## 关于 Python
-Python 是一种目前已在世界上广泛使用的解释型面向对象语言。
+Python 是一种目前已在世界上广泛使用的解释型面向对象语言，非常适合用来测试算法片段和原型。
### 为什么要学习 Python
### 学习 Python 时需要注意的事项
-- 目前的 Python 分为 Python 2 和 Python 3 两个版本，其中 Python 2 虽然几近废弃，但是仍被一些老旧系统和代码所使用。我们通常不能确定在考场上可以使用的版本，因而会 **介绍较新版本的 Python** ，但还是建议读者了解一下 Python 2 的相关语法，并比较两者之间的差异。
+- 目前的 Python 分为 Python 2 和 Python 3 两个版本，其中 Python 2 虽然[几近废弃](https://pythonclock.org/)，但是仍被一些老旧系统和代码所使用。我们通常不能确定在考场上可以使用的版本，因而会 **介绍较新版本的 Python** ，但还是建议读者了解一下 Python 2 的相关语法，并比较两者之间的差异。
- 如果您之前使用 C++ 语言，那么很遗憾地告诉您，Python 的语法结构与 C++ 差异还是比较大的，请注意使用的时候不要混淆。
+- 由于 Python 是高度动态的解释型语言，因此其程序运行有大量的额外开销。通常而言，实现同样功能时 Python 代码越少速度越快（但不要追求极端）。尤其是** for 循环在 Python 中运行的奇慢无比**。因此在使用 Python 时若想获得高性能，尽量使用 `filter`, `map` 等内置函数，或者使用[“列表理解”](https://www.pythonforbeginners.com/basics/list-comprehensions-in-python)语法的手段来避免循环。
## 环境安装
这就是 Python 的 **IDLE** 。
???+ note "何谓 [**IDLE**](https://docs.python.org/zh-cn/3/glossary.html#idle)？"
- Python 的 IDE，“集成开发与学习环境”的英文缩写。是 Python 标准发行版附带的基本编程器和解释器环境。
-
-如果您还有使用 pip 安装其他模块的需求，请参照 [TUNA 的镜像更换帮助](https://mirrors.tuna.tsinghua.edu.cn/help/pypi/) 。
+ Python 的 IDE，“集成开发与学习环境”的英文缩写。是 Python 标准发行版附带的基本编程器和解释器环境。在其他 Python 发行版（如Anaconda）中还包含 [IPython](https://ipython.org/) ， [Spyder](https://www.spyder-ide.org/) 等更加先进的IDE。
### macOS/Linux
-通常情况下，正如上文所说，大部分的 Linux 发行版中已经自带了 Python，如果您只打算学学语法并无特别需求，一般情况下不用再另外安装。
+通常情况下，正如上文所说，大部分的 Linux 发行版中已经自带了 Python，如果您只打算学学语法并无特别需求，一般情况下不用再另外安装。通常而言，运行 `python` 进入的是 Python 2 ，而运行 `python3` 进入的是 Python 3。
而由于种种依赖问题（如 CentOS 的 yum )，自行编译安装后通常还要处理种种问题，这已经超出了本文的讨论范畴。
更多详情您可以直接在搜索引擎上使用关键字 `系统名称(标志版本) 安装 Python 2/3` 来找到对应教程。
???+ note "运行 `python` 还是 `python3` ？"
- 根据 [Python 3 官方文档](https://docs.python.org/zh-cn/3/tutorial/interpreter.html) 的说法，在 Unix 系统中， `Python 3.X` 解释器 **默认安装** （指使用软件包管理器安装）后的执行文件并不叫作 `python` ，这样才不会与同时安装的 `Python 2.X` 冲突。
- 您可以根据自己的使用习惯自建软链，但还请注意不要与自带的冲突。
+ 根据 [Python 3 官方文档](https://docs.python.org/zh-cn/3/tutorial/interpreter.html) 的说法，在 Unix 系统中， `Python 3.X` 解释器 **默认安装** （指使用软件包管理器安装）后的执行文件并不叫作 `python` ，这样才不会与同时安装的 `Python 2.X` 冲突。同样的，默认安装的 pip 软件也是类似的情况， Python 3 包管理器的文件名为 `pip3`
+ 您可以根据自己的使用习惯自建软链或者 shell 别名，但还请注意不要与自带的冲突。
-### 关于镜像
+### 关于镜像和 pip
目前国内关于 **源码** 的镜像缓存主要是 [北京交通大学](https://mirror.bjtu.edu.cn/python/) 和 [华为开源镜像站](https://mirrors.huaweicloud.com/python/) 在做，如果您有下载问题的话可以到那里尝试一下。
+如果您还有使用 pip 安装其他模块的需求，请参照 [TUNA 的镜像更换帮助](https://mirrors.tuna.tsinghua.edu.cn/help/pypi/) 。
+
+???+ note "[**pip**](https://pypi.org/project/pip/) 是什么？"
+ Python 的默认包管理器，用来安装第三方 Python 库。它的功能很强大，能够处理版本依赖关系，还能通过 wheel 文件支持二进制安装。pip 的库现在托管在 [PyPI](https://pypi.org) （即 “Python 包索引”） 平台上，用户也可以指定第三方的包托管平台。
+
关于 PyPI 的镜像，可以使用如下大镜像站的资源：
- [清华大学 TUNA 镜像站](https://mirrors.tuna.tsinghua.edu.cn/help/pypi/)
## 基本语法
+Python 以其简洁易懂的语法而出名。它基本的语法结构可以非常容易地在网上找到，例如[菜鸟教程](http://www.runoob.com/python/python-basic-syntax.html)就有不错的介绍。这里仅介绍一些对 OIer 比较实用的语言特性。
+
### 关于注释
在此提前声明一下 Python 中注释的写法，因为在后面的讲解中会频繁用到。
整数（比如 `5` 、 `8` 、 `16` ）有 `int` 类型，有小数部分的（如 `2.33` 、 `6.0` ）则有 `float` 类型。随着更深入的学习你可能会接触到更多的类型，但是在速成阶段这些已经足够使用。
-在上面的实践中你也看到了，除法运算（ `/` ）永远返回浮点类型。如果你想要整数或向下取整的结果的话，可以使用整数除法（ `//` )。
-同样的，你也可以像 C++ 中一样，使用模（ `%` ）来计算余数。
+在上面的实践中你也看到了，除法运算（ `/` ）永远返回浮点类型（在Python 2中返回整数）。如果你想要整数或向下取整的结果的话，可以使用整数除法（ `//` )。同样的，你也可以像 C++ 中一样，使用模（ `%` ）来计算余数。
```python3
>>> 5 / 3 # 正常的运算会输出浮点数
-2
>>> 5.0 // 3.0 # 如果硬要浮点数向下取整也可以这么做
1.0
-
>>> 5 % 3 # 取模同 C++ ，没有什么好说的
2
```
-特别的，Python 封装了乘方（ `**` ）的算法，这也表明 Python 附有 **大整数支持** 。
+特别的，Python 封装了乘方（ `**` ）的算法，这也表明 Python 附有 **大整数支持** 。值得一提的是， Python 还通过内置的 `pow(a, b, mod)` 提供了[快速幂](../math/quick-pow.md)的高效实现。
```python3
>>> 5 ** 2
25
->>> 5 ** 4
-625
>>> 2 ** 16
65536
>>> 2 ** 512
13407807929942597099574024998205846127479365820592393377723561443721764030073546976801874298166903427690031858186486050853753882811946569946433649006084096
+>>> pow(2, 512, 10000) # 即 2**512 % 10000 的快速实现
+4096
>>> 2048 ** 2048 # 在IDLE里试试大整数？
```
+### 输入输出
+
+Python 中的输入输出主要通过内置函数 `raw_input` ( Python 2 ) / `input` ( Python 3 ) 和 `print` 完成，这一部分内容可以参考 [Python 的官方文档](https://docs.python.org/3/tutorial/inputoutput.html)。`input`函数用来从标准输入流中读取一行，`print`则是向标准输出流中输出一行。在 Python 3 中对 `print` 增加了 `end` 参数指定结尾符，可以用来避免 `print` 自动换行。如果需要更灵活的输入输出操作，可以在引入 `sys` 包之后利用 `sys.stdin` 和 `sys.stdout` 操标准作输入输出流。
+
+另外，如果要进行格式化的输出的话可以利用 Python 中字符串的语法。格式化有两种方法，一种是利用 `%` 操作符，另一种是利用 `format` 函数。前者语法与C兼容，后者语法比较复杂，可以参考[官方文档](https://docs.python.org/2/library/string.html#formatstrings)。
+```python3
+>>> print(12)
+12
+>>> print(12, 12) # 该方法在 Python 2 和 Python 3 中的表现不同
+12 12
+>>> print("%d" % 12) # 与C语法兼容
+12
+>>> print("%04d %.3f" % (12, 1.2))
+0012 1.200
+>>> print("{name} is {:b}".format(5, name="binary of 5"))
+binary of 5 is 101
+```
+
+### 开数组
+
+从 C++ 转过来的同学可能很迷惑怎么在 Python 中开数组，这里就介绍在 Python 开数组的语法。
+
+#### 使用 `list`
+
+主要用到的是 Python 中列表（ `list` ）的特性，值得注意的是 Python 中列表的实现方式类似于 C++ 的 `vector`。
+```python3
+>>> [] # 空列表
+[]
+>>> [1] * 10 # 开一个10个元素的数组
+[1, 1, 1, 1, 1, 1, 1, 1, 1, 1]
+>>> [1, 1] + [2, 2] # 数组拼接
+[1, 1, 2, 3]
+>>> a1 = list(range(8)) # 建立一个自然数数组
+>>> a1
+[0, 1, 2, 3, 4, 5, 6, 7]
+
+>>> [[1] * 3] * 3 # 开一个3*3的数组
+[[1, 1, 1], [1, 1, 1], [1, 1, 1]]
+>>> [[1] * 3 for _ in range(3)] # 同样是开一个3*3的数组
+[[1, 1, 1], [1, 1, 1], [1, 1, 1]]
+>>> a2 = [[1]] * 5; a[0][0] = 2; # 猜猜结果是什么？
+>>> a2
+[[2], [2], [2], [2], [2]]
+
+>>> # 以下是数组操作的方法
+>>> len(a1) # 获取数组长度
+8
+>>> a1.append(8) # 向末尾添加一个数
+>>> a1[0] = 0 # 访问和赋值
+>>> a1[-1] = 7 # 从末尾开始访问
+>>> a1[2:5] # 提取数组的一段
+[2, 3, 4]
+>>> a1[5:2:-1] # 倒序访问
+[5, 4, 3]
+>>> a1.sort() # 数组排序
+
+>>> a2[0][0] = 10 # 访问和赋值二维数组
+>>> for i, a3 in enumerate(a2):
+ for j, v in enumerate(a3):
+ temp = v # 这里的v就是a[i][j]
+```
+
+注意上面案例里提到的多维数组的开法。由于列表的乘法只是拷贝引用，因此 `[[1]] * 3` 这样的代码生成的三个 `[1]` 实际上是同一个对象，修改其内容时会导致所有数组都被修改。所以开多维数组时使用 for 循环可以避免这个问题。
+
+#### 使用 Numpy
+
+??? note "什么是 Numpy"
+ [Numpy](https://numpy.org/) 是著名的 Python 科学计算库，提供高性能的数值及矩阵运算。在测试算法原型时可以利用 Numpy 避免手写排序、求最值等算法。`Numpy` 的核心数据结构是 `ndarray`，即 n 维数组，它在内存中连续存储，是定长的。此外由于 Numpy 核心是用 C 编写的，因此 Numpy 运算能达到 C 的速度。
+
+下面的代码将介绍如何利用 Numpy 建立多维数组并进行访问。
+
+```python3
+>>> import numpy as np # Numpy 是第三方库，需要安装和引用
+
+>>> np.empty(3) # 开容量为3的空数组
+array([0.00000000e+000, 0.00000000e+000, 2.01191014e+180])
+
+>>> np.empty((3, 3)) # 开3*3的空数组
+array([[6.90159178e-310, 6.90159178e-310, 0.00000000e+000],
+ [0.00000000e+000, 3.99906161e+252, 1.09944918e+155],
+ [6.01334434e-154, 9.87762528e+247, 4.46811730e-091]])
+
+>>> np.zeros((3, 3)) # 开3*3的数组，并初始化为0
+array([[0., 0., 0.],
+ [0., 0., 0.],
+ [0., 0., 0.]])
+
+>>> a1 = np.zeros((3, 3), dtype=int) # 开3×3的整数数组
+>>> a1[0][0] = 1 # 访问和赋值
+>>> a1[0, 0] = 1 # 更友好的语法
+>>> a1.shape # 数组的形状
+(3, 3)
+>>> a1[:2, :2] # 取前两行、前两列构成的子阵，无拷贝
+array([[1, 0],
+ [0, 0]])
+>>> a1[0, 2] # 获取第1和3列，无拷贝
+array([[1, 0],
+ [0, 0],
+ [0, 0]])
+
+>>> np.max(a1) # 获取数组最大值
+1
+>>> a1.flatten() # 将数组展平
+array([1, 0, 0, 0, 0, 0, 0, 0, 0])
+>>> np.sort(a1, axis=1) # 沿行方向对数组进行排序，返回排序结果
+array([[0, 0, 1],
+ [0, 0, 0],
+ [0, 0, 0]])
+>>> a1.sort(axis=1) # 沿行方向对数组进行原地排序
+```
+
+## 常用内置库
+
+TODO
+
## 对比 C++ 与 Python
相信大部分算法竞赛选手已经熟练掌握了 C++98 的语法。接下来我们展示一下 Python 语法的一些应用。
OSDN Git Service
