茶年 · 中文维基百科

Python

Wikipedia · 2026-07-23 维基百科 👁 3 阅读

Python（；），是一种广泛使用的解释型、高级和通用的编程语言。Python支持多种编程范型，包括结构化、过程式、反射式、面向对象和函数式编程。它拥有动态类型系统和垃圾回收功能，能够自动管理内存使用，并且其本身拥有一个巨大而广泛的标准库。它的语言结构以及面向对象的方法，旨在帮助程序员为小型的和大型的项目编写逻辑清晰的代码。

吉多·范罗苏姆于1980年代后期开始研发Python，作为ABC语言的后继者，它也可以被视为采用了叫做的中缀表示法的一种LISP方言。吉多·范罗苏姆于1991年首次发布 Python 0.9.0。Python 2.0于2000 年发布并引入了新功能。Python 3.0于2008年发布，它是该语言的主要修订版，并非完全向后兼容。Python 2于2020年随2.7.18版停止支持。

Python的设计哲学，强调代码的可读性和简洁的语法，尤其是使用空格缩进来划分代码块。相比於C语言或Java，Python让开发者能够用更少的代码表达想法。

Python解释器本身几乎可以在所有的操作系统中运行，它的官方直譯器CPython是用C语言编写的。Python是一個由社群驱动的自由软件，目前由Python软件基金会管理。Python是最受欢迎的编程语言之一。1989年的聖誕節期間，他決心開發一個新的腳本解釋程式，作為ABC語言的後繼者，并且用它替代Unix shell和C语言来进行系统管理之间的交互操作并进行例外處理。他是BBC電視劇《Monty Python的飛行馬戲團》的爱好者，所以选取了Python作为这个编程语言的名字。范羅蘇姆作为Python的主要開發者，独自担负这个项目的发展决策者职责，直到2018年7月12日，他宣布从終身仁慈獨裁者（BDFL）的职位上“永久休假”。他参与了2019年第一届领导项目发展的五人掌控委员会。

在1991年2月，范羅蘇姆在Usenet新闻组alt.sources上发布了标记为版本0.9.0的最初代码，这时就已经存在了带继承的类、例外處理、函数和核心类型list、dict、str等。在这个最初发行中就有了从Modula-3引进的模块系统，和例外處理机制，其主要新特征是由Amrit Prem提供的函数式编程工具lambda、map、filter和reduce。受Modula-3启发，版本1.1介入了参数缺省值，版本1.3介入了关键字参数。版本1.4介入了对复数的内建支持。

在2000年10月，Python 2.0發布，它从函数式编程语言Haskell中引进了列表推导式。版本2.1支持了静态嵌套作用域。版本2.2进行了重大革新，将Python中用C语言写成的类型，和用Python语言写成的类，统一成在同一个层级中，使得Python的对象模型成为纯粹而一致的对象模型；还介入了迭代器，受CLU和Icon启发的生成器，和描述器协议。版本2.3介入了从Dylan引进的方法决定次序。版本2.5在官方实现中介入了抽象语法树。

在2008年12月，Python 3.0發布，它对语言做了较大修订而不能完全后向兼容，尽管提供了进行自动转换的2to3实用工具，仍有大量现存代码不能移植，故而版本2.7的产品寿命结束延期至2020年元旦。版本3.4介入了异步I/O模块。版本3.5介入了类型提示，和采用async/await语法的协程。版本3.8介入了赋值表达式。

在2020年10月，版本3.9介入了内建的针对容器类的泛化别名（types.GenericAlias）类型，并在官方实现中介入了新的语法解析器。版本3.10介入了从Haskell和OCaml等借鉴来的结构式模式匹配，和内建的联合类型（types.UnionType）。版本3.11对官方实现进行了优化提速。版本3.12介入了类型参数语法，并废弃或移除了一些过时的模块和功能。

在2024年10月，版本3.13介入了从PyPy引进的新交互式解释器，实验性的支持了即时编译器和自由线程。版本3.14正式支持了自由线程的官方实现构建选项，并增加了使用尾调用的官方实现新类型的解释器。版本3.15介入了对模块的显式惰性导入。

目前每个版本首次发行后，享有2年的完全支持，随后是3年的安全支持。当前只有Python 3的稳定版本3.13与3.14正在被完全支持，但仍提供对版本3.10、3.11和3.12的安全性修正。

自从2003年，Python始终排行于前十最流行编程语言，在2021年10月它首次达到了第一名最流行语言（居于C和Java之前），并被选为2007年、2010年、2018年、2020年、2021年和2024年的年度编程语言。

在2025年12月，活跃的Python核心开发者，选举Pablo Galindo Salgado、Savannah Ostrowski、Barry Warsaw、Donghee Na和Thomas Wouters，为2026年度掌控委员会的五位成员来领导这个项目。

特徵與設計哲學
Python是多范型编程语言。它完全支持结构化编程和面向对象编程，还有很多特征支持函数式编程和元编程比如元对象协议（元类和魔术方法、契约式设计和逻辑编程。

Python使用动态类型，在内存管理上采用的垃圾回收器基于了引用计数，并且结合了检测环引用的分代垃圾回收优化。它的特征还有动态名字解析（），即在程序执行期间绑定方法和变量的名字。

Python對遵循LISP傳統的函数式编程提供了有限的支持，它提供了 map、filter和reduce函数；列表推导式、字典推导式、推导式和生成器表达式。標準庫中的模組functools和itertools，实现了从Haskell和Standard ML借鉴来的函數式工具。

Python的設計理念是“優雅”、“明確”、“簡單”，它的一些重要準則被合稱為「Python之禅」。在Python解釋器内運行import this可以獲得完整的列表，下面举出其中首要：

*優美优于丑陋。明瞭优于隐晦。
*简单优于复杂。复杂优于凌乱。
*扁平优于嵌套。稀疏优于稠密。
*可读性很重要。

Python開發者的方法论是“用一種方法，最好是只有一種方法來做一件事”，显著不同于以Perl语言为代表的“不止一种方法去做一件事”風格。Python開發者在設計語言時，如果面臨多種選擇，一般會選擇明確没有或者很少有歧義的語法。

范羅蘇姆将Python本身設計為可擴充的，並不把所有的特性和功能都集成到語言核心，而是提供了豐富的API和工具，以便程式設計師能够輕鬆地使用Python、C语言、Cython來編寫擴充模組。Python还可以通过如标准库中的ctypes等，来提供C语言兼容数据类型，并访问动态链接库或共享库中的函数，从而对用其他語言編寫的程式進行集成和封裝。

在Python的官方解释器实现CPython中，一般避開不成熟的或者對非重要部位的加快運行速度的優化。在某些對運行速度要求很高的情況，可以使用具备即時編譯技术的解释器。

語法和语义
Python為了讓程式碼具備高度的可閱讀性，在設計時盡量使用了其它語言常用的符號和英文單字。

行结构
Python程序在词法分析上被分成若干逻辑行。简单语句包含在一个单一的逻辑行之内，Python支持使用分号作为分隔符，将多个简单语句合并入一个逻辑行之中。

注释开始于并非一部份的一个井号#，并结束于物理行结尾；注释标示逻辑行的结束，除非已受制于隐式行接续规则；注释在语法上被忽略。

Python支持使用反斜杠作为行接续符，将多个物理行合成为一个逻辑行。在圆括号、方括号或花括号之中的表达式，可以分裂跨越多于一个物理行而不使用反斜杠，这被称为“隐式行接续”。{{efn|縮排示例：

def is_even(a: int) -> bool:
"""确定数a是否是偶数."""
if a % 2 == 0:
print('偶数!')
return True
print('奇数!')
return False

参数比后续部份多一层缩进

def long_function_name(
var_one, var_two, var_three,
var_four):
# 可选的圆括号内后续行多一层缩进
if (this_is_first_thing
and that_is_second_thing):
do_something()
# 可选的圆括号内后续行不额外缩进
elif (this_is_third_thing and
that_is_fourth_thing):
do_something_different()

参数相对行首缩进一层

spam = long_function_name(
arg_one, arg_two,
arg_three, arg_four)

参数按开括号界定垂直对齐

eggs = long_function_name(arg_one, arg_two,
arg_three, arg_four)

可选的闭括号位置

my_list = [
1, 2, 3,
4, 5, 6,
]

可选的闭括号位置

my_set = {
1, 2, 3,
4, 5, 6,
}
}}

根據PEP 8的規定，使用4個空格來表示每級縮排。
缩排层级的变迁，被用来生成语法解析器才能见到的INDENT和DEDENT记号，增加縮排就生成INDENT记号，減少縮排就生成DEDENT记号。二者的作用相当于C语言家族的花括号，或Pascal语言家族的关键字begin和end。

关键字
Python有如下35个关键字；它们不能用作标识符：

内建常量True、False和None于Python版本3.0中成为关键字，关键字nonlocal介入于版本3.0，关键字async和await介入于版本3.5，并在版本3.7中成为正式关键字。

在Python中，将只在特定上下文中保留的标识符，称为“软关键字”：
*match、case和通配符_，介入于版本3.10，它们在与模式匹配语句有关的上下文中，可以在语法上充当关键字；但是这种区分只在语法解析器层次进行，并非在词法分析记号化层次。
*type，介入于版本3.12，它用于type语句。
*lazy，介入于版本3.15，它用于import语句。

标识符
标识符就是名字，在ASCII范围内（U+0001..U+007F），可用于标识符的字符为：大写字母A至Z和小写字母a至z，下划线_以及数字0至9，但首字不可以用数字。如下命名约定，是为“保留标识符类”：

  • _spam（单下划线开头）：弱“内部使用”标识。对于from M import *，将不导入所有以下划线开头的对象。
  • spam_（单下划线结尾）：为了避免与python关键字的命名冲突。
  • __spam（双下划线开头）：在命名一个类特性的时候，采用名字修饰，比如在类SpamEggs内，__spam将变成_SpamEggs__spam。
  • __spam__（双下划线开头结尾）：指那些包含在用户控制的命名空间中的“魔术”方法或特性，比如__delattr__、__dir__、__doc__、__getattribute__、__init__、__new__、__repr__、__setattr__、__sizeof__等。建议永远不要将这样的命名方式应用于自己的变量或函数。

語句
Python的语句包括简单语句：

  • 赋值语句，采用的中缀记号是等号=。赋值语句被用来将名字绑定（含重新绑定）到值，以及用来修改可变对象的特性或项目。赋值语句支持链式赋值，自从版本3.6介入了标注赋值语句。

**Python还支持增广赋值语句，将一个二元运算和一个赋值语句合并成一个单一语句，例如x += 1。
**Python支持“序列解包”：在等号左侧可以是一个表达式列表，其中每个表达式都可求值成能被赋值的东西；在等号右侧相应的是一个“可迭代”对象，它在被迭代时产生的值的数量，同于左手侧可写表达式的数量；赋值语句对这个对象进行迭代，将产生的每个值分别赋值给左侧对应的可赋值者。在等号右侧直接包装出序列解包所要求的元组，就形成了并行赋值。

  • 语句，用来交互式的计算并写出一个值，或者用来调用一个过程（即返回无含义结果的函数），在Python中过程返回值None。
  • global语句，是在整个当前代码块中成立的声明，它意味着随后列出的标识符被解释为全局变量。
  • nonlocal语句，导致随后列出的标识符，提及在除了全局作用域之外的最近包围作用域中的先前绑定变量。
  • del语句，递归的进行删除。
  • type语句，声明作为类型别名类型（typing.TypeAliasType）的实例的一个类型别名。
  • pass語句，充当无操作指令，表示此行為空，不執行任何操作。
  • assert語句，用於程式調適階段時測試執行條件是否滿足。
  • continue语句，越过这次迭代并继续进行下个项目。
  • break语句，从循环中跳出。
  • raise语句，抛出一个例外。
  • return语句，用来从函数返回值。当函数执行到return语句时，它会停止执行并将指定的值返回给调用者。
  • yield语句，用来从一个生成器中返回一个值，yield语句在语义上等价于加圆括号的yield表达式，在函数主体中使用yield表达式将导致它成为生成器函数。

**通过生成器的send()方法传入的信息，就是其中yield表达式的返回值。{{efn|下面的示例用生成器模拟协程：

def produce(n):
try:
for item in range(n):
print(f'producing item {item} ->')
yield item
except GeneratorExit:
return

def consume():
item = None
try:
while True:
item = yield item
print(f'consuming item {item}
}}
**自从版本3.3，介入了yield from语句，它在语义上等价于加圆括号的yield from表达式，含有此表达式的生成器函数将特定任务委托给另一个子生成器函数，将传入信息递送给它并直接回传它产生的值。
**自从版本3.6，在协程函数主体中使用yield表达式将导致它成为异步生成器函数。

  • import语句，导入一个模块或包，它组合了两种操作，查找指名的模块，接着将找到的结果绑定到在局部作用域中的名字。导入语句有三种形式（下述语句样本采用了EBNF，这里的方括号表示其中内容为可选的）：

**import 模块名字 [as 别名]，找到一个模块，装载它，如果有需要的话初始化它；在这个导入语句出现的作用域的局部名字空间中，定义一个名字或一些名字。
**from 模块名字 import 定义1 [as 别名1], 定义2 [as 别名2], …，找到、装载、必需时初始化一个模块；接着在局部名字空间中，增加到找到指名特性的引用。Python支持并广泛使用EAFP（请求原谅比获得许可更容易）风格的例外处理，作为检测错误状况和程序中其他“例外”事件的方式。例如：在访问一个文件或资源之时，事先不进行测试就尝试使用它，事后再捕获可能的访问失败所引发的例外。

  • with語句，把一块代码包裹在一个上下文管理器之内。它允许了RAII（对象初始化时获取资源）方式的行为，可替代常见的try/finally。Python使用with语句处理资源，例如：在执行一块代码时，事先获取一个锁，并且事后释放这个锁；或事先打开一个文件，并且事后关闭这个文件。

块与模块
在Python的执行模型中，程序构造自块（也称为代码块）。块是作为一个单元执行的Python程序文本，模块、函数主体和类定义都是块。交互式键入的每个命令、脚本文件和脚本命令都是块。传递给内建函数eval()和exec()执行的字符串是块。块在执行框架（frame）中执行。框架包含一些用于调试的管理信息，并确定在这个块执行完成后，执行在何处以及如何继续。

模块是包含Python定义和语句的一个文件，这个文件名字是模块名字附加上后缀.py；在一个模块中，模块的名字（作为字符串）可获得为全局变量__name__的值。包（package）是可以包含子模块或递归性的子包的模块。包在技术上是具有__path__特性的Python模块。可以将包视为文件系统上的目录，而将模块视为这种目录中的文件，但是包和模块不必然源自文件系统。

名字即标识符，是通用的引用持有者，它不关联于一个固定的数据类型，但是，一个名字在给定时间，总是被绑定到有一个类型的某个对象上，这就是动态类型的特征。名字的存储位置不“包含”所指示的值，一个共同的值可以赋值给多个名字，一个名字在任何时候，都可以重新绑定到各种不同类型的对象上，包括字符串、过程、具有数据和方法的复杂对象等。

如果一个名字绑定在一个块中，它是这个块的局部变量，除非被声明为nonlocal或global。如果一个名字绑定在模块层次，它是全局变量。模块对应的块的变量，既是局部的也是全局的。如果一个变量使用在一个块中，却不定义在这里，它是自由变量}}

在Python中，赋值所进行的操作，是将一个名字绑定为到一个分立的动态分配的对象的一个引用。
作用域定义一个名字在一个块中的可见性。如果一个局部变量被定义在一个块中，它的作用域包括这个块。如果这个定义出现在一个函数块中，作用域扩展到在所界定作用域内包含的任何块，除非所包含的块为这个名字介入了不同的绑定。对一个块可见的所有这种作用域的集合，叫做这个这个块的“环境”。

当一个名字在一个块之中使用，它采用最近包围作用域来解析。如果一个名字绑定在一个块中，并且在其中于绑定之前就被使用，会导致一个错误。当一个函数或类的定义被嵌套到其他函数的定义之内，它的非局部作用域就是这个包围函数的局部作用域。nonlocal语句导致其列出的标识符，提及在非局部作用域内先前绑定的名字（即）。要表示仅有单个元素的元组，需要给这个元素后缀一个逗号，例如(a,)。空的圆括号产生空元组对象。元组不是圆括号形成的，而是使用逗号形成的，在没有歧义的情况下，元组的圆括号是可选的。

*Python提供了称为展示（display）的特殊语法来构造列表、字典或，展示被归类为原子，并且有两种方式：要么其所包容的元素是显式的列举出来的，要么它们是通过叫做“推导式”的特定循环和过滤指令运算出来的。列表展示，是包围在方括号中的可以为空的一系列表达式，例如[a,b,c]。字典展示，是包围在花括号中的可能为空的一系列的用冒号:分隔的键-值对。展示，是包围在花括号中的一系列表达式。{{efn|
通过表达式列表建立元组示例：

a_tuple = 1, 2, 3, 'four'

通过列表展示建立列表示例：

a_list = [1, 2, 3, 'a dog']

通过字典展示建立字典示例：

a_dictionary = {'key 1': 'value 1', 2: 3, 4: []}

通过集合展示建立集合示例：

some_set = {0, (), False}
}}

  • Python支持列表推导式和更一般性的生成器表达式，Python 3.0增补了字典推导式和集合推导式。{{efn|

列表推导式示例：

>> [x + 3 for x in range(4)]

[3, 4, 5, 6]

使用列表推导式可以优雅的将快速排序算法表达为：

def qsort(L):
if L == []:
return []
pivot = L[0]
return (qsort([x for x in L[1:] if x = pivot]))

生成器表达式示例：

>> sum(x * x for x in range(10))

285
>>> dict((n, n*n) for n in range(5))
{0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
>>> set(n*n for n in range(5))
{0, 1, 4, 9, 16}

字典推导式示例：

>> {x: x + 3 for x in range(4)}

{0: 3, 1: 4, 2: 5, 3: 6}

集合推导式示例：

>> {x + 3 for x in range(4)}

{3, 4, 5, 6}
}}自从版本3.5，介入了在表达式列表中的“可迭代解包”，和在字典展示中的“字典解包”*。{{efn|可迭代解包和字典解包示例：

>> a = [1, 2, 3]; b = [4, 5] >> c = [*a, b] >> c

[1, 2, 3, [4, 5]]
>>> d = {a, b}
>>> d
{1, 2, 3, 4, 5}
>>> e = (a, b)
>>> e
(1, 2, 3, 4, 5)
>>> f = {'as':1, 'bs':2 }; g = {'cs':3, 'ds':4}
>>> h = {f, g}
>>> h
{'as': 1, 'bs': 2, 'cs': 3, 'ds': 4}
}}

  • Python对容器类实例，比如序列类型的列表、元组或字符串，支持形如a[索引]的下标，和形如a[开始:停止]或a[开始:停止:步长]的。此二者与函数调用和特性引用，一起被归类为表示语言中最紧密运算绑定的初等项（primary）。这里的下标索引是基于零的，负数是相对于结尾的。分片范围自从开始索引，直到但不包括停止索引，分片的第三个步长参数，允许元素被跳过和用负数指示反向。分片的每个元素都是的。分片索引可以省略，例如a[:]，这返回整个列表的一个复本。

在Python中，算术运算的加法+、减法-、乘法，与C语言和java相同的。除法和模除%的行为有所不同，在Python中有两种除法：除法/和下取整除法//。Python增加了指数算符**。自从版本3.5，介入了矩阵乘法算符@，它已经用于了NumPy库。中缀算符+、-，还可以分别表示取原数和取相反数的一元算符。

*在Python中，有如下必须用于整数的位运算：AND（与）&、OR（或）|、NOT（非）~、XOR（异或）^、右移>>、左移。

*在Python中，有如下比较运算：大于>、小于、大于等于 >=、小于等于、等于==、不等于!=，用来比较两个对象的值的大小。Python有同一性测试算符：is、is not，用来比较两个运算元是否引用了同一个对象；还有成员关系测试算符：in、not in，用于判断一个对象是否属于另外一个对象。Python允许由比较运算链接起来的布尔表达式，比如a ，它测试a ；C语言将它解析为(a ：即首先求值a 得出结果0或1，接着将此结果比较于c。

  • Python使用and、or、not表示逻辑运算与、或、非，不采用C语言和Java中所用的符号&&、||、!。
  • Python的条件表达式表示为x if c else y。意思是当c为真时，表达式的值为x，否则表达式的值为y。 在运算元的次序上不同于很多其他语言中常见的c ? x : y。
  • Python的lambda表达式是匿名函数，其函数体只能是一个表达式。
  • 自从版本3.8，介入了赋值表达式，其记号是:=。它将一个表达式赋值给一个标识符，同时还返回这个表达式的值。

Python中运算符具有优先级，下表中的运算符按照从最高（最先绑定）到最低（最后绑定）的次序列出。在相同单元格中运算符具有相同的优先级，它们从左至右结合，除了指数表达式和条件表达式从右至左结合之外：

Python为序列提供了串接算符+和倍增算符*。自从版本3.9，介入了字典归并算符|和字典更新算符|=。

Python为提供了集合论运算：并集|、交集&、相对补集-、对称差^，和子集测试、真子集测试、超集测试>=、真超集测试>。

在Python中，语句不能成为表达式的一部份，表达式比如列表推导式和字典推导式以及lambda表达式，都不能包含语句。这个限制的一个示例：赋值语句比如a = 1，不能用作条件语句的条件判断表达式的一部份；这能够避免C语言编程中的一个常见错误，即在条件判断时把等于算符==误写为赋值算符=，这不是预期代码却在语法上有效而能通过C语言编译器检查，在Python中这会导致一个语法错误。

数值运算
Python的二元算术运算，先将两运算元转为共同类型，加法、减法、乘法、下取整除法、模除和指数运算的结果也采用此类型，举下取整除法//例子：5//2 == 2而5.0//2 == 2.0。自从Python 3.0，除法/总是产生浮点数结果，例如5/2 == 2.5。

下取整除法//的修约是朝向负无穷的，这意味着等式在n != 0条件下永远成立；很多其它编程语言比如C99，其整数除法采用截尾取整规则，不能保证这个等式永远成立。Python提供了round()内建函数，用于把一个浮点数修约成最近的整数，自从Python 3.0，为了打破平局它采用了IEEE 754的约半成偶规则，例如round(1.5) == 2 == round(2.5)。

Python的模除%运算结果余数的定义，需要确使等式在n != 0条件下永远成立；由于//采用下取整规则，%所得余数的符号同于除数，例如-5%2 == 1而5%-2 == -1。数学中的欧几里得除法，其余数总是非负数。很多其它语言的整数除法采用截尾取整规则，其模除所得余数的符号同于被除数。

Python对所有整数运算，使用任意精度算术。在decimal模块中的Decimal类，提供，具有用户可按需要而更改的缺省28个十进制有效数位精度，并有多种修约方式。在fractions模块中的Fraction类，提供任意精度的有理数。第三方库gmpy2，提供了到任意精度计算库GMP/、和MPC的接口。

除了求绝对值函数abs()列入内建函数之外，大多数数学函数，处于math和cmath模块内。前者用于实数运算，而后者用于复数运算。Python有着广泛的数学库，特别是第三方库NumPy进一步扩展了固有能力。

字符串操作
Python的文本序列类型，包括字符串str和字节序列bytes与bytearray。文本序列的文字有多种写法：

  • 短，由单引号'或双引号"界定。不同于Unix shell、Perl和受Perl影响的语言，单引号和双引号功能相同。这二种字符串都使用反斜杠\作为转义字符。
  • 长字符串文字，是开始并结束于三个单引号**或三个双引号"""的序列。它们可以跨越多行，其功能就像shell、Perl和Ruby中的here文档。

*字节总是前缀上一个b或B，它产生bytes类型的实例。它们只可以包含ASCII字符，其数值大于等于128的字节必须通过转义来表达。

  • 字符串文字或字节文字都可选的能前缀上一个r或R，这叫做。转义序列不被解释，因此在文字反斜杠常见的地方很有用，比如正则表达式和Windows风格的路径。

*Python允许多个毗邻的字符串文字或字节文字（它们以空白分界并可以使用不同的引述约定），在编译时间于语法层面上串接起来。要在运行时间串接字符串，必须使用序列串接算符+。

自从Python 3.0，字符串类str提供了方法format()，例如"spam={0} eggs={1:04d}".format("blah", 2)，它求值为'spam=blah eggs=0002'。格式化方法被推荐用来替代早先的字符串对象内建格式化算符%，它在功能上类同于C语言中的printf格式化字符串，例如"spam=%s eggs=%04d" % ("blah", 2)。

自从版本3.6，介入了，即“格式化字符串文字”或称为“f字符串”，它向字符串文字前缀上f或F，例如x="blah"; y=2; f'spam={x} eggs={y:04d}'。

类型
Python使用鸭子类型，并拥有有类型的对象，和无类型的变量名字。在编译期不检查类型约束，而宁愿在一个对象上的操作出现可能的失败，表现出这个给定对象不具有适合的类型。尽管是动态类型系统，Python却是强类型的，禁止没有明确定义的操作，比如将一个数和一个字符串相加，而不是默默的去尝试转换使其有意义。

Python有着范围广泛的基本数据类型。同时具备常规的整数和浮点算术，它透明的支持任意精度算术、复数和。Python支持种类繁多的字符串操作。在Python中，字符串是不可变的，所以在其他编程语言中可能就地改变字符串的字符串操作，比如字符替换，在Python中返回新的字符串。

Python有一个非常有用特征，就是搜集（或称容器）类型的概念。一般的说，搜集是以一种易于引用或索引的方式，包含其他对象的对象。Python的搜集类型包括了序列、映射和集合，Python提供了广泛的搜集操纵能力，比如内建包含检查和通用迭代器协议。

列表（动态数组）、元组和字符串是序列类型。所有序列类型都有位置索引，并且除了字符串，都可以包含任意类型的对象，在同一个序列中可以包括多种类型的对象。字符串和元组是不可变的，使得它们成为字典的键的完美候选者。列表是可变的，元素可以被插入、删除、修改、添加或就地排序。

字典是无次序的映射类型，它将一组不可变的键，映射到相应的元素上。在字典中的键，必须是不可变的Python类型，比如整数或字符串，因为在底层它们是通过散列函数实现的。是无次序的类型，它包含唯一性的不可变对象作为元素。有二种类型的集合：可变的set和不可变的frozenset。

Python允许编程者使用类，定义自己的类型，自从版本3.5。缺省官方实现CPython不检查静态类型，静态类型检查器mypy，支持编译期类型检查。

除了各种数据类型，Python解释器还内建了很多其他类型，包括可调用类型：用户定义函数、实例方法、生成器函数、协程函数、异步生成器函数、内建函数、内建方法、类、类方法；模块，定制类，类实例，I/O对象（也叫做文件对象），和暴露给用户的一些内部类型：代码对象、框架对象、溯回对象、切片对象、静态方法对象、类方法对象。

函数
Python中的用户定义函数是其内建的函数类型的实例，函数的递归调用被限制了最大深度。
Python不支持函数重载即不能创建具有相同名字而有不同实现的多个函数，但自从版本3.4，其标准库可支持单一分派泛化函数。Python中的函数支持闭包和其他头等函数特征。Python官方实现不提供尾调用优化或头等续体，吉多·范罗苏姆曾声称他不会对其加以支持，有第三方函数式编程库支持。

Python的修饰器（decorator）可用来修改任何可调用对象，其用法是将已定义的对象比如函数、方法或类定义传递给修饰器，再将它所返回的修改后的对象绑定到原来对象的名字。Python使用@作为关键字形成修饰符，它是用来应用修饰器的语法糖。
通过在毗连的行上放置多个修饰符，多个修饰器可以链接起来应用。{{efn|修饰器工厂示例，这里的favourite_colour接受一个实际参数，并返回一个修饰器：

def favourite_colour(colour):
def decorator(func):
def wrapper(args, *kwargs):
print(f"My favourite colour is {colour}.")
func(args, *kwargs)
return wrapper
return decorator

def invincible(func):
def wrapper(args, *kwargs):
print("I'm invincible!")
func(args, *kwargs)
return wrapper

使用毗连的修饰符链接修饰器示例：

@invincible
@favourite_colour("blue")
def black_knight():
print("None shall pass.")

它等价于：

black_knight = invincible(favourite_colour("blue")(black_knight))

()结果为：

>> black_knight()

I'm invincible!
My favourite colour is blue.
None shall pass.
}}
修饰器可用于元编程例如：设置先决条件和后置条件，还可以用来实现记忆化和可作为主编程范型的多分派。

在Python中，函数调用的实际参数与函数定义的形式参数之间的结合，所传递的是“对象引用”，函数在被调用之时，所给予的实际参数被介入到一个局部符号表中，实际参数使用传值调用来传递，而这个值总是对象引用，并非这个对象的值。如果形式参数绑定到一个可变对象，则通过形式参数对此对象内容的修改，在函数外也是可见的。如果形式参数绑定到一个不可变对象，则通过形式参数不能修改此对象内容，但可以把形式参数重新绑定到其它对象上，这并不影响函数外的对象的值。

Python在函数定义时，可以在形式参数序列中，以形式参数=值的样式指定形式参数缺省值。在函数调用时可以省略有缺省值的形式参数，这时这个缺省值就被代入到它的位置中。在这个函数定义被执行之时，从左至右的求值作为形式参数的缺省值的这些表达式。这意味着这种表达式在这个函数被定义之后只被求值一次，而每次函数调用之时都使用相同的“预先计算”的值。

Python在函数调用中，可以给予位置实际参数和关键字实际参数。实际参数可以如同C语言那样，按照位置与函数定义的形式参数匹配；也可以采用关键字实际参数，即形式参数=值样式的实际参数。Python在函数定义中，可以使用不对应实际参数的特殊形式参数/和，将形式参数序列分为三部份：唯位置形式参数、可位置可关键字形式参数和唯关键字形式参数。如果一个形式参数有缺省值，则在其后直到之前的所有形式参数也都必须有缺省值。{{efn|函数的形式参数缺省值的定义示例：

>> from inspect import getfullargspec >> def func(p1, /, p2, p3="x", *, p4): pass

...
>>> getfullargspec(func)
FullArgSpec(args=['p1', 'p2', 'p3'], varargs=None, varkw=None, defaults=('x',), kwonlyargs=['p4'], kwonlydefaults=None, annotations={})
}}

在函数定义中的位置形式参数序列和关键字形式参数序列，可以分别在其末尾有args或kwargs这样的加了前缀或*的形式参数，它们捕获在函数调用时提供的，超出形式参数序列规定而无所对应的多个实际参数；在形式参数args前加号，则args是元组类型，它捕获可变数目的位置实际参数；在形式参数kwargs前加**号，则kwargs是字典类型，它捕获可变数目的关键字实际参数。{{efn|函数的可变参数的定义示例：

>> from inspect import getfullargspec >> def func(p1, /, p2, args, p3, *kwargs): pass

...
>>> getfullargspec(func)
FullArgSpec(args=['p1', 'p2'], varargs='args', varkw='kwargs', defaults=None, kwonlyargs=['p3'], kwonlydefaults=None, annotations={})

}}

在函数调用的实际参数序列中，关键字实际参数必须出现在位置实际参数之后。如果要传递给一个函数的一些位置实际参数，已经在一个序列类型如列表或元组的对象中，则可以在函数调用中给它前缀来进行可迭代解包；如果要传递的一些关键字实际参数已经在字典对象中，则可以给它加*号来进行字典解包。

在函数定义头部之后可以插入“文档字符串”，用作函数的使用帮助，它可以使用内置函数help()打印出来。自从Python 3.0，函数定义可以对形式参数与返回值增加类型标注。自从版本3.5，开始支持类型提示。

对象
在Python中所有东西都是对象，包括数、函数、类和模块，其标准库支持对对象的弱引用。Python允许多态性，采用了鸭子类型方式，就是说针对变量的方法调用和特性（attribute）访问，不事先限制这个的变量的类型，它可被绑定到任何对象。Python的类继承支持多重继承，这可以用来实现混入。Python支持元类，还支持抽象基类，自从版本3.6，提供了定制化类创建的简单机制。

对象的方法，是附属于这个对象的类的函数。对于正常的方法和函数，语法实例.方法(实际参数)，是类.方法(实例, 实际参数)的语法糖。Python不提供其他一些面向对象编程语言比如C++和Java中的隐式的关键字，Python的对象方法沿袭自Modula-3，使用显式的第一个形式参数来访问实例特性，习惯上将其命名为。{{efn|对象的方法示例：

>> class Fish(object):

... hungry = True
... def eat(self, food=None):
... if food is not None:
... self.hungry = False
...
... def status(self):
... print("Hungray!" if self.hungry else "Not hungray!")
...
>>> e = Fish()
>>> Fish.hungry = False
>>> e.hungry
False
>>> Fish.hungry = True
>>> e.hungry
True
>>> e.__dict__
{}
>>> status(e)
Hungray!
>>> Fish.status = status
>>> type(Fish.status)

>> type(e.status)
>> e.status()

Hungray!
>>> e.eat("earthworm")
>>> e.__dict__
{'hungry': False}
>>> e.status()
Not hungray!
>>> Fish.hungry
True
}}

Python不提供隐式的super关键字而是提供了super()内建函数，在一个类的方法中调用此函数返回一个代理（proxy）对象，它为了在类层级内这个类所有基类中查找实现了特定方法的基类，确定了优先次序即方法决定次序（MRO），次序居前的基类优先于位居其后的它的父辈类或平辈类。当一个子类的方法覆盖了其超类方法的时候，可通过调用super().方法，将这个方法调用委托给与子类的self.方法同名的超类方法。{{efn|类方法__init_subclass__和在子类中用内建函数super()调用超类的实例方法和类方法的例子：

>> class Thought(object):

... __cls_descr = "Thought类型"
... @classmethod
... def descript(cls):
... return cls.__cls_descr
... def __init_subclass__(cls, /, **kwargs):
... super().__init_subclass__(**kwargs)
... cls.__cls_descr = "Thought类型的子类型"
... def __init__(self, args, *kwargs):
... self.idea = "我感觉自己斜停在了平行宇宙里。"
... print(f"我是{type(self).descript()}的新对象！")
... def message(self, *args):
... print("\n".join([self.idea] + [*args]))
...
... class Advice(Thought):
... @classmethod
... def descript(cls):
... return super().descript() + "Advice类型"
... def message(self):
... super().message("警告：日历中的日期比实际显示的更近！")
...
>>> t = Thought()
我是Thought类型的新对象！
>>> t.message()
我感觉自己斜停在了平行宇宙里。
>>> a = Advice()
我是Thought类型的子类型Advice类型的新对象！
>>> a.message()
我感觉自己斜停在了平行宇宙里。
警告：日历中的日期比实际显示的更近！
>>> super(Advice, a).message()
我感觉自己斜停在了平行宇宙里。
>>> Advice.super = super(Advice)
>>> a.super.message()
我感觉自己斜停在了平行宇宙里。
>>> [*super.__dict__]
['__new__', '__repr__', '__getattribute__', '__get__', '__init__', '__thisclass__', '__self__', '__self_class__', '__doc__']
>>> super(Advice).__thisclass__

>> assert super(Advice).__self__ is None >> assert super(Advice).__self_class__ is None >> super(Advice, a).__self__
>> super(Advice, a).__self_class__
>> super(Thought, Advice).__thisclass__
>> super(Thought, Advice).__self__
>> super(Thought, Advice).__self_class__

}}

Python使用名字修饰，有限的支持私有变量，某些特殊方法可以实现运算符重载，比如定义了__add__()，将会允许在这个类的实例上使用+算符。

在Python中，最常用的特殊方法是实例初始化方法__init__()，它在实例创建之后返回给调用者之前被调用，给它的实际参数就是传递给对象构造器表达式的那些实际参数。自从版本3.7，Python标准库提供了@dataclass修饰符，用来向用户定义类自动增加特殊方法比如__init__()和__repr__()。

在Python中，不强制采用访问子与变异子方法，来访问对象的数据成员。对象的特殊特性__dict__，是存储其所有（可写）特性的字典。在一个类中的类变量__slots__，可以被赋值为变量名字序列，它为所声明的这些变量在类实例对象中保留空间，并阻止其自动建立__dict__。

在Python中，定义了一个或多个特殊方法__get__()、__set__()、__delete__()的类，可以用作描述器（descriptor）。Python使用@classmethod和@staticmethod修饰符，来分别建立类方法和静态方法。{{efn|在类中调用property()的例子：

>> class C():

... def __init__(self, args, *kwargs):
... self.__x = None
... def getx(self):
... return self.__x
... def setx(self, value):
... self.__x = value
... def delx(self):
... del self.__x
... x = property(getx, setx, delx, "I'm the 'x' property.")
... del getx, setx, delx
...
>>> c = C()
>>> vars(c)
{'_C__x': None}
>>> {*C.__dict__}
{'__init__', '__static_attributes__', 'x', '__weakref__', '__module__', '__doc__', '__firstlineno__', '__dict__'}

上述代码可以采用修饰符进一步的书写为：

>> class C():

... def __init__(self, args, *kwargs):
... self.__x = None
... @property
... def x(self):
... """I'm the 'x' property."""
... return self.__x
... @x.setter
... def x(self, value):
... self.__x = value
... @x.deleter
... def x(self):
... del self.__x
...
>>> c = C()
>>> vars(c)
{'_C__x': None}
>>> {*C.__dict__}
{'__init__', '__static_attributes__', 'x', '__weakref__', '__module__', '__doc__', '__firstlineno__', '__dict__'}

}}

标准库
Python拥有一个强大的标准库。Python标准库包括了如下功能：

*内建函数
*内建常量
*内建类型
*内建例外
*Python运行时服务
*定制Python解释器
*导入模块
*Python语言服务
*服务
*服务
*数据类型
*数值和数学模块
*函数式编程模块
*文件和目录访问
*数据持久化
*数据压缩和存档
*文件格式
*加密服务
*通用操作系统服务
*MS Windows专有服务
*Unix专有服务
*命令行界面库
*并发执行
*网络和进程间通信
*互联网数据处理
*标记处理工具
*互联网协议及其支持
*多媒体服务
*国际化
*程序框架
*Tk图形用户界面
*开发工具
*调试和分析
*软件打包和

程序代码实例
一個在標準輸出設備上輸出Hello World的簡單程式通常被作為開始學習程式語言時的第一個程式。可将如下代码录入纯文本文件并命名（如program01.py），然后执行这个命令python3 program01.py以執行該程序：

print("Hello, world!")

Python也可以單步直譯執行。執行Python直譯器進入互動式命令列的環境後，你可以在提示符號>>>旁輸入print("Hello, world!")，按Enter鍵輸出結果：

>> print('Hello, world!')

Hello, world!

计算非負整数的阶乘的程序代码：

n = int(input('輸入一個數，就會印出其階乘: '))
if n
注意：在Python 3.0及以上版本中，print是个函数，需要在要打印的參數前后加上圆括号；在Python 2.x版本中，print是一个关键字而可以不加圆括号。

实现
Python是一门跨平台的脚本语言，Python规定了一个Python语法规则，根据该规则可编写Python直譯器。Python属于动态语言，其官方实现CPython将Python程序编译成中间形式的字节码，并接着在它的虚拟机上执行，运行速度缓慢于C/C++所编译出的机器码和在HotSpot JVM上运行的java字节码。
;活跃开发的实现

  • CPython：官方的Python直譯器，需要区别于其他直譯器的时候才以CPython称呼。CPython默认采用全局解释器锁（GIL），以确保在任何时刻只有一个线程执行Python字节码；一些扩展模块被设计为在进行计算密集任务时释放GIL，还有在进行I/O时总是释放GIL。

*MicroPython：为微控制器而优化的Python 3变体，它实现了完整的Python 3.4语法，和补充自版本3.5的async/await关键字，以及后来版本的一些选定特征；它提供了实现Python标准库模块功能子集的内建模块，和特定于微控制器的一些模块。是开发的MicroPython分叉。

  • PyPy：采用了的Python实现，缺省支持stackless模态，它是用RPython编写的，当前支持Python版本3.11和2.7。
  • Numba：使用LLVM JIT的Python优化编译器，它将包括很多NumPy函数的聚焦数值计算的Python子集，转译成快速的机器码，它为在CPU和GPU上并行化Python代码提供了大量选项。
  • Codon：高性能且无运行时开销的Python编译器，它将Python代码编译成本机机器代码，并且支持本机多线程和GPU并行运算，还包括了特征齐全的完全编译的内建NumPy实现。它由MIT CSAIL的研究人员开发，其语义在数据类型等方面上与CPython有所不同。
  • Pyodide：基于WebAssembly/Emscripten的用于浏览器和Node.js的Python发布，支持任何在PyPI上wheel形式的纯Python包，并且已经移植了很多具有C语言扩展的包。
  • RustPython：用Rust编写的Python解释器，它可以嵌入到Rust应用程序中从而将Python用作脚本语言，还可以被编译成WebAssembly从而在浏览器中运行Python代码。
  • Brython：用JavaScript编写的在浏览器中运行的Python实现，具有到DOM元素和事件的接口。

*GraalPy：针对JVM的基于的Python高性能实现。

;转译成其他语言的编译器

  • Cython：将增加了静态类型声明的Python超集编译成C或C++的编译器。Cython补充支持调用C语言函数并且在变量和类特性上声明C语言类型，还支持以OpenMP为后端的本机多线程并行。
  • mypyc：将Python模块编译成C扩展的编译器，它使用标准的Python类型提示生成快速代码。mypyc是mypy发行的可选依赖，它使用mypy进行类型检查和类型推论，它将Python模块转译成使用CPython的libpython共享库和自己的静态C文件的C层级程序，接着将其编译成本机机器代码。

*：将纯粹但隐含为静态类型的Python有限子集代码转译成优化的C++代码的编译器，它可以生成独立程序或者能导入其他Python程序的扩展模块。

  • Pythran：将聚焦于科学计算的Python子集编译成C++11的，它依赖于Boost和xsimd库，将标注了接口描述的Python模块编译为本机共享库模块，能利用上多核和SIMD指令单元。
  • Transcrypt：用Python编写的Python 3.9到JavaScript编译器，用于在浏览器中运行Python代码，它被预先编译为高可读性且高效的JavaScript代码。
  • ：将Python编译成Verilog或VHDL。

其他实现举例：Cinder，它是Meta孵化器发布的面向性能的CPython分叉。Jython，它是用Java实现的Python 2.7。IronPython，它基於DLR之上的Python 2.7和Python 3.4实现。Stackless Python，它是实现的CPython 3.8分叉。Pyston，它是具有JIT等性能优化的CPython 3.8.12的分叉。Pyjion，将Python代码编译成本机CIL的CPython 3.10的JIT扩展。Grumpy，它是Python 2.7到Go的转译器和运行时系统。py2many，将Python转译成多种语言如C++17、Rust、Go和Julia等的转译器。

开发环境
通用文本编辑器
很多并非集成开发环境软件的文本编辑器，也对Python有不同程度的支持，并且加上专门为Python设计的编辑器插件也会有很高的可用性。

  • VS Code
  • Atom
  • Eclipse
  • emacs
  • SlickEdit
  • TextMate
  • Vim
  • Sublime Text
  • EditPlus
  • UltraEdit
  • PSPad
  • Notepad++

专用开发环境
适用于Python的集成开发环境（IDE）软件，除了标准二进制发布包所附的IDLE之外，还有许多其他选择。其中有些软件设计有语法着色、语法检查、运行调试、自动补全、智能感知等便利功能。由于Python的跨平台出身，这些软件往往也具备各种操作系统的版本或一定的移植性。

  • IDLE：Python“标准”IDE，一般随Python而安装，支持较少的编辑功能，调试功能也比较弱。
  • Eric：基于PyQt的自由的IDE，支持自动补全、智能感知、自动语法检查、工程管理、svn/mercurial集成、自动单元测试等功能，具有可扩展的插件系统，通过可选插件支持Git集成。调试功能与Visual Studio和Eclipse类似。
  • Spyder：开源的跨平台科学计算IDE。
  • PyCharm：由JetBrains公司出品，具备一般IDE的功能，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制等等，另外，它还提供了一些功能用于Django开发，还支持IronPython。它是商业软件，但也具有社区版和教育版。

第三方扩展包
Python社群提供了大量的功能覆盖众多领域的第三方模組，其使用方式与标准库类似。第三方模块可以使用Python/Cython或者C语言编写。软件工具比如SWIG，通过定义接口文件或规定文件的方式，可以将C/C++编写的程序库包装为Python模块。Python解释器本身也可以被集成到其它需要腳本語言的程式内。

Python包索引是公开的软件包在线仓库。pip是官网推荐的以安全方式安装Python应用及其依赖软件包的工具。要安装在整个操作系统范围内共享的Python包，现在需要通过操作系统的软件包管理系统。为了将特定于应用的依赖包隔离于共享的Python安装，需要创建虚拟环境，这可以使用标准库的venv，或第三方工具比如virtualenv和pipenv。

網絡编程
Python标准库對於各种網路協定的支援很完善，因此適用於編寫伺服器軟體、網路爬蟲等Web開發。Python定義了WSGI標準應用接口，来協調HTTP伺服器與基於Python的Web程式之間的溝通。比如，通過模組，Apache HTTP Server可以運行用Python編寫的Web程式。

用Python编写的一些Web框架，有助於輕鬆地開發和管理複雜的Web程式。重要的第三方库和Web框架有：

*Zope：著名的开源Web应用服务器。
*Beautiful Soup：用作HTML/XML解析器的一个简单易用Python包。
*Twisted：事件驱动的网络编程框架，它支持很多常见的网络协议并包括了很多不同用途的模块，它支持所有主要的系统事件循环和各种GUI事件循环。
*Django：MTV架构的Web框架，它注重组件的重用性和“可插拔性”、快速开发和DRY法则。
*Tornado：使用单线程事件循环的异步非阻塞式web服务器，也是轻量级的Web框架。
*Flask：微Web框架，不要求特定的工具或库。
*Requests：适合于常人使用的HTTP库，封装了许多繁琐的HTTP功能，极大地简化了HTTP请求所需要的代码量。
*aiohttp：基于asyncio的HTTP客户端和服务器二者。
*uvloop：对内建asyncio事件循环的快速的、直截了当的替代者，它用Cython实现并在底层使用了libuv。
*：用於實現基于HTTP的网络服务API的现代高性能web框架。
*PyScript：创建在浏览器内的Python应用的框架，可采用MicroPython、WebAssembly、Pyodide，和当代Web技术比如通过wgpy利用上WebGL或WebGPU。

图形用户界面
Python本身包含了Tkinter库，它是Python的业界标准GUI并被集成进入了IDLE。Tkinter基于了Tcl命令工具，能够支持简单的GUI开发。但是为了让所开发的软件运行速度更快，并与用户的桌面环境更契合，人们一般会选择采用第三方GUI库或框架。主要的第三方GUI库有：

  • PyQt：Qt的Python绑定库，由Riverbank Computing公司自从1998年发行，采用GPL许可证或商业许可证。
  • PySide：Qt的Python绑定库，由Qt公司自从2009年发行，采用LGPL许可证。
  • PyGObject：替代了PyGTK，它是为Python程序访问基于GObject的库而提供的包装库，GObject是GTK、和GStreamer等库使用的对象系统。
  • Kivy：用于开发多点触控应用软件的开源Python库，采用了自然用户界面（NUI）。
  • WxPython：GUI编程框架wxWidgets的Python包装库。
  • Gooey：将几乎所有Python 3控制台程序用一行代码转变成GUI应用。

*Dear PyGui：快速而强力的具有极小依赖性的GUI工具箱。
*pywebview：轻量级跨平台的对构件的包装器，允许在其本地GUI窗口中显示HTML内容。

数据科学
重要的数据科学用第三方软件库有：

*NumPy：Python的基础性的科学计算软件库，它提供了强力的多维阵列对象，广播式阵列运算，集成C/C++和Fortran代码的工具，较为有用的线性代数、傅里叶变换和随机数功能。
*SciPy：用于数学、科学和工程的Python软件库，它以NumPy的多维阵列作为基本数据结构，所包含的模块针对了：统计、最优化、数值积分、常微分方程求解、插值、线性代数、傅里叶变换、信号处理、图像处理等。
*：NumPy/SciPy兼容的GPU加速的阵列库，它可在NVIDIA CUDA或AMD ROCm平台上充当其直截了当的替代者，来运行现存的NumPy/SciPy代码。
*matplotlib：基于NumPy的综合性库，用于创建静态的、动画的和交互式的数据可视化。地图绘制库Cartopy提供了接口使得可以使用matplotlib来创建地图。
*pandas：用于数据分析和数据操纵的软件库，它在NumPy基础上，提供了加标签数据结构“数据帧”，和统计函数等。它的缺省绘图后端是matplotlib，还可以扩展上第三方后端。
*Modin：直截了当替代pandas并将其工作流程缩放至Ray、或通过Unidist缩放至MPI。

数据可视化
主要的数据可视化软件库及仪表板框架有：

*VisPy：高性能交互式2D/3D数据可视化库，它通过OpenGL库利用GPU的计算能力来显示非常大的数据集。
*Datoviz：通过Vulkan库利用GPU的用于数据可视化的高性能渲染库。
*seaborn：基于matplotlib的数据可视化库，它提供了绘制统计图形的高层接口。
*Vega-Altair：基於Vega-Lite JSON规定設計的声明式统计可视化库。

  • Bokeh：针对现代Web浏览器的交互式数据可视化库，它在大型或的数据集上提供高效的交互性。

*plotly：交互式开源的基于浏览器的图形绘制库，它是基於plotly.js實現的声明式图表库。
*Dash：数据应用和仪表板框架，它可将现代用户界面元素如下拉选单、和图形，直接连结至分析型Python代码，它由公司出品，基于了React、Flask和plotly.js。
*Panel：和Web应用框架，它能无缝的集成于PyData生态系统，提供交互式数据表格和可视化等功能，它可用在Pyodide和PyScript之中。Panel是HoloViz生态系统的成员，这个工具组还包括了：hvPlot、HoloViews、GeoViews、Datashader、Lumen、Param和Colorcet。
*Streamlit：迅速将Python脚本转变为Web应用的框架，所生成的应用可共享于Streamlit社区云平台。
*Voilà：将Jupyter Notebook转变为独立的Web应用的框架。

机器学习
基础性的机器学习软件库及框架有：

*scikit-learn：机器学习软件库，它提供的功能包括：监督学习中的分类和回归，无监督学习中的聚类和降维，还有模型选择和。它基于了NumPy、SciPy、数据帧库兼容层Narwhals、轻量级管道库Joblib和线程池控制库threadpoolctl，其绘图功能依赖于matplotlib，还可用到sklearn-onnx、、seaborn和plotly。
*PyMC：基于从Theano分叉出的PyTensor的概率编程库，它用于建立贝叶斯统计模型，并使用马尔可夫链蒙特卡洛（MCMC）方法进行模型拟合。
*TensorFlow：Google开发的“端到端”开源机器学习平台，它提供了Python API，其中实现了Keras API。Keras现在是在TensorFlow 2上建立的深度学习高层API。
*PyTorch：Meta在基础上开发的开源的Python软件包，提供了具有强大的GPU加速的张量计算，和建立在基于tape的自动微分系统上的深度神经网络。
*JAX：Google开发的开源机器学习框架，其核心是可任意组合的对数值纯函数的变换，它结合了修改版本的针对NumPy的自动微分库Autograd，和TensorFlow中的加速线性代数库XLA，它使用XLA来在GPU和TPU上编译和运行NumPy程序。

其它种类
*Pegen：Python的PEG文法解析器的生成器。
*llvmlite：轻量级的LLVM的Python绑定，用于编写即时编译器。
*xDSL：围绕静态单赋值（SSA）中间表示（IR）構建的Python原生的编辑器框架，它的设计受到了的影响。
*NumKong：曾名为SimSIMD，采用SIMD加速的距离、点积、矩阵、地理空间与几何运算的内核库的Python绑定，它跨越指令集架构并支持多种数值类型。
*wgpu-py：WebGPU本地实现的Python包装器。Pygfx，是基于wgpu-py的强力且多用途的渲染引擎。fastplotlib，是建立在Pygfx之上的快速绘图库。tinygrad，是可以利用wgpu-py作为加速器的深度学习框架。
*PyCUDA：不同于Nvidia的cuda-python，PyCUDA提供对CUDA API的Python风格访问。
*PyOpenCL：PyOpenCL提供对OpenCL API的Python风格访问，例如光滑粒子流体动力学框架PySPH的性能关键部份用Cython和PyOpenCL实现。
*Kompute：基于Vulkan的通用计算框架，它是高速的、支持移动设备、异步的并且针对高级GPU数据处理用例做了优化。
*：伸缩范围从笔记本电脑至计算机集群的并行计算库，它提供的用户接口镜像了PyData生态系统中pandas、scikit-learn和NumPy的API。
*Ray：对人工智能及Python应用的运行规模进行伸缩的统一框架，由Anyscale公司开发。它构成自一个核心的分布式运行时系统，和加速机器学习工作负载的AI软件库。
*SQLAlchemy：Python的SQL工具包和采用数据映射器模式的对象关系映射器（ORM）。
*Graphene：GraphQL框架，支持各种数据源如SQLAlchemy、Mongo、Django和定制Python对象等。GQL是常用来与之配合的GraphQL客户端Python库。
*：基于Python的图像处理软件库，它支持广泛的图形文件格式，分叉于已终止的PIL。
*Fabric：经由SSH远程执行shell命令的高层库，它产生有用的Python对象作为回馈。
*Prefect：现代工作流程编排框架，它易于搭建、调度和监控健壮的数据流水线。
*pygame：开发视频游戏的Python软件库，基于了SDL软件库。如视觉小说引擎Ren'Py就基於pygame。
*pyglet：Python编写的面向对象的游戏和多媒体库，利用了FFmpeg软件库并需要OpenGL 3.3+。2D街机游戏开发库Arcade基于了pyglet，它还利用了基於2D物理引擎構建的Pymunk。

  • ：开源游戏引擎，包括了图形、音频、I/O、碰撞侦测和其他与3D游戏有关的功能，使用Python作为游戏开发语言。

*SymPy：支持数学符号运算的软件库，用于提供计算机代数系统。
*SimPy：基于由Python生成器函数定义的进程的离散事件模拟框架。

应用
在很多作業系統裡，Python是標準的系统元件，它被列入了ISO/IEC 23360-1-4:2021 Linux标准规范（LSB）之语言规定。大多數Linux發行版和macOS都集成了Python，可以在终端模拟器或下直接執行Python。第三方工具pyenv可以在多个Python版本间轻易切换，pipx可以将Python应用安装于隔离的环境中并在其中运行它。

雖然Python可被粗略地分類為腳本語言，Python的支持者較喜歡稱它為一種高階動態語言，常像“胶水”一样被用来连接软件组件，已经显著的区别于Unix shell、Windows PowerShell这样的语言。基于Python的xonsh，是跨平台的、青睐Unix的shell语言和命令行界面。

应用程序
一些Linux發行版，使用Python語言編寫安裝器，比如Ubuntu的Ubiquity和Fedora的Anaconda；或使用它編寫軟件包管理系统，比如Gentoo的Portage。下面举例使用Python编写的一些应用程序：

  • IPython：以多种编程语言进行交互式计算的命令shell和Jupyter的内核，最初为Python开发，它提供了内省、富媒体、shell语法、和历史。
  • Conda：跨平台的、语言无关的二进制包管理器，它被Python的Anaconda发行版采用。
  • ：基于scikit-learn和pandas的开源机器学习和数据可视化软件，利用了PyQt6和PyQt6-WebEngine，通过广大多样的工具箱来搭建数据分析工作流程，由卢布尔雅那大学开发。
  • SageMath：涵盖许多数学功能的应用软件，基於NumPy、SciPy、matplotlib、SymPy、Maxima、、FLINT、R等开源软件包進行實現。
  • ：基于VTK的应用程序和库，用于交互式科学数据可视化和采用Python的3D绘图。
  • Pitivi：用Python开发的基于GStreamer的视频编辑软件。

Blender、Inkscape、QGIS和LibreOffice等软件将Python作为嵌入式脚本语言。

人工智能
经由Python开发了众多的人工智能模型和作为其支撑的软件库：

*Kornia：基于PyTorch的可微分计算机视觉软件库。
*：用Python和Cython开发的工业级实力的自然语言处理软件库。
*：开源的的程序，它允许用户从一系列的文本提示生成图像。ComfyUI使用自由的扩散模型比如Stable Diffusion作为其图像功能的基础模型，还合并了其它工具比如ControlNet和LCM低秩适应，这里每个工具都表示为程序中的一个节点。
*Transformers：为下载和训练前沿的预训练模型提供API和工具，由Hugging Face开发，支持在PyTorch、TensorFlow和JAX之间的框架互操作性。

  • Gradio：它是一个Python库，允许快速创建和分享用于机器学习模型、API或任何任意Python函数的Web应用程序。使用Gradio，可以构建交互式用户界面，与各种机器学习框架兼容。还可以使用Gradio以交互方式调试模型、从用户获取反馈，并通过自动生成的可共享链接轻松部署模型。
  • LangChain：它是一个应用框架，旨在简化使用大型语言模型的应用程序。作为一个语言模型集成框架，LangChain的用例包括文档分析和总结摘要, 代码分析和聊天机器人。 LangChain提供了一个标准接口，用于将不同的语言模型（LLM）连接在一起，以及与其他工具和数据源的集成。

*Netron：神经网络、深度学习和机器学习的模型的查看器。

影響的语言
Python的设计和哲学已经影响了很多其他编程语言，例如：

  • ECMAScript/JavaScript：从Python借鉴了迭代器和生成器。
  • Genie：基于Vala编译器的具有近似Python语法的语言。
  • Go：其设计原则受到了Python的可读性与易用性的启发，享有相同风格的数组分片语法。
  • Groovy：受到Python等动态类型语言的影响。
  • Julia：在表达高级数值计算的方式和支持通用编程上借鉴了Python等语言。
  • Kotlin：融合了Python和Java特征，极小化了而增加了开发效率。
  • Nim：使用缩进和类似的语法。
  • Ruby：主要从Python等语言中借鉴了特征。
  • Swift：有受Python启发的语法、、CoffeeScript、和，源出自MIT CSAIL实验室，它嵌入在Python之中并使用即时编译器框架如LLVM，将计算密集的Python代码转变成本机GPU或CPU指令，它支持多数主流GPU API比如CUDA和Vulkan。
  • Coconut：在Python语法之上增加了用于函数式编程的新特征的Python变体。
  • Snek：受Python启发的微小的可嵌入式语言，其目标处理器仅有数以kB计的闪存和静态内存。
  • Pycopy：的、轻量级且可扩展的MicroPython兼容语言实现。
  • Mojo：基于并设计为Python超集的语言。
  • Hy：嵌入到Python中的Lisp方言，它将Lisp代码变换成Python抽象语法树对象，从而以Lisp形式操控全部Python库。

示例与注释
引用
延伸閱讀
*
*
*
*

参閲

  • 编程语言列表
  • Python語法及語義
  • Python的歷史

*

外部連接
*

#面向对象的编程语言 #基于类的编程语言 #1991年建立的程式語言 #Python #腳本語言 #面向文本编程语言 #荷兰发明 #开源软件 #Python軟體 #Python库 #Python科学库

评论 (0)

  • 还没有评论，来抢沙发吧。