Python中常用的绘图库，用于可视化分析，在它的基础上又衍生了更为高级的绘图库Seaborn
关于机器学习请参考
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-science-pdf-f22dc900d2d7
https://zh.wikipedia.org/wiki/Python
https://en.wikipedia.org/wiki/History_of_Python
https://en.wikipedia.org/wiki/Python_(programming_language)
https://pip.pypa.io/en/stable/installing/
https://www.tiobe.com/tiobe-index/
http://scipy-lectures.org/
https://www.lfd.uci.edu/~gohlke/pythonlibs/
https://pandas.pydata.org/pandas-docs/stable/index.html
https://github.com/cloudxlab
https://becominghuman.ai/cheat-sheets-for-ai-neural-networks-machine-learning-deep-learning-big-data-science-pdf-f22dc900d2d7
https://fabienmaussion.info/scientific_programming/html/16-Scientific-Python.html
https://speakerd.s3.amazonaws.com/presentations/87e03729ebb640f9b990ff079bc49651/SciPy_Keynote.pdf
https://indranilsinharoy.com/2013/01/06/python-for-scientific-computing-a-collection-of-resources/
http://chris35wills.github.io/courses/pydata_stack/
