从大年初二开始学习 Python，到现在正好一个星期了，谈谈我的学习体会。

一、学习缘起

最早听说 Python 是在今年 1 月底到北京一个厂商（做汽车驾驶模拟器的）那里看设备，听他们的 CTO 介绍模拟软件的脚本控制是用的 Python，（当时我还把 Python 叫做“飞森”，而不是“派森” 囧）。第一次听说了这个语言，但也没太在意，因为导师一直跟我说用好一门语言就够了。从上大学到现在，先后用过 C、Basic、C++ 以及 ASP（一看就不是计算机专业的，我大学认识的几个计算机专业的同学，大多都是 Pascal - Delphi - Java 这条路线）。这几年主要在用 C#，觉得 C# 还不错，又可以做本地程序，也可以做 ASP.NET 程序，所以也没想再学其他语言了。

寒假做了一个交通网络分析的计算程序，这个程序前期已经有一些基础了，核心算法用的是QuickGraph库。QuickGraph 提供了经典图论里边的绝大部分算法，如最短路、最大流、遍历、支撑树等，不错的一个东西，但是没有复杂网络分析的算法。一开始我是利用 QuickGraph 的数据结构，然后自己写复杂网络分析算法。但是写的很累，正好也过年了，就暂时放下了这个工作。

过年的时候闲着没事，上网找是不是有直接提供复杂网络分析算法的库，还真找到了两个：igraph 和 networkx。（见http://igraph.sourceforge.net/和http://networkx.lanl.gov/），其中，igraph 是用 C 写的，但提供了 Python 的接口；networkx 就纯粹是用 Python 实现的一个库了。下载了它们的文档，发现正是我想要的东西：成熟的复杂网络分析算法，大量的示例程序。要想直接利用这两个库，肯定要学 Python 语言了。我想，反正各种语言都差不多，学就学吧。

二、语法

学语言肯定要先从基本语法学起。Python 的语法的确很简单，因为有 C#编程基础，学习起来没遇到什么困难。比起 C#，Python 少了花括号，完全靠缩进解决结构问题。一开始我不太习惯，特别是写函数定义、循环控制等语句时总丢后边的冒号。现在好多了，习惯会慢慢养成（现在变成写 C# 程序总加冒号，然后调试器就开始不停的问候我 囧）。另外 Python 没有 switch，因为我做科学计算，涉及到条件控制比较多，一开始用 ifelifelif……觉得很烦人，后来发现用 dict 就很方便，比 switch 还要简单优美。

说到 dict 呢，顺便说一下 Python 内置的 list、tuple 和 dict 类型。这个的确很方便，在 C# 里做同样的事情要引用 Collections，而 Python 就简单的多了，对于做科学计算的确简化了许多工作。不过 Python 用类型不事先定义，一开始我还是不太习惯，总是 int a,str b 的，后来发现，这不就是 C#里的 generics 嘛！是个好东西啊！而且 Python 的函数功能也很强大，有匿名函数、多返回值、列表内涵、关键字参数等等，极大的简化了编程工作。最早在 STL、Boost 及 C# 里看到这些特性的时候我还惊为天人，学了 Python 才知道这东西也没那么神秘——基本手段嘛。

此外，Python 还有一个很 nice 的功能就是 exec、execfile 和 eval。对我来说这个非常实用，因为做计算时总有些函数需要在运行时才导入，例如 y =a +func(b)，func() 的形式事先不知道，运行时根据用户需要输入。以前用别的语言实现这个功能要费好大劲（用表达式解析器等），现在 Python 直接内置了它。换句话说，Python 可以作为 Python 程序自己的脚本语言！Python 实在也太强大了！正如那句 Python 社区中很有名的话所说的：“battery included”！要我说，Python 不仅带了电池，充电器它 TMD 都带着呢！

三、库及跨平台

Python 的第三方库很多，特别是计算这一块，Python 比 C# 的库要丰富一些，而且用的人更多。我现在已经用了 igraph 和 networkx(图论与复杂网络)、numpy 和 scipy（数值计算）以及 matplotlib 和 cairo（图表和可视化），python(x,y)项目里还集成了更多的科学计算库。当然这和搞科学计算的老外大多用非 windows 平台有关，我接触的多数人都是用 unix/linux 平台（给人家发 Email 都不好意思带 word 附件），在这些平台下虽然有 Mono 支持 C#，但用的人毕竟还少。C 和 Fortran 的科学计算库倒是不少，不过多数都提供了 Python 的封装或 Python 写的替代品，所以就不需要自己重复造轮子了。我现在已经完全放弃了扩展那个 QuickGraph 的想法，因为我再作两年也赶不上 igraph 和 networkx，而且关键是我做的东西还没人用 囧……

此外，Python 可用的 GUI 库也很多：Tkinter，wxPython，PyQt，PyGTK，PyWin 等等一大堆。除了 PyWin，大多数 GUI 都是跨平台的。这点很好，再也不用担心 MS 卡脖子了（偶现在还是在用 D 版，以后限制严格了就到 Linux 下接着做这点事），自己的知识、技术可以一直积累延续，而不用从头开始。当然 GUI 库不可能都学都用，学好一个应该就够了。试了上面几个库后，我选择了 PyQt4，原因是看到它 Demo 里做的东西比较漂亮，而且 Qt 的信号 / 插槽（signals/slots）机制也比回调（callback）机制好理解。此外，对初学者很重要的一点是，Qt 的中文书比 wxPython 要多。注意不是 PyQt，PyQt 的中文书还是比较少的。wxPython 我只找到了一本很厚的《wxPython In Action》。书是不错，不过我比较怕看厚书，因为时间总是有限的，最好都是 In Nutshell 之类的小册子，头天睡前翻一翻，第二天就可以写出想要的东西来。

四、Web 开发

我学 Python 的主要目的是为了做一些数值计算的小程序，因为做网络分析总是要对大量的数据进行分析计算，Python 简洁的语法和丰富的第三方库可以极大地提高我的工作效率。不过作研究只是为了兴趣，要养家糊口还是要做一些短平快的项目（惨！）。这两年做的比较多的就是与工程相结合的 Web 应用（因为我导师的方向是 GIS 与交通设计信息化）。以前一直是用 ASP.Net 在做，从 1.0 到 2.0 再到 3.5，一路做下来对 ASP.Net 已经比较熟了。因为学 Python，也特意关注了一下 Python 的 Web 开发功能。

现在看来似乎 Django 很热（这个我又不知道应该怎么念，不过恰好我有个朋友叫“邸建国”，所以我第一眼看到 Django 就念成这个音了 :）。
百度百科上介绍说“Django 的主要目的是简便、快速的开发数据库驱动的网站。它强调代码复用, 多个组件可以很方便的以“插件”形式服务于整个框架，Django 有许多功能强大的第三方插件，你甚至可以很方便的开发出自己的工具包。这使得 Django 具有很强的可扩展性。它还强调快速开发和 DRY(Do Not Repeat Yourself) 原则”。听上去不错，上网找到了 Python 高手
limodou 的《Django Step by Step》教程，粗看了一下没有入门，暂时还是先用我的 ASP.Net 吧，因为我感觉目前 ASP.Net 可用的资源更多，对我来说更加 DRY。以后有闲了再慢慢跟“邸建国”切磋。

五、体量和效率

因为做科学计算，我很重视语言及开发环境的“轻量级”。什么叫“轻量级”呢？对我来说就是在我 256M 内存的老本上能欢快地跑起来 囧……。我的烂机是单位淘汰的一台联想昭阳 V80，CPU 是 P4 1.6 的，让他跑.Net 3.5 的确是难为他老人家了！所以在这台机器上我主要用 Dev C++ 和 SharpDevelop（Visual Studio 在这台机器上启动都很困难）作数值计算的程序。我的另外一台本本是小黑 X61，这个性能还可以，我用它上网、写论文、玩游戏等等（不过 X61 的显卡很弱，做 OpenGL 的程序时得到单位的工作站上，当然玩实况和 FIFA 也得去那个工作站上:）。因为大规模网络分析花的时间会比较长（几小时到几天），这些计算的脏活累活就扔给 V80 了。现在用 Python，IDE 我选了 PythonWin 和 Spyder（见我的另一篇文章），感觉这两个 IDE 还比较轻量，很适合我的硬件环境。

Python 的运行效率我感觉和 C# 差不多，因为都用了虚拟机，但 Python 比 C/C++ 还是要差一截。我对比了 igraph（C 写的）和 networkx（Python 写的）两个库，生成同样规模的一个随机图，igraph 比 networkx 运行时间少一个数量级（Drew Conway 做的对比结果也类似，见这里）。换句话说，对于大规模的网络分析问题就是等几小时和等几天的区别了。不过还好，大多数老牌的科学计算库都是用 C 和 Fortran 写的，并且提供了 Python 接口，所以也不必太担心。我们可以把 Python 当作“胶水”[1] 来用：对于效率要求很高的部分，就调用 C/C++ 库或自己写 C/C++ 的模块，这也是我选择 Python 语言的一个主要考虑。

注 1

"""注 1：引自百度百科 http://baike.baidu.com/view/21087.htm：
在实际开发中，python 常被昵称为胶水语言，这不是说他会把你的手
指粘住，而是说他能够很轻松的把用其他语言制作的各种模块（尤其是
C/C++）轻松地联结在一起。常见的一种应用情形是，使用 python 快
速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别
要求的部分，用更合适的语言改写，比如 3D 游戏中的图形渲染模块，速
度要求非常高，就可以用 C++ 重写。"""

六、总结

作为一个刚从 C# 转到 Python 的 FreshMan，一周来的总体感觉就是：Python 的确易学、易用、强大。像我这样的非计算机专业毕业、非程序员工作的人，一星期就已经入门 Python，并且能用它写出自己“用着方便、看着舒服”的程序。很符合我学 Python 的预期：提高自己的工作效率；也印证了 Bruce Eckel 的观点：“Python 可能是唯一一种旨在帮助程序员把事情弄得更加简单的语言”[2]。

"""注 2：引自《简明 Python 教程》第一章，
http://www.woodpecker.org.cn:9081/doc/abyteofpython_cn/chinese/ch01s04.html，
这本书是适合新手阅读的一部好书，舒服的 web 排版很适合用手机在线阅读，推荐给大家：）"""