Язык программирования пейтон как пишется

Python (МФА: [ˈpʌɪθ(ə)n]; в русском языке встречаются названия пито́н[23] или па́йтон[24]) — высокоуровневый язык программирования общего назначения с динамической строгой типизацией и автоматическим управлением памятью[25][26], ориентированный на повышение производительности разработчика, читаемости кода и его качества, а также на обеспечение переносимости написанных на нём программ[27]. Язык является полностью объектно-ориентированным в том плане, что всё является объектами[25]. Необычной особенностью языка является выделение блоков кода пробельными отступами[28]. Синтаксис ядра языка минималистичен, за счёт чего на практике редко возникает необходимость обращаться к документации[27]. Сам же язык известен как интерпретируемый и используется в том числе для написания скриптов[25]. Недостатками языка являются зачастую более низкая скорость работы и более высокое потребление памяти написанных на нём программ по сравнению с аналогичным кодом, написанным на компилируемых языках, таких как C или C++[25][27].
Python
Изображение логотипа
Класс языка объектно-ориентированный язык программирования
Появился в 20 февраля 1991[15]
Автор Гвидо ван Россум[1]
Разработчик Python Software Foundation и Гвидо ван Россум[1]
Расширение файлов .py, .pyc[16], .pyd[17], .pyo[18], .pyw[19], .pyz[20] или .pyi[21]
Выпуск

  • 3.11.3 (5 апреля 2023)[2]

Испытал влияние ABC,[3] Ada,[4] Алгол 68,[5] APL,[6] C,[7] C++,[8] Клу,[9] Dylan,[10] Haskell,[11] Icon,[12] Java,[13]Лисп,[14] Модула-3,[8] Perl, Standard ML[6]
Лицензия Python Software Foundation License[1]
Сайт python.org (англ.)
Платформа Microsoft Windows
ОС кроссплатформенность[22]
Логотип Викисклада Медиафайлы на Викискладе

Python (МФА: [ˈpʌɪθ(ə)n]; в русском языке встречаются названия пито́н[23] или па́йтон[24]) — высокоуровневый язык программирования общего назначения с динамической строгой типизацией и автоматическим управлением памятью[25][26], ориентированный на повышение производительности разработчика, читаемости кода и его качества, а также на обеспечение переносимости написанных на нём программ[27]. Язык является полностью объектно-ориентированным в том плане, что всё является объектами[25]. Необычной особенностью языка является выделение блоков кода пробельными отступами[28]. Синтаксис ядра языка минималистичен, за счёт чего на практике редко возникает необходимость обращаться к документации[27]. Сам же язык известен как интерпретируемый и используется в том числе для написания скриптов[25]. Недостатками языка являются зачастую более низкая скорость работы и более высокое потребление памяти написанных на нём программ по сравнению с аналогичным кодом, написанным на компилируемых языках, таких как C или C++[25][27].

Python является мультипарадигменным языком программирования, поддерживающим императивное, процедурное, структурное, объектно-ориентированное программирование[25], метапрограммирование[29] и функциональное программирование[25]. Задачи обобщённого программирования решаются за счёт динамической типизации[30][31]. Аспектно-ориентированное программирование частично поддерживается через декораторы[32], более полноценная поддержка обеспечивается дополнительными фреймворками[33]. Такие методики как контрактное и логическое программирование можно реализовать с помощью библиотек или расширений[34]. Основные архитектурные черты — динамическая типизация, автоматическое управление памятью[25], полная интроспекция, механизм обработки исключений, поддержка многопоточных вычислений с глобальной блокировкой интерпретатора (GIL)[35], высокоуровневые структуры данных. Поддерживается разбиение программ на модули, которые, в свою очередь, могут объединяться в пакеты[36].

Эталонной реализацией Python является интерпретатор CPython, который поддерживает большинство активно используемых платформ[37] и являющийся стандартом де-факто языка[38]. Он распространяется под свободной лицензией Python Software Foundation License, позволяющей использовать его без ограничений в любых приложениях, включая проприетарные[39]. CPython компилирует исходные тексты в высокоуровневый байт-код, который исполняется в стековой виртуальной машине[40]. К другим трём основным реализациям языка относятся Jython (для JVM), IronPython (для CLR/.NET) и PyPy[25][41]. PyPy написан на подмножестве языка Python (RPython) и разрабатывался как альтернатива CPython с целью повышения скорости исполнения программ, в том числе за счёт использования JIT-компиляции[41]. Поддержка версии Python 2 закончилась в 2020 году[42]. На текущий момент активно развивается версия языка Python 3[43]. Разработка языка ведётся через предложения по расширению языка PEP (англ. Python Enhancement Proposal), в которых описываются нововведения, делаются корректировки согласно обратной связи от сообщества и документируются итоговые решения[44].

Стандартная библиотека включает большой набор полезных переносимых функций, начиная с возможностей для работы с текстом и заканчивая средствами для написания сетевых приложений. Дополнительные возможности, такие как математическое моделирование, работа с оборудованием, написание веб-приложений или разработка игр, могут реализовываться посредством обширного количества сторонних библиотек, а также интеграцией библиотек, написанных на Си или C++, при этом и сам интерпретатор Python может интегрироваться в проекты, написанные на этих языках[25]. Существует и специализированный репозиторий программного обеспечения, написанного на Python, — PyPI[45]. Данный репозиторий предоставляет средства для простой установки пакетов в операционную систему и стал стандартом де-факто для Python[46]. По состоянию на 2019 год в нём содержалось более 175 тысяч пакетов[45].

Python стал одним из самых популярных языков, он используется в анализе данных, машинном обучении, DevOps и веб-разработке, а также в других сферах, включая разработку игр. За счёт читабельности, простого синтаксиса и отсутствия необходимости в компиляции язык хорошо подходит для обучения программированию, позволяя концентрироваться на изучении алгоритмов, концептов и парадигм. Отладка же и экспериментирование в значительной степени облегчаются тем фактом, что язык является интерпретируемым[25][47]. Применяется язык многими крупными компаниями, такими как Google или Facebook[25]. По состоянию на сентябрь 2022 года Python занимает первое место в рейтинге TIOBE популярности языков программирования с показателем 15,74%[48]. «Языком года» по версии TIOBE Python объявлялся в 2007, 2010, 2018, 2020 и 2021 годах[49].

История[править | править код]

Логотип, использовавшийся с 1990-х до 2006 года

Задумка по реализации языка появилась в конце 1980-х годов, а разработка его реализации началась в 1989 году сотрудником голландского института CWI Гвидо ван Россумом[44]. Для распределённой операционной системы Amoeba требовался расширяемый скриптовый язык, и Гвидо начал разрабатывать Python на досуге, позаимствовав некоторые наработки для языка ABC (Гвидо участвовал в разработке этого языка, ориентированного на обучение программированию). В феврале 1991 года Гвидо опубликовал исходный текст в группе новостей alt.sources[50]. С самого начала Python проектировался как объектно-ориентированный язык.

Гвидо ван Россум назвал язык в честь популярного британского комедийного телешоу 1970-х «Летающий цирк Монти Пайтона»[51], поскольку автор был поклонником этого телешоу, как и многие другие разработчики того времени, а в самом шоу прослеживалась некая параллель с миром компьютерной техники[27].

Наличие дружелюбного, отзывчивого сообщества пользователей считается, наряду с дизайнерской интуицией Гвидо, одним из факторов успеха Python. Развитие языка происходит согласно чётко регламентированному процессу создания, обсуждения, отбора и реализации документов PEP (англ. Python Enhancement Proposal) — предложений по развитию Python[52].

3 декабря 2008 года[53], после длительного тестирования, вышла первая версия Python 3000 (или Python 3.0, также используется сокращение Py3k). В Python 3000 устранены многие недостатки архитектуры с максимально возможным (но не полным) сохранением совместимости со старыми версиями Python.

Дата окончания срока поддержки Python 2.7 первоначально была установлена на 2015 год, а затем перенесена на 2020 год из опасения, что большая часть существующего кода не может быть легко перенесена на Python 3[54][55]. Поддержка Python 2 была направлена лишь на уже существующие проекты, новые проекты должны были использовать Python 3[43]. Официально Python 2.7 не поддерживается с 1 января 2020 года, хотя последнее обновление вышло в апреле 2020. Больше никаких исправлений безопасности или других улучшений для Python 2.7 не будет выпущено[42][56]. С окончанием срока службы Python 2.x поддерживаются только Python 3.6.x и более поздние версии[57].

Концепция и философия[править | править код]

Пиктограмма для файлов .py

Язык использует динамическую типизацию вместе с подсчётом ссылок и циклический сборщик мусора для менеджмента памяти[58]. Также есть динамические разрешения имён (динамическое связывание), которые связывают имена методов и переменных во время выполнения программы.

Python предлагает поддержку функционального программирования в традициях Лиспа. Так, в Python есть функции filter, map и reduce; также из Лиспа были заимствованы понятия характеристик списков, ассоциативных массивов (словарей), множеств и генераторов списков[59]. Стандартная библиотека содержит два модуля (itertools и functools), реализующие инструменты, заимствованные из Haskell и Standard ML[60].


Разработчики языка Python придерживаются определённой философии программирования, называемой «The Zen of Python» («Дзен Пито́на», или «Дзен Па́йтона»)[61]. Её текст выдаётся интерпретатором Python по команде import this (работает один раз за сессию). Автором этой философии считается Тим Петерс (Tim Peters).

Философия начинается так[62]:

  • Красивое лучше, чем уродливое.
  • Явное лучше, чем неявное.
  • Простое лучше, чем сложное.
  • Сложное лучше, чем запутанное.

….

  • Beautiful is better than ugly.
  • Explicit is better than implicit.
  • Simple is better than complex.
  • Complex is better than complicated.

Вместо того, чтобы встроить в ядро Python всю функциональность языка, он был спроектирован таким образом, чтобы быть легко расширяемым. Это сделало язык популярным средством добавления программируемых интерфейсов к существующим приложениям. Видение Гвидо Ван Россума маленького ядра с большой стандартной библиотекой и легко расширяемым интерпретатором проистекало из негативного опыта разработки языка ABC, который придерживался противоположного подхода[63].

Python стремится к более простому, менее громоздкому синтаксису и грамматике, предоставляя разработчикам выбор в их методологии кодирования. В отличие от девиза Perl «есть несколько способов сделать это», Python придерживается философии «должен существовать один — и, желательно, только один — очевидный способ сделать это»[64]. Алекс Мартелли[en], член Python Software Foundation, и автор книг по Python пишет, что «Описывать что-то как „умное“ не считается комплиментом в культуре Python»[65].

Разработчики Python стремятся избежать преждевременной оптимизации и отвергают патчи к некритическим частям эталонной реализации CPython, которые могли бы предложить незначительное увеличение скорости за счёт понятности кода[66]. Однако есть способы повышения производительности. Если в программе есть узкие места, связанные с выполнением ресурсоёмких операций на центральном процессоре, но не связанные с использованием операций ввода-вывода, то повысить производительность возможно за счёт трансляции программы при помощи Cython в язык Си и последующей компиляции[67]. Требовательные к вычислительным ресурсам части программы также можно переписывать на язык Си и подключать как отдельные библиотеки с привязками к Python[41].

Важная цель разработчиков Python — делать его забавным для использования. Это было отражено в названии языка, данном в честь Монти Пайтона[51]. Также это отражено в иногда игривом подходе к обучающим программам и справочным материалам, таким как примеры программ из документаций, которые используют названия spam и eggs вместо использующихся в документации множества других языков foo и bar[68][69].

Портируемость[править | править код]

Python портирован и работает почти на всех известных платформах — от КПК до мейнфреймов. Существуют порты под Microsoft Windows, практически под все варианты UNIX (включая FreeBSD и Linux), Android[70], Plan 9, Mac OS и macOS, iPhone OS (iOS) 2.0 и выше, iPadOS, Palm OS, OS/2, Amiga, HaikuOS, AS/400, OS/390, Windows Mobile и Symbian.

По мере устаревания платформы её поддержка в основной ветви языка прекращается. Например, с версии 2.6 прекращена поддержка Windows 95, Windows 98 и Windows ME[71]. В версии 3.5 перестала поддерживаться Windows XP[72] В версии 3.9 перестала поддерживаться Windows Vista и Windows 7[73].

При этом, в отличие от многих портируемых систем, для всех основных платформ Python имеет поддержку характерных для данной платформы технологий (например, Microsoft COM/DCOM). Более того, существует специальная версия Python для виртуальной машины Java — Jython, что позволяет интерпретатору выполняться на любой системе, поддерживающей Java, при этом классы Java могут непосредственно использоваться из Python и даже быть написанными на Python. Также несколько проектов обеспечивают интеграцию с платформой Microsoft.NET, основные из которых — IronPython и Python.NET.

Типы и структуры данных[править | править код]

Python 3. The standard type hierarchy.png

Python поддерживает динамическую типизацию, то есть тип переменной определяется только во время исполнения. Поэтому вместо «присваивания значения переменной» лучше говорить о «связывании значения с некоторым именем». К примитивным типам в Python относятся булевый, целое число произвольной точности, число с плавающей запятой и комплексное число. Из контейнерных типов в Python встроены: строка, список, кортеж, словарь и множество[47]. Все значения являются объектами, в том числе функции, методы, модули, классы.

Добавить новый тип можно либо написав класс (class), либо определив новый тип в модуле расширения (например, написанном на языке C). Система классов поддерживает наследование (одиночное и множественное) и метапрограммирование. Возможно наследование от большинства встроенных типов и типов расширений.

Типы, используемые в Python

Тип Изменяемость Описание Примеры
bool Неизменяемый Логический тип True
False
bytearray Изменяемый Массив байтов bytearray(b'Some ASCII')
bytearray(b"Some ASCII")
bytearray([119, 105, 107, 105])
bytes Неизменяемый Массив байтов b'Some ASCII'
b"Some ASCII"
bytes([119, 105, 107, 105])
complex Неизменяемый Комплексное число 3+2.7j
dict Изменяемый Словарь (ассоциативный массив), представляет собой коллекцию пар «ключ—значение»; значение может быть любого типа, ключ должен иметь хешируемый тип {'key1': 1.0, 3: False}
{}
ellipsis[К 1] Неизменяемый Многоточие[en] (эллипсис). Используется в основном в NumPy для сокращённого задания среза многомерного массива. В самом Python присутствует для поддержки пользовательских типов и таких расширений, как NumPy[74] ...
Ellipsis
Для NumPy:
x[i, ..., j],
что эквивалентно
x[i, :, :, j][74]
float Неизменяемый Число с плавающей запятой. Степень точности зависит от платформы, но на практике обычно реализуется в виде 64-битного 53-разрядного числа[75]

1.414

frozenset Неизменяемый Неупорядочное множество, не содержит дубликатов; может содержать внутри себя различные хешируемые типы данных frozenset([4.0, 'string', True])
int Неизменяемый Целое число неограниченного размера[76] 42
list Изменяемый Список, может содержать внутри себя различные типы данных [4.0, 'string', True]
[]
NoneType[К 1] Неизменяемый Объект, представляющий собой отсутствие значения, часто называемый Null[en] в других языках. None
NotImplementedType[К 1] Неизменяемый Объект, который возвращается при перегрузке операторов, когда типы операндов не поддерживаются. NotImplemented
range Неизменяемый Последовательность целых чисел от какого-то одного значения до другого, обычно используется для повторения операции несколько раз при помощи for[77] range(1, 10)
range(10, -5, -2)
set Изменяемый Неупорядочное множество, не содержит дубликатов; может содержать внутри себя различные хешируемые типы данных {4.0, 'string', True}
set()
str Неизменяемый Строковый тип 'Wikipedia'
"Wikipedia"

"""Spanning
multiple
lines"""
tuple Неизменяемый Кортеж. Может содержать внутри себя различные типы данных. Может использоваться в качестве неизменяемого списка и в качестве записей с неименованными полями[78] В качестве неизменяемого списка:
(4.0, 'string', True)
('single element',)
()
В качестве записей:
lax_coordinates = (33.9425, -118.408056)
city, year, pop, chg, area = ('Tokyo', 2003, 32450, 0.66, 8014)[78]

Синтаксис и семантика[править | править код]

Язык обладает чётким и последовательным синтаксисом, продуманной модульностью и масштабируемостью, благодаря чему исходный код написанных на Python программ легко читаем. При передаче аргументов в функции Python использует вызов по соиспользованию (call-by-sharing)[79].

Операторы[править | править код]

Набор операторов достаточно традиционен.

  • Условный оператор if (если). При наличии нескольких условий и альтернатив применяется необязательный блок elif(сокращение от else if) который может повторяться в коде неограниченное число раз. Если ни одно из условий не было соблюдено, то выполняется необязательный блок else (иначе).
  • Оператор цикла while.
  • Оператор цикла for.
  • Операторы обработки исключений try — except — else — finally.
  • Оператор определения класса class.
  • Оператор определения функции, метода или генератора def. Внутри возможно применение return (возврат) для возврата из функции или метода, а в случае генератора — yield (давать).
  • Оператор pass ничего не делает. Используется для пустых блоков кода.

Система отступов[править | править код]

Одной из интересных синтаксических особенностей языка является выделение блоков кода с помощью отступов (пробелов или табуляций), поэтому в Python отсутствуют операторные скобки begin/end, как в языке Паскаль, или фигурные скобки, как в Си. Такой «трюк» позволяет сократить количество строк и символов в программе и приучает к «хорошему» стилю программирования. С другой стороны, поведение и даже корректность программы может зависеть от начальных пробелов в тексте. Тем, кто привык программировать на языках с явным выделением начала и конца блоков, такое поведение поначалу может показаться неинтуитивным и неудобным.

Сам Гвидо писал[80]:

Наверное, самой спорной особенностью Python является использование отступов для группировки операторов, что взято непосредственно из ABC. Это одна из особенностей языка, которая дорога моему сердцу. Это делает код Python более читабельным двумя способами. Во-первых, использование отступов уменьшает визуальное нагромождение и делает программы короче, тем самым сокращая объём внимания, необходимого для восприятия базовой единицы кода. Во-вторых, это даёт программисту меньше свободы в форматировании, тем самым делая возможным более единообразный стиль, что облегчает чтение чужого кода. (Сравните, например, три или четыре различных соглашения о размещении фигурных скобок в Си, каждое из которых имеет сильных сторонников).

Perhaps Python’s most controversial feature is its use of indentation for statement grouping, which derives directly from ABC. It is one of the language’s features that is dearest to my heart. It makes Python code more readable in two ways. First, the use of indentation reduces visual clutter and makes programs shorter, thus reducing the attention span needed to take in a basic unit of code. Second, it allows the programmer less freedom in formatting, thereby enabling a more uniform style, which makes it easier to read someone else’s code. (Compare, for instance, the three or four different conventions for the placement of braces in C, each with strong proponents.)

Выражения[править | править код]

Состав, синтаксис, ассоциативность и приоритет операций достаточно привычны для языков программирования и призваны минимизировать употребление скобок. Если сравнивать с математикой, то приоритеты операторов зеркалируют соответствующие в математике, при этом оператор присвоения значения = соответствует типографскому . Хотя приоритеты операций позволяют не использовать скобки во многих случаях, на анализ больших выражений может тратиться лишнее время, в результате чего в таких случаях выгоднее явно расставлять скобки[43].

Отдельно стоит упомянуть операцию форматирования для строк (работает по аналогии с функцией printf() из Си), которая использует тот же символ, что и взятие остатка от деления:

>>> str_var = "world"
>>> print("Hello, %s" % str_var)
Hello, world

В версии 3.6 были добавлены форматированные строковые литералы, или f-строки, которые делают код более читаемым и лаконичным:

>>> str_var = "world"
>>> print(f"Hello, {str_var}") # вывод с использованием f-строки
Hello, world

Python имеет удобные цепочечные сравнения. Такие условия в программах — не редкость:

1 <= a < 10 and 1 <= b < 20

Кроме того, логические операции (or и and) являются ленивыми: если для вычисления значения операции достаточно первого операнда, этот операнд и является результатом, в противном случае вычисляется второй операнд логической операции. Это основывается на свойствах алгебры логики: например, если один аргумент операции «ИЛИ» (or) является истиной, то и результат этой операции всегда является истиной. В случае, если второй операнд является сложным выражением, это позволяет сократить издержки на его вычисление. Этот факт широко использовался до версии 2.5 вместо условной конструкции:

a < b and "меньше" or "больше или равно"

Встроенные типы данных, как правило, имеют особый синтаксис для своих литералов (записанных в исходном коде констант):

"строка и Юникод-строка одновременно"
'строка и Юникод-строка одновременно'
"""тоже строка и Юникод-строка одновременно"""
True or False  # булевы литералы
3.14  # число с плавающей запятой
0b1010 + 0o12 + 0xA  # числа в двоичной, восьмеричной и шестнадцатеричной системах счисления
1 + 2j  # комплексное число
[1, 2, "a"]  # список
(1, 2, "a")  # кортеж
{'a': 1, 'b': 'B'}  # словарь
{'a', 6, 8.8}  # множество
lambda x: x**2  # анонимная функция
(i for i in range(10)) # генератор

Для списков (и других последовательностей) Python предлагает набор операций над срезами. Особенностью является индексация, которая может показаться новичку странной, но раскрывает свою согласованность по мере использования. Индексы элементов списка начинаются с нуля. Запись среза s[N:M] означает, что в срез попадают все элементы от N включительно до M, не включая. При этом индекс можно не указывать. Например, запись s[:M] означает, что в срез попадают все элементы с самого начала; запись s[N:] означает, что попадают все элементы до конца среза; запись s[:] означает, что попадают все элементы с начала и до конца.

Имена[править | править код]

Имя (идентификатор) может начинаться с буквы любого алфавита в Юникоде любого регистра или подчёркивания, после чего в имени можно использовать и цифры. В качестве имени нельзя использовать ключевые слова (их список можно узнать по import keyword; print(keyword.kwlist)) и нежелательно переопределять встроенные имена. Имена, начинающиеся с символа подчёркивания, имеют специальное значение[81].

В каждой точке программы интерпретатор имеет доступ к трём пространствам имён (то есть отображениям имён в объекты): локальному, глобальному и встроенному.

Области видимости имён могут быть вложенными друг в друга (внутри определяемой функции видны имена из окружающего блока кода). На практике с областями видимости и связыванием имён связано несколько правил «хорошего тона», о которых можно подробнее узнать из документации.

Строки документации[править | править код]

Python предлагает механизм документирования кода pydoc. В начало каждого модуля, класса, функции вставляется строка документации — docstring[en]. Строки документации остаются в коде на момент времени исполнения, и в язык встроен доступ к документации[82](переменная __doc__), что используется современными IDE (Интегрированная среда разработки) (например, Eclipse).

В интерактивном режиме можно получить помощь, сгенерировать гипертекстовую документацию по целому модулю или даже применить doctest[en] для автоматического тестирования модуля.

Парадигмы программирования[править | править код]

Python — мультипарадигменный язык программирования. Полностью поддерживаются объектно-ориентированное, структурное[83], обобщённое, функциональное программирование[25] и метапрограммирование[29]. Базовая поддержка аспектно-ориентированного программирования реализуется за счёт метапрограммирования[32]. Множество других методик, в том числе контрактное[84][85] и логическое программирование[86] можно реализовать с помощью расширений.

Объектно-ориентированное программирование[править | править код]

Дизайн языка Python построен вокруг объектно-ориентированной модели программирования. Реализация ООП в Python является хорошо продуманной, но вместе с тем достаточно специфической по сравнению с другими объектно-ориентированными языками. В языке всё является объектами — либо экземплярами классов, либо экземплярами метаклассов. Исключением является базовый встроенный метакласс type. Таким образом, классы на самом деле являются экземплярами метаклассов, а производные метаклассы являются экземплярами метакласса type. Метаклассы являются частью концепции метапрограммирования и предоставляют возможность управления наследованием классов, что позволяет создавать абстрактные классы, регистрировать классы или добавлять в них какой-либо программный интерфейс в рамках библиотеки или фреймворка[29].

Классы по своей сути представляют план или описание того, как создать объект, и хранят в себе описание атрибутов объекта и методов для работы с ним. Парадигма ООП основывается на инкапсуляции, наследовании и полиморфизме[87]. Инкапсуляция в Python представлена возможностью хранения публичных и скрытых атрибутов (полей) в объекте с предоставлением методов для работы с ними[87], при этом на самом деле все атрибуты являются публичными, но для пометки скрытых атрибутов существует соглашение об именовании[88]. Наследование позволяет создавать производные объекты без необходимости повторного написания кода, а полиморфизм заключается в возможности переопределения любых методов объекта (в Python все методы являются виртуальными[88]), а также в перегрузке методов и операторов. Перегрузка методов в Python реализуется за счёт возможности вызова одного и того же метода с разным набором аргументов[87]. Особенностью Python является возможность модифицировать классы после их объявления, добавляя в них новые атрибуты и методы[43], также можно модифицировать и сами объекты, в результате чего классы могут использоваться как структуры для хранения произвольных данных[88].

В Python поддерживается множественное наследование. Само по себе множественное наследование является сложным, и его реализации сталкиваются с проблемами разрешения коллизий имён между родительскими классами и с возможным повторным наследованием от одного и того же класса в иерархии. В Python методы вызываются согласно порядку разрешения методов (MRO), который основан на алгоритме C3-линеаризации[89], в обычных случаях при написании программ не требуется знать принцип работы данного алгоритма, понимание же может потребоваться при создании нетривиальных иерархий классов[90].

Возможности и особенности, специфичные для Python:

  • Специальные методы, управляющие жизненным циклом объекта: конструкторы, деструкторы.
  • Перегрузка операторов (всех, кроме is, '.', '=' и символьных логических).
  • Свойства (имитация поля с помощью функций).
  • Управление доступом к полям (эмуляция полей и методов, частичный доступ, и т. п.).
  • Методы для управления наиболее распространёнными операциями (истинностное значение, len(), глубокое копирование, сериализация, итерация по объекту, …).
  • Полная интроспекция.
  • Классовые и статические методы, классовые поля.
  • Классы, вложенные в функции и классы.
  • Возможность модифицировать объекты во время исполнения программы.

Обобщённое программирование[править | править код]

Языки с поддержкой динамической типизации и объектно-ориентированного программирования обычно не рассматриваются в рамках обобщённого программирования, поскольку задачи обобщённого программирования решаются за счёт отсутствия ограничений на типы данных[30][31]. В Python обобщённое программирование со строгой типизацией достигается использованием средств языка совместно со внешними анализаторами кода[91], такими как Mypy[92].

Функциональное программирование[править | править код]

Несмотря на то, что Python изначально не задумывался как язык функционального программирования[93], Python поддерживает программирование в стиле функционального программирования, в частности[94]:

  • функция является объектом первого класса,
  • функции высших порядков,
  • рекурсия,
  • фокус на работу со списками,
  • аналог замыканий,
  • частичное применение функции с помощью метода partial(),
  • возможность реализации других средств на самом языке (например, карринг).

Однако, в отличие от большинства языков, непосредственно ориентированных на функциональное программирование, Python не является чистым языком программирования и код не защищён от побочных эффектов[94][95].

В стандартной библиотеке Python существуют специальные пакеты operator и functools для функционального программирования[93].

Метапрограммирование[править | править код]

Пазлинка и перо

Этот раздел статьи ещё не написан.

Здесь может располагаться отдельный раздел. Помогите Википедии, написав его. (8 февраля 2023)

Python поддерживает метапрограммирование[96][29].

Возможности[править | править код]

Модули и пакеты[править | править код]

Программное обеспечение (приложение или библиотека) на Python оформляется в виде модулей, которые в свою очередь могут быть собраны в пакеты. Модули могут располагаться как в каталогах, так и в ZIP-архивах. Модули могут быть двух типов по своему происхождению: модули, написанные на «чистом» Python, и модули расширения (extension modules), написанные на других языках программирования. Например, в стандартной библиотеке есть «чистый» модуль pickle и его аналог на Си: cPickle. Модуль оформляется в виде отдельного файла, а пакет — в виде отдельного каталога. Подключение модуля к программе осуществляется оператором import. После импорта модуль представлен отдельным объектом, дающим доступ к пространству имён модуля. В ходе выполнения программы модуль можно перезагрузить функцией reload().

Интроспекция[править | править код]

Python поддерживает полную интроспекцию времени исполнения[97]. Это означает, что для любого объекта можно получить всю информацию о его внутренней структуре.

Применение интроспекции является важной частью того, что называют Pythonic style, и широко применяется в библиотеках и фреймворках Python, таких как PyRO, PLY, Cherry, Django и др., значительно экономя время использующего их программиста.

Необходимые для интроспекции данные хранятся в специальных атрибутах. Так, например, получить все пользовательские атрибуты большинства объектов можно из специального атрибута — словаря (или другого объекта, предоставляющего интерфейс dict) __dict__

 >>> class x(object):pass
 ....
 >>> f = x()
 >>> f.attr = 12
 >>> print(f.__dict__)
 {'attr': 12}
 >>> print(x.__dict__)       # т.к. классы тоже являются экземплярами объекта type
                            # то и они поддерживают этот тип интроспекции
 {'__dict__': <attribute '__dict__' of 'x' objects>, '__module__'.......

Есть также другие атрибуты, имена и назначение которых зависят от объекта:

 >>> def f():pass
 ....
 >>> f.func_code.co_code    # получение байтокода функции
 'dx00x00S'
 >>> f.__class__            # специальный атрибут - ссылка на класс данного объекта
 <type 'function'>

Подавляющее большинство атрибутов, поддерживающих интроспекцию, является классовым, и их, в свою очередь, можно получить из obj.__class__.__dict__. Часть информации, унаследованную от базового класса, все объекты используют совместно, что позволяет экономить память.

Для удобства получения интроспективной информации в Python есть модуль inspect[98].

 >>> def f(x,y = 10,**mp):pass
 ...
 >>> inspect.getargspec(f)
 (['x', 'y'], None, 'mp', (10,))

С помощью модуля new возможен обратный процесс — построения объекта из составных частей на этапе исполнения

 >>> def f(i): return j + i
 ....
 >>> j = 2
 >>> f(1)
 3
 >>> import new
 >>> g = new.function(f.func_code, {'j': 23})
 >>> g(1)
 24

Обработка исключений[править | править код]

Обработка исключений поддерживается в Python посредством операторов try, except, else, finally, raise, образующих блок обработки исключения. В общем случае блок выглядит следующим образом:

try:
    # Здесь код, который может вызвать исключение
    raise Exception("message")  # Exception, это один из стандартных типов исключения (всего лишь класс),
                                # может использоваться любой другой, в том числе свой
except (Тип исключения1, Тип исключения2, ) as Переменная:
    # Код в блоке выполняется, если тип исключения совпадает с одним из типов
    # (Тип исключения1, Тип исключения2, …) или является наследником одного
    # из этих типов.
    # Полученное исключение доступно в необязательной Переменной.
except (Тип исключения3, Тип исключения4, ) as Переменная:
    # Количество блоков except не ограничено
    raise  # Сгенерировать исключение "поверх" полученного; без параметров - повторно сгенерировать полученное
except:
    # Будет выполнено при любом исключении, не обработанном типизированными блоками except
else:
    # Код блока выполняется, если не было поймано исключений.
finally:
    # Будет исполнено в любом случае, возможно после соответствующего
    # блока except или else

Совместное использование else, except и finally стало возможно только начиная с Python 2.5. Информация о текущем исключении всегда доступна через sys.exc_info(). Кроме значения исключения, Python также сохраняет состояние стека вплоть до точки возбуждения исключения — так называемый traceback.

В отличие от компилируемых языков программирования, в Python использование исключения не приводит к значительным накладным расходам (а зачастую даже позволяет ускорить исполнение программ) и очень широко используется. Исключения согласуются с философией Python (10-й пункт «дзена Python» — «Ошибки никогда не должны умалчиваться») и являются одним из средств поддержки «утиной типизации».

Иногда вместо явной обработки исключений удобнее использовать блок with (доступен, начиная с Python 2.5).

Итераторы[править | править код]

В программах на Python широко используются итераторы. Цикл for может работать как с последовательностью, так и с итератором. Большинство коллекций предоставляют итераторы, итераторы могут также определяться пользователем для собственных объектов. Модуль itertools стандартной библиотеки содержит средства работы с итераторами.

Генераторы[править | править код]

Одной из интересных возможностей языка являются генераторы — функции, сохраняющие внутреннее состояние: значения локальных переменных и текущую инструкцию (см. также: сопрограммы). Генераторы могут использоваться как итераторы для структур данных и для ленивых вычислений.

При вызове генератора функция немедленно возвращает объект-итератор, который хранит текущую точку исполнения и состояние локальных переменных функции. При запросе следующего значения (посредством метода next(), неявно вызываемого в цикле for) генератор продолжает исполнение функции от предыдущей точки остановки до следующего оператора yield или return.

В Python 2.4 появились генераторные выражения — выражения, дающие в результате генератор. Генераторные выражения позволяют сэкономить память там, где иначе требовалось бы использовать список с промежуточными результатами:

>>> sum(i for i in range(1, 100) if i % 2 != 0)
2500

В этом примере суммируются все нечётные числа от 1 до 99.

Начиная с версии 2.5, Python поддерживает полноценные сопроцедуры: теперь в генератор можно передавать значения с помощью метода send() и возбуждать в его контексте исключения с помощью метода throw().

Также Python поддерживает вложенные генераторы. Например, для создания двумерного массива нужно разместить генератор списка, являющегося строкой, внутри генератора всех строк: [[0 for j in range(m)] for i in range(n)]

Управление контекстом выполнения[править | править код]

В Python 2.5 появились средства для управления контекстом выполнения блока кода — оператор with и модуль contextlib. См.: пример.

Оператор может применяться в тех случаях, когда до и после некоторых действий должны обязательно выполняться некоторые другие действия, независимо от возбуждённых в блоке исключений или операторов return: файлы должны быть закрыты, ресурсы освобождены, перенаправление стандартного ввода вывода закончено и т. п. Оператор улучшает читаемость кода, а значит, помогает предотвращать ошибки.

Декораторы[править | править код]

Пазлинка и перо

Этот раздел статьи ещё не написан.

Здесь может располагаться отдельный раздел. Помогите Википедии, написав его. (8 февраля 2023)

Декораторы функций — вызываемые объекты, которые принимают другую функцию в качестве аргумента. Декораторы функций могут производить операции с функцией и возвращают либо саму функцию, либо другую заменяющую её функцию или вызываемый объект. То есть, если в коде ранее был прописан декоратор, названный decorate, то следующий код[99]:

@decorate
def target():
    print('running target()')

эквивалентен этому[99]:

def target():
    print('running target()')
target = decorate(target)

Пример использования декоратора функции[99]:

>>> def deco(func):
...     def inner():
...         print('running inner()')
...     return inner

>>> @deco
... def target():
...     print('running target()')
>>> target()
running inner()
>>> target
<function deco.<locals>.inner at 0.10063b598>

Существуют декораторы классов[100].

Регулярные выражения[править | править код]

Формат регулярных выражений унаследован из Perl с некоторыми отличиями. Для их использования требуется импортировать модуль re[101], являющийся частью стандартной библиотеки.

Библиотеки[править | править код]

Стандартная библиотека[править | править код]

Python поставляется «с батарейками в комплекте». Такую метафору использовали разработчики, чтобы подчеркнуть богатую стандартную библиотеку языка[102]

Богатая стандартная библиотека является одной из привлекательных сторон Python. Здесь имеются средства для работы со многими сетевыми протоколами и форматами Интернета, например, модули для написания HTTP-серверов и клиентов, для разбора и создания почтовых сообщений, для работы с XML и т. п. Набор модулей для работы с операционной системой позволяет писать кросс-платформенные приложения. Существуют модули для работы с регулярными выражениями, текстовыми кодировками, мультимедийными форматами, криптографическими протоколами, архивами, сериализации данных, поддержка юнит-тестирования и др.

Модули расширения и программные интерфейсы[править | править код]

Помимо стандартной библиотеки существует множество библиотек, предоставляющих интерфейс ко всем системным вызовам на разных платформах; в частности, на платформе Win32 поддерживаются все вызовы Win32 API, а также COM в объёме не меньшем, чем у Visual Basic или Delphi. Количество прикладных библиотек для Python в самых разных областях без преувеличения огромно (веб, базы данных, обработка изображений, обработка текста, численные методы, приложения операционной системы и т. д.).

Для Python принята спецификация программного интерфейса к базам данных DB-API 2 и разработаны соответствующие этой спецификации пакеты для доступа к различным СУБД: Oracle, MySQL, PostgreSQL, Sybase, Firebird (Interbase), Informix, Microsoft SQL Server и SQLite. На платформе Windows доступ к БД возможен через ADO (ADOdb). Коммерческий пакет mxODBC для доступа к СУБД через ODBC для платформ Windows и UNIX разработан eGenix[103]. Для Python написано много ORM (SQLObject, SQLAlchemy, Dejavu, Django), выполнены программные каркасы для разработки веб-приложений (Django, Pylons, Pyramid).

Библиотека NumPy для работы с многомерными массивами позволяет иногда достичь производительности научных расчётов, сравнимой со специализированными пакетами. SciPy использует NumPy и предоставляет доступ к обширному спектру математических алгоритмов (матричная алгебра — BLAS уровней 1—3, LAPACK, БПФ…). Numarray[104] специально разработан для операций с большими объёмами научных данных.

WSGI[105] — интерфейс шлюза с веб-сервером (Python Web Server Gateway Interface).

Python предоставляет простой и удобный программный интерфейс C API для написания собственных модулей на языках Си и C++. Такой инструмент как SWIG позволяет почти автоматически получать привязки для использования C/C++ библиотек в коде на Python. Возможности этого и других инструментов варьируются от автоматической генерации (C/C++/Fortran)-Python интерфейсов по специальным файлам (SWIG, pyste[106], SIP[107], pyfort[108]), до предоставления более удобных API (boost::python[109][110], CXX[111], Pyhrol[112] и др.). Инструмент стандартной библиотеки ctypes позволяет программам Python напрямую обращаться к динамическим библиотекам/DLL, написанным на Си. Существуют модули, позволяющие встраивать код на С/C++ прямо в исходные файлы Python, создавая расширения «на лету» (pyinline[113], weave[114]).

Другой подход состоит во встраивании интерпретатора Python в приложения. Python легко встраивается в программы на Java, C/C++, OCaml. Взаимодействие Python-приложений с другими системами возможно также с помощью CORBA, XML-RPC, SOAP, COM.

С помощью проекта Cython возможна трансляция программ, написанных на языках Python и Pyrex, в код на языке Си с последующей компиляцией в машинный код. Cython используется для упрощения написания Python-библиотек, при его использовании отмечается ускорение кода и уменьшение накладных расходов.

Экспериментальный проект Shedskin предполагает создание компилятора для трансформации неявно типизированных Python-программ в оптимизированный C++ код. Начиная с версии 0.22 Shedskin позволяет компилировать отдельные функции в модули расширений.

Python и подавляющее большинство библиотек к нему бесплатны и поставляются в исходных кодах. Более того, в отличие от многих открытых систем, лицензия никак не ограничивает использование Python в коммерческих разработках и не налагает никаких обязательств, кроме указания авторских прав.

Одним из каналов распространения и обновления пакетов для Python является PyPI (англ. Python Package Index).

Графические библиотеки[править | править код]

С Python поставляется библиотека tkinter на основе Tcl/Tk для создания кроссплатформенных программ с графическим интерфейсом.

Существуют расширения, позволяющие использовать все основные библиотеки графических интерфейсов — wxPython[115], основанное на библиотеке wxWidgets, PyGObject для GTK[116], PyQt и PySide для Qt и другие. Некоторые из них также предоставляют широкие возможности по работе с базами данных, графикой и сетями, используя все возможности библиотеки, на которой основаны.

Для создания игр и приложений, требующих нестандартного интерфейса, можно использовать библиотеку Pygame. Она также предоставляет обширные средства работы с мультимедиа: с её помощью можно управлять звуком и изображениями, воспроизводить видео. Предоставляемое pygame аппаратное ускорение графики OpenGL имеет более высокоуровневый интерфейс по сравнению с PyOpenGL[117], копирующей семантику С-библиотеки для OpenGL. Есть также PyOgre[118], обеспечивающая привязку к Ogre — высокоуровневой объектно-ориентированной библиотеке 3D-графики. Кроме того, существует библиотека pythonOCC[119], обеспечивающая привязку к среде 3D-моделирования и симуляции OpenCascade[120].

Для работы с растровой графикой используется библиотека Python Imaging Library.

Для работы с векторной графикой используется PyCairo.

Контроль типов и перегрузка функций[править | править код]

Существуют модули, позволяющие контролировать типы параметров функций на этапе исполнения, например, typecheck[121] или method signature checking decorators[122]. Необязательная декларация типов для параметров функции добавлена в Python 3, интерпретатор при этом не проверяет типы, а только добавляет соответствующую информацию к метаданным функции для последующего использования этой информации модулями расширений[123].

Перегрузка функций реализована различными сторонними библиотеками, в том числе PEAK[124][125]. Планы, которые не были приняты, по поддержке перегрузки в Python3000[126] были частично реализованы в библиотеке overloading-lib[127].

Примеры программ[править | править код]

В статье «Примеры программ на языке Python» Викиверситета собраны примеры небольших программ, демонстрирующих некоторые возможности языка Python и его стандартной библиотеки.

Программа «Hello World!» может быть написана одной строкой:

Вычисление факториала числа 10 (10!):

def factorial(n):
    if n < 0:
        raise ArithmeticError('Факториал отрицательного числа.')
    f = 1
    for i in range (2, n + 1):
        f *= i
    return f

print(factorial(10)) # 3628800

Реализация с помощью рекурсии:

def factorial(n):
    if n < 0:
        raise ArithmeticError('Факториал отрицательного числа.')
    if (n == 0) or (n == 1):
        return 1
    else:
        return factorial(n - 1) * n

print(factorial(10))

Профилирование и оптимизация кода[править | править код]

В стандартной библиотеке Python имеется профайлер (модуль profile), который можно использовать для сбора статистики о времени работы отдельных функций. Для решения вопроса о том, какой вариант кода работает быстрее, можно использовать модуль timeit. Производимые в следующей программе измерения позволяют выяснить, какой из вариантов конкатенации строк более эффективен:

from timeit import Timer

tmp = "Python 3.2.2 (default, Jun 12 2011, 15:08:59) [MSC v.1500 32 bit (Intel)] on win32."

def case1(): # А. инкрементальные конкатенации в цикле
    s = ""
    for i in range(10000):
        s += tmp

def case2(): # Б. через промежуточный список и метод join
    s = []
    for i in range(10000):
        s.append(tmp)
    s = "".join(s)

def case3(): # В. списковое выражение и метод join
    return "".join([tmp for i in range(10000)])

def case4(): # Г. генераторное выражение и метод join
    return "".join(tmp for i in range(10000))

for v in range(1,5):
    print (Timer("func()","from __main__ import case%s as func" % v).timeit(200))

Как и в любом языке программирования, в Python имеются свои приёмы оптимизации кода. Оптимизировать код можно исходя из различных (часто конкурирующих друг с другом) критериев (увеличение быстродействия, уменьшение объёма требуемой оперативной памяти, компактность исходного кода и т. д.). Чаще всего программы оптимизируют по времени исполнения.

Здесь есть несколько очевидных для опытных программистов правил.

  • Не нужно оптимизировать программу, если скорость её выполнения достаточна.
  • Используемый алгоритм имеет определённую временную сложность, поэтому перед оптимизацией кода программы стоит сначала пересмотреть алгоритм.
  • Стоит использовать готовые и отлаженные функции и модули, даже если для этого нужно немного обработать данные. Например, в Python есть встроенная функция sorted().
  • Профилирование поможет выяснить узкие места. Оптимизацию нужно начинать с них.

Python имеет следующие особенности и связанные с ними правила оптимизации.

  • Вызов функций является достаточно дорогостоящей операцией, поэтому внутри вложенных циклов нужно стараться избегать вызова функций или, например, переносить цикл в функции. Функция, обрабатывающая последовательность, эффективнее, чем обработка той же последовательности в цикле вызовом функции.
  • Старайтесь вынести из глубоко вложенного цикла всё, что можно вычислить во внешних циклах. Доступ к локальным переменным более быстрый, чем к глобальным или чем доступ к полям.
  • Оптимизатор psyco может помочь ускорить работу модуля программы при условии, что модуль не использует динамических свойств языка Python.
  • В случае, если модуль проводит массированную обработку данных и оптимизация алгоритма и кода не помогает, можно переписать критические участки, скажем, на языке Си или Pyrex.

Инструмент под названием Pychecker[128] поможет проанализировать исходный код на Python и выдать рекомендации по найденным проблемам (например, неиспользуемые имена, изменение сигнатуры метода при его перегрузке и т. п.). В ходе такого статического анализа исходного кода могут быть выявлены и ошибки. Pylint[129] призван решать близкие задачи, но имеет уклон в сторону проверки стиля кода, поиска кода с запашком[130].

Сравнение с другими языками[править | править код]

Выбор языка обычно зависит от решаемых задач, особенностей языков и наличия библиотек, требуемых для решения задачи. Одна и та же задача, написанная на разных языках может сильно разниться по эффективности исполнения, в том числе различия могут быть и при исполнении в разных операционных системах или при использовании разных компиляторов. В общем случае языки можно поделить на интерпретируемые (скриптовые), компилируемые в промежуточное представление и компилируемые, что влияет на производительность и потребление памяти. Python принято относить к интерпретируемым. Также отдельные языки могут иметь свои сильные стороны, в случае Python выделяется лёгкость в написании программ[131].

C++ и Java[править | править код]

Python сравнивается с C++/Java с точки зрения лаконичности, простоты и гибкости Python[132]. Можно сравнить «Hello, world»-программы, записанные на каждом из языков[132].

Сравнение программ «Hello, world!»

C++[132] Java[132] Python[132]
#include <iostream>
int main() {
    std::cout << "Hello, world!" << std::endl;
    return 0;
}
public class HelloClass {
    public static void main(String[] args) {
        System.out.println("Hello, world!");
    }
}
print("Hello, world!")

Касательно ООП в Python в отличие от C++ и Java отсутствуют модификаторы доступа к полям и методам класса, атрибуты и поля у объектов могут создаваться на лету в ходе исполнения программы, а все методы являются виртуальными. По сравнению с Java Python позволяет также перегружать операторы, что даёт возможность использовать выражения близкие к естественным[132]. В совокупности подход к ООП в Python упрощает программирование, делает код более понятным и одновременно добавляет гибкости языку[132]. С другой стороны, скорость выполнения кода на Python (как и других интерпретируемых языков) значительно ниже, чем скорость выполнения аналогичного кода на C++[133] и обычно ожидается ниже, чем в Java[134]. Код на C++ получается производительнее Python, при этом занимает больше строк. Согласно исследованиям алгоритмов, применяемых в биоинформатике, Python показал себя более гибким чем C++, а Java оказалась компромиссным решением между производительностью C++ и гибкостью Python[131].

В Java и Python все объекты создаются в куче, в то время как C++ позволяет создавать объекты как в куче, так и на стеке, в зависимости от используемого синтаксиса[135]. На производительность также влияет способ доступа к данным в памяти. В C++ и Java доступ к данным происходит по постоянным смещениям в памяти, в то время как в Python — через хеш-таблицы. Использование указателей в C++ может быть довольно сложным для понимания среди новичков, и овладение навыками правильного использования указателей может занять некоторое время[131].

Go[править | править код]

Go и Python — кардинально различающиеся языки, тем не менее, они часто сравниваются один с другим из-за общей ниши — бэкэнда веб-приложений. По выражению Джейсона Кинкэйда, Go объединяет «производительность и безопасность компилируемых языков, таких как C++, со скоростью разработки на динамических языках, таких как Python»[136]. В какой-то мере это действительно так: Go изначально разработан как строго статически типизированный компилируемый язык, поддерживающий максимум возможностей динамических языков, при котором ещё можно обеспечить эффективную компиляцию и сохранить производительность компилируемых программ.
Общими для обоих языков является использование автоматического управления памятью, наличие встроенных динамических коллекций (массивов и словарей), поддержка срезов, развитый механизм модулей, простой и минималистичный синтаксис. Различий гораздо больше, и не всегда можно однозначно указать, в пользу какого из языков они говорят.

Динамические возможности.
Если Python является полностью динамическим языком и практически любые элементы программы могут меняться во время исполнения, включая конструирование «на лету» новых типов и модификацию существующих, то Go — статический язык с достаточно ограниченными возможностями рефлексии, работающей только в отношении созданных при разработке типов данных. В некоторой мере заменой динамических возможностей в Go является кодогенерация, обеспечиваемая простотой синтаксиса и наличием необходимых инструментов и системных библиотек. Также в версии Go 2.0 планируется добавить поддержку средств обобщённого программирования (generics).
Объектно-ориентированное программирование.
Python построен по идеологии «всё-объект» и имеет множество механизмов ООП, в том числе редких и нетипичных. Gо — вполне типичный модульный процедурный язык программирования, возможности ООП в котором ограничиваются поддержкой интерфейсов и возможностью встраивания структур и интерфейсов. По сути, в Go нет даже полноценного наследования. Поэтому если Python поощряет программирование в ООП-стиле, с построением древовидных зависимостей между классами и активным использованием наследования, то Go ориентирован на компонентный подход: поведение компонентов задаётся интерфейсами, которые могут быть даже не связаны между собой, а реализация интерфейсов размещается в типах-структурах. «Утиная типизация», реализованная в Go, приводит к тому, что между интерфейсами и реализующими их структурами нет даже формальных синтаксических связей.
Параллельное программирование.
В поддержке параллельного программирования Python существенно уступает Go. Прежде всего, GIL в Python является препятствием для эффективного использования систем с большим числом (десятки и более) физических процессорных ядер. Другой проблемой является отсутствие эффективных встроенных средств взаимодействия параллельных потоков. Go содержит языковой примитив goroutine, позволяющий создавать «легковесные» потоки, и поддерживаемые на уровне синтаксиса каналы, обеспечивающие взаимодействие потоков. В результате при создании, например, систем массового обслуживания на Go не составляет проблемы использование сотен и даже тысяч одновременно существующих потоков, причём с обеспечением нормальной загрузки любого количества доступных процессорных ядер, тогда как ни одна из существующих реализаций Python эффективную работу такого количества потоков не обеспечит.
Обработка ошибок, исключения.
Python поддерживает обработку исключений, тогда как Go реализует механизмы явного возврата кодов ошибок из функций и обработки их в месте вызова. Оценка этого различия может быть разной. С одной стороны, исключения являются удобным и привычным механизмом обработки программных ошибок, позволяющим сосредоточить эту обработку в выделенных фрагментах кода, а не «размазывать» её по всему тексту программы. С другой стороны, авторы Go считают, что программисты слишком часто игнорируют обработку ошибок, полагаясь на то, что возникшее исключение будет обработано в другом месте; в распределённых приложениях исключения часто не передаются между компонентами системы и приводят к неожиданным отказам, а в многопоточных приложениях необработанное исключение в потоке может привести к блокировке или, наоборот, к краху программы.
Изобразительные возможности, синтаксис.
Python предоставляет большее число удобных для быстрой разработки языковых возможностей и примитивов, чем Go. Во многом это связано с тем, что разработчики Go сознательно отказались от включения в язык некоторых «модных» средств, одни из которых сочли провоцирующими ошибки, другие — маскирующими заведомо неэффективную реализацию. Например, наличие в языке простой операции вставки элемента в середину массива провоцирует на её частое использование, а каждая такая операция требует, как минимум, перемещения «хвоста» массива в памяти, а иногда может требовать выделения памяти и перемещения всего массива.
Производительность.
По производительности в большинстве тестов, реализующих типичные наборы операций бэкэнда (обработка запросов, генерация веб-страниц), Go превосходит Python на величину от нескольких раз до нескольких порядков. Это неудивительно ввиду статического характера языка и того, что программы на Go компилируются непосредственно в код целевой платформы. В системах, где основное затрачиваемое время уходит на выполнение запросов к БД или передачу информации по сети, это несущественно, но в высоконагруженных системах, обрабатывающих большое число запросов, преимущество Go бесспорно. Также на разницу в производительности Go- и Python-программ влияют отмеченные выше различия в реализации параллелизма.

Perl[править | править код]

Оба языка являются интерпретируемыми, компилируются в промежуточное представление, которое затем отправляется на исполнение. В случае Python генерируется промежуточный байт-код, а компилятор Perl генерирует синтаксическое дерево. Управление памятью в обоих языках автоматическое, а сами языки используются как скриптовые и хорошо подходят для написания веб-приложений. Подход в написания кода Python предполагает лучшее понимание листинга программы в ущерб производительности, тогда как в Perl больше свободы в синтаксисе, что может привести к тому что программы на Perl становятся нечитабельны для программистов, не работающих с данным языком[131].

Lua[править | править код]

Lua — простой язык, исходно разработанный для встраивания в ПО и использования для автоматизации сложных операций (таких, как поведение ботов в компьютерных играх). Python также может применяться в этих областях, ещё он конкурирует с Lua в написании скриптов автоматизации управления компьютером и операционной системой и в непрофессиональном программировании «на себя». В последние годы оба языка стали встраиваться в мобильные устройства, например, в программируемые калькуляторы.

Оба языка являются динамическими, интерпретируемыми, поддерживают автоматическое управление памятью, имеют стандартные средства взаимодействия с ПО, написанным на других языках (главным образом C и C++). Среда исполнения Lua компактнее и требует для работы меньше ресурсов, чем Python, что даёт Lua преимущество при встраивании. Как и Python, Lua поддерживает компиляцию исходного текста в исполняемый виртуальной машиной байт-код. Существует реализация JIT-компилятора для Lua.

Lua проще, чем Python, и имеет более классический паскалеподобный синтаксис. В языке всего восемь встроенных типов данных, а все структурированные типы (структуры, перечисления, массивы, множества) моделируются на основе единственного встроенного типа «таблица», который фактически является гетерогенным словарём. ООП реализуется на таблицах и строится по прототипной модели, как в JavaScript. Python предоставляет больше возможностей, а его структурированные типы данных имеют каждый свою реализацию, что повышает производительность. Возможности ООП в Python существенно шире, что даёт преимущество при написании сложных программ, но мало влияет на качество и производительность простых скриптов, на которые ориентирован Lua.

MATLAB и R[править | править код]

Пазлинка и перо

Этот раздел статьи ещё не написан.

Здесь может располагаться отдельный раздел. Помогите Википедии, написав его. (8 февраля 2023)

Python, MATLAB и R используются в обработке данных и в обучении студентов основам математики и статистики. R является языком для выполнения статистических расчётов, в то время как MATLAB может считаться языком программирования наряду с Python[137].

Языки, на которые повлиял Python[править | править код]

Python, как весьма популярный язык программирования, повлиял на следующие языки:

  • CoffeeScript имеет синтаксис, вдохновлённый Python[138].
  • ECMAScript/JavaScript заимствовал итераторы и генераторы из Python[139].
  • Go, при сильнейших идеологических различиях, заимствовал у динамических языков, таких как Python, встроенные словари, динамические массивы, срезы.
  • Groovy был создан с мотивацией привнести философию Python на Java[140].
  • Julia была задумана как «такая же пригодная для общего программирования, как и Python»[141].
  • Nim использует систему отступов и аналогичный синтаксис[142].
  • Ruby — Юкихиро Мацумото, создатель языка, сказал: «Я хотел скриптовый язык, который был бы более мощным, чем Perl, и более объектно-ориентированным, чем Python. Вот почему я решил создать свой собственный язык»[143].
  • Swift во время разработки брал идеи структуры языка из Python, а также из Objective-C, Rust, Haskell, Ruby, C#, CLU[144].

Критика[править | править код]

Низкое быстродействие[править | править код]

Классический Python имеет общий со многими другими интерпретируемыми языками недостаток — сравнительно невысокую скорость выполнения программ[145]. В некоторой степени ситуацию улучшает сохранение байт-кода (расширения .pyc и, до версии 3.5, .pyo), которое позволяет интерпретатору не тратить время на синтаксический разбор текста модулей при каждом запуске.

Существуют реализации языка Python, вводящие высокопроизводительные виртуальные машины (ВМ) в качестве бэкенда компилятора. Примерами таких реализаций может служить PyPy, базирующийся на RPython; более ранней инициативой является проект Parrot. Ожидается, что использование ВМ типа LLVM приведёт к тем же результатам, что и использование аналогичных подходов для реализаций языка Java, где низкая вычислительная производительность в основном преодолена[146]. Однако нельзя забывать, что динамический характер Python делает неизбежными дополнительные накладные расходы при исполнении программ, что ограничивает производительность Python-систем независимо от применяемых технологий. Вследствие этого для написания критических участков кода используются низкоуровневые языки, интеграция с которыми обеспечивается множеством программ и библиотек (см. выше).

В самой популярной реализации языка Python интерпретатор довольно велик и более требователен к ресурсам, чем в аналогичных популярных реализациях Tcl, Forth, LISP или Lua, что ограничивает его применение во встроенных системах. Тем не менее, Python портирован на некоторые относительно малопроизводительные платформы[источник не указан 765 дней].

Глобальная блокировка интерпретатора (GIL)[править | править код]

Схематичное изображение работы потоков под GIL. Зелёный — поток, удерживающий GIL, красные — блокированные потоки

Интерпретатор Python в CPython (а также Stackless и PyPy[147]) использует потоко-небезопасные данные, во избежание разрушения которых при совместной модификации из разных потоков применяется глобальная блокировка интерпретатора — GIL (Global Interpreter Lock)[148]: в ходе исполнения кода поток интерпретатора блокирует GIL, выполняет в течение фиксированного времени (по умолчанию 5 миллисекунд[К 2]) некоторое количество инструкций, после чего освобождает блокировку и приостанавливается, давая возможность работать другим потокам. GIL также освобождается во время ввода-вывода, изменения и проверки состояния синхронизирующих примитивов, при исполнении кода расширений, не обращающихся к данным интерпретатора, например, NumPy/SciPy. Таким образом, в каждый момент времени в одном процессе интерпретатора Python может исполняться только один поток кода на Python, независимо от числа доступных процессорных ядер.

Потери производительности от GIL зависят от характера программ и архитектуры системы. Большинство программ является однопоточными, либо запускает всего несколько потоков, из которых часть в каждый конкретный момент простаивает в ожидании. Персональные компьютеры обычно имеют небольшое количество процессорных ядер, которые загружены параллельно исполняющимися в системе процессами, так что реальные потери производительности на персональных компьютерах из-за GIL невелики. Но в серверных приложениях может быть удобно использовать десятки и сотни (а то и больше) параллельных потоков (например, в системах массового обслуживания, где каждый поток обрабатывает данные для отдельного пользовательского запроса), а серверы на конец 2010-х годов нередко имеют десятки и даже сотни процессорных ядер, то есть технически могут обеспечить этим потокам физически одновременное исполнение; в таких условиях GIL может приводить к действительно значительному снижению общей производительности, так как лишает программу возможности полноценно использовать ресурсы многоядерных систем.

Гвидо ван Россум говорил, что GIL «не так уж и плох» и он будет в CPython до тех пор, пока «кто-то другой» не представит реализацию Python без GIL, с которой бы однопоточные скрипты работали так же быстро[151][152].

В задачи разработки входит работа по оптимизации GIL[153]. Отказ от GIL в ближайшем будущем не планируется, так как альтернативные механизмы на однопоточных приложениях, которых большинство, работают медленнее или потребляют больше ресурсов:

  • Вариант интерпретатора с синхронизацией доступа к отдельным объектам вместо глобальной блокировки[154] из-за частых захватов/освобождений блокировок оказался слишком медленным.
  • python-safethread — CPython без GIL[155], по утверждениям авторов, обеспечивает на однопоточных приложениях скорость порядка 60-65 % от скорости CPython.
  • Реализация потоков через процессы ОС, например, модуль processing[156] (с версии 2.6 переименован в multiprocessing). В UNIX-подобных системах накладные расходы при порождении процесса невелики, но в Windows использование процессов вместо потоков ведёт к существенному увеличению расхода оперативной памяти.
  • Отказ от совместного использования изменяемых данных и вызовов внешнего кода. При этом данные дублируются в потоках и их синхронизация (если таковая нужна) лежит на программисте[157]. Этот подход также увеличивает потребление оперативной памяти, хотя и не настолько сильно, как при использовании процессов в Windows.
  • Библиотеки, обеспечивающие собственную организацию поддержки потоков, такие как parallelpython[158], pympi[159] и другие.

Радикальным вариантом решения проблемы может быть переход на Jython и IronPython, работающие на виртуальных машинах Java и .NET/Mono: эти реализации вообще не используют GIL.

Синтаксис и семантика[править | править код]

Несмотря на то, что одним из заявленных принципов дизайна Python является принцип наименьшего удивления, критики отмечают целый ряд архитектурных решений, которые могут вводить в заблуждение или вызывать недоумение у программистов, привыкших к другим распространённым языкам[160]. В их числе:

  • Отличие в принципе работы оператора присвоения по сравнению со статически-типизированными языками. В Python при присвоении значения копируется ссылка на объект, а не значение. При работе с простыми неизменяемыми типами возникает ощущение изменения значения переменной при присваивании ей значения, однако фактически присваивается ссылка на другое значение, например, при увеличении значения переменной типа int на 1 меняется ссылка, а не увеличивается значение по ссылке. Однако при работе с изменяемыми типами их содержимое можно менять по ссылке, поэтому при присвоении одной переменной ссылки на другую и последующем изменении значения в одной из двух переменных оно изменится в обеих переменных, что хорошо заметно при работе со списками[160][161]. При этом кортежи хоть и являются неизменяемыми, но могут хранить ссылки на изменяемые объекты, поэтому по факту кортежи тоже можно менять[162];
  • Отличие в поведении на некоторых типах «сокращённых» операторов, таких как += и их развёрнутой записи, хотя в большинстве языков «сокращённый» вариант — это просто краткая запись полного, и семантически они абсолютно эквивалентны. Пример с использованием x +=:
    >>> x = [1, 2]
    >>> y = x
    >>> x += [3, 4]
    >>> x
    [1, 2, 3, 4]
    >>> y
    [1, 2, 3, 4]
    

    Аналогичный пример с использованием x = x +:

    >>> x = [1, 2]
    >>> y = x
    >>> x = x + [3, 4]
    >>> x
    [1, 2, 3, 4]
    >>> y
    [1, 2]
    
  • Жёсткая трактовка лексической области видимости, подобная используемой в JavaScript: даже если переменная получает значение в последней строке функции, её областью видимости является вся функция.
  • Путаница между полями класса и полями объекта: текущее значение поля класса инициализирует одноимённое поле объекта, но не при создании объекта, а при первой записи значения в данное поле.
    class Colored:
        color = "red"
    
    obj1 = Colored()
    print(obj1.color)        # выводится исходное значение поля КЛАССА
    Colored.color = "green"  # изменение поля КЛАССА
    print(obj1.color)        # выводится значение поля КЛАССА
    obj1.color = "blue"      # изменяется поле ОБЪЕКТА и фиксируется его значение
    Colored.color = "yellow" # изменение поля КЛАССА, которое уже не отразится на объекте
    print(obj1.color)        # выводится поле ОБЪЕКТА
    
    # Скрипт выведет: 
    red
    green
    blue
    
В примере выше три раза выводится поле color объекта obj1 класса Colored. При этом пока не выполнена запись в это поле, выводится текущее значение поля класса, и в третий раз — значение поля объекта. Такое сохранение связи между полем объекта и класса до первой перезаписи может стать причиной неожиданного эффекта: если в программе меняется значение поля класса, то все объекты, одноимённые поля которых ещё не перезаписаны, окажутся неявно изменены.
  • Интуитивно трудно предсказуемое поведение параметров со значением-объектом по умолчанию. Если в качестве инициализатора для параметра по умолчанию указать конструктор объекта, это приведёт к созданию статического объекта, ссылка на который и будет передаваться по умолчанию в каждый вызов[163]. Это может повлечь трудно уловимые ошибки.

Невозможность модификации встроенных классов[править | править код]

По сравнению с Ruby и некоторыми другими языками, в Python отсутствует возможность модифицировать встроенные классы, такие, как int, str, float, list и другие, что, однако, позволяет Python потреблять меньше оперативной памяти и быстрее работать. Ещё одной причиной введения такого ограничения является необходимость согласования с модулями расширения. Многие модули (в целях оптимизации быстродействия) преобразуют Python-объекты элементарных типов к соответствующим Си-типам вместо манипуляций с ними посредством Си-API. Также это избавляет от многих потенциальных ошибок при неконтролируемом динамическом переопределении встроенных типов.

Реализации[править | править код]

CPython[править | править код]

CPython является основной реализацией языка. Он написан на языке Си и является переносимым на разные платформы. В основе управления памятью лежит использование комбинации счётчиков ссылок и сборщика мусора, ответственного за поиск циклических захватов ссылок[40]. Хотя язык считается интерпретируемым, на самом деле он компилируется в промежуточный высокоуровневый байт-код[164][165], который затем исполняется через стековую виртуальную машину[40]. Например, вызов функции print() может быть представлен в следующем виде[165]:

  1           0 LOAD_NAME                0 (print)
              2 LOAD_CONST               0 ('Hello World!')
              4 CALL_FUNCTION            1
              6 RETURN_VALUE

Имена в языке имеют позднее связывание, в результате чего можно писать обращения к переменным, методам и атрибутам, которых ещё нет, но они должны быть объявлены на момент исполнения кода, использующего их. Каждый объект в Python имеет словарь, представленный хеш-таблицей, через который происходит сопоставление названий атрибутов их значениям. Глобальные переменные также сопоставляются через словарь. Одно обращение к методу или атрибуту может сопровождаться поочерёдным поиском в нескольких словарях[40].

PyPy[править | править код]

Основная статья: PyPy

PyPy — реализация Python, написанная на RPython (подмножество Python, имеющее намного меньше динамических возможностей). Позволяет легко проверять новые возможности. В PyPy, кроме стандартного CPython, включены возможности Stackless, Psyco, модификация AST «на лету» и многое другое. В проект интегрированы возможности анализа Python-кода и трансляция в другие языки и байт-коды виртуальных машин (Си, LLVM, Javascript, .NET с версии 0.9.9). Начиная с 0.9.0, возможна полностью автоматическая трансляция RPython в Си, в результате чего достигается скорость, приемлемая для использования (в 2—3 раза ниже, чем CPython при отключённом JIT для версии 0.9.9). По умолчанию PyPy поставляется со встроенным JIT-компилятором, с помощью которого он способен работать намного быстрее, чем CPython.

Jython[править | править код]

Пазлинка и перо

Этот раздел статьи ещё не написан.

Здесь может располагаться отдельный раздел. Помогите Википедии, написав его. (8 февраля 2023)

Jython — реализация Python, компилирующая код на Python в байт-код Java, который может быть выполнен JVM. Также может использоваться для импорта класса, исходный код которого был написан на Java в качестве модуля для Python[166].

Другие реализации[править | править код]

Существуют также другие реализации.

  • Numba[en] — Jit-компилятор на основе LLVM с поддержкой NumPy.
  • PyS60[167] — реализация языка для смартфонов фирмы Nokia на платформе Series 60.
  • IronPython — Python для .NET Framework и Mono. Компилирует Python программы в MSIL, таким образом предоставляя полную интеграцию с .NET-системой[168].
  • Stackless — также написанная на Си реализация Python. Это не полноценная реализация, а патчи к CPython. Предоставляет расширенные возможности многопоточного программирования и значительно большую глубину рекурсии.
  • Python for .NET[169] — ещё одна реализация Python для .NET. В отличие от IronPython эта реализация не компилирует Python код в MSIL, а только предоставляет интерпретатор, написанный на C#. Позволяет использовать .NET-сборки из Python кода.
  • Jython — реализация Python, использующая JVM в качестве среды исполнения. Позволяет прозрачно использовать Java-библиотеки.
  • Python-Safethread[155] — версия CPython без GIL, что позволяет одновременно исполнять Python потоки на всех доступных процессорах. Внесены также некоторые другие изменения.
  • Unladen Swallow — начатый Google проект по разработке высокоэффективного, максимально совместимого с CPython JIT-компилятора на базе LLVM. Согласно планам по развитию Python[170], планировалось перенести исходный код Unladen Swallow в CPython в версии 3.3. Но PEP-3146 был отменён в связи с отсутствием интереса к Unladen Swallow со стороны Google, основного спонсора разработки[171].
  • TinyPy[172] — минималистическая версия Python. Часть возможностей CPython не реализована.
  • MicroPython — реализация Python 3 для встроенных систем с малым объёмом оперативной памяти[173].
  • Brython[174] — реализация языка на клиентском JavaScript, позволяющая писать браузерные скрипты на Python 3.
  • QPython[175] — реализация Python для Android. Проект всё ещё на стадии тестирования, однако на QPython уже портированы некоторые самые необходимые библиотеки. Позволяет и работать в интерактивном режиме. Существует также Qpython3.
  • Grumpy[176] — реализация Python на Go (в активной разработке), позволяющая работать коду на Python без виртуальной машины: скомпилировать код Python в код Go, а затем уже получить исполняемый файл.

Специализированные подмножества/расширения Python[править | править код]

На основе Python было создано несколько специализированных подмножеств языка, в основном предназначенных для статической компиляции в машинный код. Некоторые из них перечислены ниже.

  • RPython[177] — созданная в рамках проекта PyPy сильно ограниченная реализация Python без динамизма времени исполнения и некоторых других возможностей. Код на RPython можно компилировать во множество других языков/платформ — C, JavaScript, Lisp, .NET[178], LLVM. На RPython написан интерпретатор PyPy.
  • Pyrex[179] — ограниченная реализация Python, но несколько меньше, чем RPython. Pyrex расширен возможностями статической типизации типами из языка C и позволяет свободно смешивать типизированный и не типизированный код. Предназначен для написания модулей расширений, компилируется в код на языке C.
  • Cython[180] — расширенная версия Pyrex.
  • Проект Shedskin — предназначен для компиляции неявно статически типизированного кода на Python в оптимизированный код на языке C++.

Инструменты поддержки программирования[править | править код]

Интерактивный режим[править | править код]

Подобно Лиспу и Прологу, Python может использоваться в интерактивном режиме, при котором введённые с клавиатуры операторы сразу же выполняются, а результат выводится на экран (REPL). Этот режим удобен как при изучении языка, так и в процессе профессиональной разработки — для быстрого тестирования отдельных фрагментов кода, — так как обеспечивает немедленную обратную связь. Также он позволяет использовать интерпретатор в качестве калькулятора с большим набором функций.

  • Эталонная реализация Python имеет встроенный интерактивный интерпретатор, работающий в режиме текстового терминала и позволяющий выполнять все основные операции. В интерактивном режиме доступен отладчик pdb и система помощи (вызывается по help()), работающая для всех модулей, классов и функций, которые содержат строки документации:
>>> from math import * # импорт математических функций
>>> help(sorted) # помощь по функции sorted
Help on built-in function sorted in module builtins:

sorted(iterable, /, *, key=None, reverse=False)
    Return a new list containing all items from the iterable in ascending order.
    . . .
  • IPython[181] — выходящая под BSD-лицензией кросс-платформенная интерактивная оболочка, предоставляющая расширенную интроспекцию и дополнительные команды. В частности, позволяет передавать исполняемому коду на Python результаты выполнения команд системной командной оболочки. Поддерживает подсветку кода и автоматическое дополнение.
  • BPython[182] — расширение стандартной командной оболочки Python с помощью ряда дополнительных модулей. Реализует подсветку синтаксиса, автоматическое дополнение кода с предложением вариантов, автоматическое выравнивание, интеграция с Pastebin, сохранение ввода в файл, восстановление удалённой строки, предложение параметров для функций.

Почти все IDE для Python поддерживают REPL для быстрого тестирования.

IDE[править | править код]

Существует несколько специализированных IDE для разработки на Python.

  • Eric — полнофункциональный редактор Python и IDE, написанный на Python. Он базируется на кросс-платформенном фреймворке Qt, в качестве компонента редактирования используется QScintilla. Eric предоставляет возможности ведения проектов, отладки, профилирования, рефакторинга кода, взаимодействия с популярными системами управления версиями, такими как Subversion и Git. Расширяется через механизм плагинов. Репозиторий плагинов доступен прямо из среды разработки. Распространяется бесплатно, лицензия GNU GPL v3.
  • PyCharm — полнофункциональная IDE для Python от JetBrains, доступна на платформах Windows, macOS и Linux, существует в бесплатном (Community) и платном (Professional) вариантах.
  • Wing IDE[en] — линейка Python-IDE от американской фирмы Wingware, включает три варианта: «Wing 101», «Wing Personal», «Wing Pro», из которых первые два бесплатны, последний — платный. Версия Pro обладает всеми необходимыми средствами для профессиональной разработки, включая поддержку проектов, работу с системами управления версиями, расширенные возможности навигации по коду и анализа кода, рефакторинг, поддержка использования Django. Бесплатные версии предоставляют меньше функций и не выходят за пределы возможностей, доступных в других бесплатных IDE для Python.
  • Spyder — open-source IDE для Python под лицензией MIT, бесплатная, доступна на платформах Windows, Mac OS X и Linux. Особенностью является то, что IDE ориентирована на data science, в ней удобно работать с библиотеками типа SciPy, NumPy, Matplotlib. Spyder поставляется в комплекте с менеджером пакетов Anaconda. В целом обладает качествами стандартной IDE, имеет редактор с подсветкой синтаксиса, автоматическое дополнение кода, обозреватель документации.
  • Thonny — многоплатформенная бесплатная IDE, выпускается под лицензией MIT, поддерживается Институтом информатики Тартуского университета в Эстонии. Позиционируется как «Python IDE для новичков», полностью, включая интерпретатор Python, ставится «из коробки» пользователем без административных прав, сразу после установки может использоваться без дополнительных настроек. Предназначена для обучения, имеет улучшенную визуализацию порядка вычисления выражений и вызова функций, динамическую подсветку синтаксических ошибок, простой менеджер пакетов. Для профессионального применения возможностей недостаточно, например, нет поддержки проектов и интеграции с системами управления версиями.

Помимо этого, существуют плагины для поддержки программирования на Python для универсальных IDE Eclipse, KDevelop и Microsoft Visual Studio, а также имеется поддержка подсветки синтаксиса, автодополнения кода и подключения средств отладки и запуска приложений для целого ряда распространённых текстовых редакторов.

Применение[править | править код]

Python — стабильный и распространённый язык. Он используется во многих проектах и в различных качествах: как основной язык программирования или для создания расширений и интеграции приложений. На Python реализовано большое количество проектов, также он активно используется для создания прототипов будущих программ.

Python является лёгким в изучении языком, и часто изучается как первый язык[25], в том числе используется при обучении детей программированию[183]. Как первый язык он хорошо подходит, поскольку программы на нём близки к естественному языку, на котором люди привыкли думать, а для написания корректной программы требуется минимальное количество ключевых слов. В других же языках, таких как C++, существует большое количество различных синтаксических конструкций и элементов языка, которым приходится уделять внимание вместо изучения алгоритмов[132].

Являясь приложением с открытым исходным кодом, интерпретатор Python используется по всему миру и поставляется в составе операционных систем на базе Linux, а также в компьютерах от фирмы Apple. Python популярен среди индивидуальных разработчиков, но также используется крупными компаниями в достаточно серьёзных продуктах, ориентированных на получение прибыли[184]. На Python написан Reddit[44]. В Dropbox также активно применяется Python, а из-за сложностей динамической типизации и огромного количества кода компания перешла к статической типизации с помощью открытого проекта Mypy[185] Также Python активно используется в Facebook[186] и Instagram[187]. Многие компании используют Python для тестирования аппаратного обеспечения, среди этих компаний значатся Intel, Cisco, Hewlett-Packard и IBM. Industrial Light & Magic и Pixar используют его при создании анимационных фильмов[184].

Язык активно используется компанией Google в её поисковой системе, а Youtube в значительной степени написан с использованием Python[184][188]. Кроме того, Google спонсирует разработку Python с 2010 года[189][190], и поддержку PyPI, основной системы распространения пакетов для Python[189][191].

Сильными сторонами Python являются его модульность и возможность интегрироваться с другими языками программирования, в том числе в составе сложных комплексных приложений и систем[192]. Сочетание простоты и лаконичности с большим количеством возможностей делает Python удобным в качестве скриптового языка[источник не указан 770 дней]. Многие проекты предоставляют прикладной интерфейс программирования на Python для написания скриптов, например, среды 3D-моделирования Autodesk Maya[184], Blender[193] и Houdini[194], а также свободная геоинформационная система QGIS[195]. Некоторые проекты реализуют базовую часть на более производительных языках программирования, а для упрощения работы предоставляют полноценный интерфейс прикладного программирования на Python[источник не указан 770 дней]. Так, движок свободного видеоредактора OpenShot реализован в виде библиотеки libopenshot, написанной на C++ с использованием библиотек на Си, а все возможности полностью покрыты прикладным интерфейсом программирования Python[196][значимость факта?]. Агентство национальной безопасности США использует Python для анализа данных, а NASA использует его при выполнении научных задач[184]. Из инструментов, используемых в NASA, можно отметить свободный графический симулятор сети GNS3[en], который также хорошо зарекомендовал себя в корпоративной среде и используется в технологических компаниях, например, в Intel[197]. На Python написана также свободная популярная программа нарезки 3D моделей для печати на 3D-принтерах Cura[198][199].

Python с пакетами NumPy, SciPy и MatPlotLib активно используется как универсальная среда для научных расчётов в качестве замены распространённым специализированным коммерческим пакетам, таким как Matlab, предоставляя аналогичную функциональность и более низкий порог вхождения[200]. По большей части на Python написана также графическая программа Veusz  (англ.) (рус.[201], позволяющая создавать качественные графики, готовые для размещения в научных публикациях[202][значимость факта?]. Библиотека Astropy — популярный инструмент для астрономических расчётов[203][значимость факта?].

Также Python подходит для выполнения нестандартных или сложных задач в системах сборки проектов, что обусловлено отсутствием необходимости предварительной компиляции исходных файлов. В проекте Google Test он используется для генерации исходного кода mock-объектов для классов языка C++[204][значимость факта?].

Интерпретатор Python может использоваться в качестве мощной командной оболочки и скриптового языка для написания командных файлов ОС. Лёгкость обращения из Python-скриптов к внешним программам и наличие библиотек, дающих доступ к управлению системой, делают Python удобным инструментом для системного администрирования[205]. Он широко используется для этой цели на платформе Linux: обычно Python поставляется с системой, во многих дистрибутивах инсталляторы и визуальный интерфейс системных утилит написаны именно на Python. Используется он и в администрировании других Unix-систем, в частности, в Solaris и macOS[205]. Кроссплатформенность самого языка и библиотек делает его привлекательным для унифицированной автоматизации задач системного администрирования в гетерогенных средах, где совместно применяются компьютеры с операционными системами различных типов.

Будучи языком общего назначения Python применим почти во всех сферах деятельности. Фактически Python используется практически любой солидной компанией тем или иным образом как для выполнения текущих задач, так и в тестировании, администрировании или в разработке программных продуктов[184].

См. также[править | править код]

  • Сравнение интегрированных средств разработки (IDE)

Примечания[править | править код]

Комментарии[править | править код]

  1. 1 2 3 Недоступно непосредственно по имени типа.
  2. Значение в секундах можно получить с помощью команды sys.getswitchinterval()[149] и изменить во время работы программы с помощью sys.setswitchinterval()[150]

Источники[править | править код]

  1. 1 2 3 4 5 https://docs.python.org/3/license.html
  2. It’s time for another set of Python releases! Python 3.11.3, 3.10.11 and 3.12 alpha 7 are now available. — 2023.
  3. Why was Python created in the first place? General Python FAQ. Python Software Foundation. Дата обращения: 22 марта 2007. Архивировано 24 октября 2012 года.
  4. Ada 83 Reference Manual (raise statement). Дата обращения: 7 января 2020. Архивировано 22 октября 2019 года.
  5. Kuchling, Andrew M. Interview with Guido van Rossum (July 1998). amk.ca (22 декабря 2006). Дата обращения: 12 марта 2012. Архивировано 1 мая 2007 года.
  6. 1 2 itertools — Functions creating iterators for efficient looping — Python 3.7.1 documentation. docs.python.org. Дата обращения: 22 ноября 2016. Архивировано 14 июня 2020 года.
  7. van Rossum, Guido (1993). “An Introduction to Python for UNIX/C Programmers”. Proceedings of the NLUUG Najaarsconferentie (Dutch UNIX Users Group). CiteSeerX 10.1.1.38.2023. even though the design of C is far from ideal, its influence on Python is considerable.
  8. 1 2 Classes. The Python Tutorial. Python Software Foundation. — «It is a mixture of the class mechanisms found in C++ and Modula-3». Дата обращения: 20 февраля 2012. Архивировано 23 октября 2012 года.
  9. Lundh, Fredrik Call By Object. effbot.org. — «replace “CLU” with “Python”, “record” with “instance”, and “procedure” with “function or method”, and you get a pretty accurate description of Python’s object model.» Дата обращения: 21 ноября 2017. Архивировано 23 ноября 2019 года.
  10. Simionato, Michele The Python 2.3 Method Resolution Order. Python Software Foundation. — «The C3 method itself has nothing to do with Python, since it was invented by people working on Dylan and it is described in a paper intended for lispers». Дата обращения: 29 июля 2014. Архивировано 20 августа 2020 года.
  11. Kuchling, A. M. Functional Programming HOWTO. Python v2.7.2 documentation. Python Software Foundation. Дата обращения: 9 февраля 2012. Архивировано 24 октября 2012 года.
  12. Schemenauer, Neil; Peters, Tim; Hetland, Magnus Lie PEP 255 – Simple Generators. Python Enhancement Proposals. Python Software Foundation (18 мая 2001). Дата обращения: 9 февраля 2012. Архивировано 5 июня 2020 года.
  13. Smith, Kevin D.; Jewett, Jim J.; Montanaro, Skip; Baxter, Anthony PEP 318 – Decorators for Functions and Methods. Python Enhancement Proposals. Python Software Foundation (2 сентября 2004). Дата обращения: 24 февраля 2012. Архивировано 3 июня 2020 года.
  14. More Control Flow Tools. Python 3 documentation. Python Software Foundation. Дата обращения: 24 июля 2015. Архивировано 4 июня 2016 года.
  15. Historique et licence
  16. https://docs.python.org/3/library/py_compile.html
  17. https://docs.python.org/3/faq/windows.html#is-a-pyd-file-the-same-as-a-dll
  18. https://www.python.org/dev/peps/pep-0488/
  19. https://docs.python.org/3/using/windows.html
  20. https://docs.python.org/3/library/zipapp.html
  21. https://www.python.org/dev/peps/pep-0484/
  22. https://www.python.org/downloads/
  23. Мария «Mifrill» Нефёдова, Создатели языков программирования: Они такие разные, но кодинг их объединяет, Хакер № 09/08 (117). Дата обращения: 1 декабря 2012. Архивировано 2 июля 2013 года.
  24. Прохоренок Н., Дронов В. Введение // Python 3. Самое необходимое, 2-е изд.. — БХВ-Петербург, 2019. — С. 11. — 608 с. — ISBN 9785977539944.
  25. 1 2 3 4 5 6 7 8 9 10 11 12 13 Yogesh Rana. Python: Simple though an Important Programming language (англ.) // International Research Journal of Engineering and Technology (IRJET). — 2019. — 2 February (vol. 06, iss. 2). — P. 1856—1858. — ISSN 2395-0056. Архивировано 11 февраля 2021 года.
  26. SkipMontanaro. Why is Python a dynamic language and also a strongly typed language – Python Wiki (англ.). wiki.python.org (24 февраля 2012). Дата обращения: 14 марта 2021. Архивировано 14 марта 2021 года.
  27. 1 2 3 4 Mark Lutz. A Python Q&A Session (англ.). Learning Python, 3rd Edition [Book]. O’Reilly Media, Inc. (2007). Дата обращения: 11 февраля 2021. Архивировано 8 февраля 2021 года.
  28. Python Introduction | (англ.). Python Education. Google Developers (20 августа 2018). Дата обращения: 21 февраля 2021. Архивировано 4 декабря 2020 года.
  29. 1 2 3 4 Satwik Kansal. Metaprogramming in Python (англ.). IBM (5 апреля 2018). Дата обращения: 14 апреля 2021. Архивировано 27 февраля 2021 года.
  30. 1 2 Alexandre Bergel, Lorenzo Bettini. Generic Programming in Pharo (англ.) // Software and Data Technologies / José Cordeiro, Slimane Hammoudi, Marten van Sinderen. — Berlin, Heidelberg: Springer, 2013. — P. 66–79. — ISBN 978-3-642-45404-2. — doi:10.1007/978-3-642-45404-2_5. Архивировано 13 февраля 2021 года.
  31. 1 2 R. Peschke, K. Nishimura, G. Varner. ARGG-HDL: A High Level Python BasedObject-Oriented HDL Framework (англ.) // IEEE Transactions on Nuclear Science : pre-print. — 2020. — October. — arXiv:011.02626v1. Архивировано 7 ноября 2020 года.
  32. 1 2 Steven F. Lott. Aspect-oriented programming (англ.). Mastering Object-Oriented Python – Second Edition. Packt Publishing (2019). Дата обращения: 21 февраля 2021. Архивировано 21 февраля 2021 года.
  33. Arne Bachmann, Henning Bergmeyer, Andreas Schreiber. Evaluation of aspect-oriented frameworks in Python for extending a project with provenance documentation features (англ.) // The Python Papers. — 2011. — Vol. 6, iss. 3. — P. 1–18. — ISSN 1834-3147. Архивировано 22 апреля 2018 года.
  34. Steven Cooper. Data Science from Scratch: The #1 Data Science Guide for Everything A Data Scientist Needs to Know: Python, Linear Algebra, Statistics, Coding, Applications, Neural Networks, and Decision Trees. — Roland Bind, 2018. — 126 с. Архивная копия от 21 февраля 2021 на Wayback Machine
  35. Reuven M. Lerner. Multiprocessing in Python (англ.). Linux Journal (16 апреля 2018). Дата обращения: 14 февраля 2021. Архивировано 14 февраля 2021 года.
  36. David Beazley, Brian K. Jones. 10. Modules and Packages – Python Cookbook, 3rd Edition [Book] (англ.). Python Cookbook, 3rd Edition. O’Reilly Media, Inc. (2013). Дата обращения: 21 февраля 2021. Архивировано 21 февраля 2021 года.
  37. About Python. Дата обращения: 7 августа 2007. Архивировано 11 августа 2007 года.
  38. PythonImplementations – Python Wiki (англ.). wiki.python.org (21 июля 2020). Дата обращения: 17 февраля 2021. Архивировано 11 ноября 2020 года.
  39. History and License (англ.). Python. Дата обращения: 21 мая 2021. Архивировано 5 декабря 2016 года.
  40. 1 2 3 4 Mostafa Chandra Krintz, C. Cascaval, D. Edelsohn, P. Nagpurkar, P. Wu. Understanding the Potential of Interpreter-based Optimizations for Python (англ.) // UCSB Technical Report. — 2010. — 11 August. Архивировано 23 февраля 2021 года.
  41. 1 2 3 J. Akeret, L. Gamper, A. Amara, A. Refregier. HOPE: A Python just-in-time compiler for astrophysical computations (англ.) // Astronomy and Computing. — 2015. — 1 April (vol. 10). — P. 1–8. — ISSN 2213-1337. — doi:10.1016/j.ascom.2014.12.001. — arXiv:1410.4345v2. Архивировано 15 февраля 2021 года.
  42. 1 2 PEP 373 — Python 2.7 Release Schedule (англ.) (23 марта 2014). Дата обращения: 7 марта 2021. Архивировано 25 февраля 2021 года.
  43. 1 2 3 4 Berk Ekmekci, Charles E. McAnany, Cameron Mura. An Introduction to Programming for Bioscientists: A Python-Based Primer (англ.) // PLOS Computational Biology. — 2016. — 6 July (vol. 12, iss. 6). — P. e1004867. — ISSN 1553-7358. — doi:10.1371/journal.pcbi.1004867. — PMID 27271528. Архивировано 16 февраля 2021 года.
  44. 1 2 3 Kalyani Adawadkar. Python Programming – Applications and Future (англ.) // International Journal of Advance Engineering and Research Development. — 2017. — April (iss. SIEICON-2017). — P. 1—4. — ISSN 2348-447. Архивировано 15 июля 2020 года.
  45. 1 2 Ethan Bommarito, Michael James Bommarito. An Empirical Analysis of the Python Package Index (PyPI) (англ.) // Social Science Research Network. — Rochester, NY: Social Science Research Network, 2019. — 25 July. — doi:10.2139/ssrn.3426281. — arXiv:arXiv:1907.11073v2. Архивировано 9 июня 2021 года.
  46. Pratik Desai. Python Programming for Arduino. — Packt Publishing Ltd, 2015. — С. 8. — 400 с. — ISBN 978-1-78328-594-5. Архивная копия от 21 февраля 2021 на Wayback Machine
  47. 1 2 Sebastian Bassi. A Primer on Python for Life Science Researchers (англ.) // PLOS Computational Biology. — 2007. — 30 November (vol. 3, iss. 11). — P. e199. — ISSN 1553-7358. — doi:10.1371/journal.pcbi.0030199. Архивировано 13 марта 2021 года.
  48. TIOBE Index (англ.). tiobe.com. TIOBE – The Software Quality Company. Дата обращения: 12 октября 2021. Архивировано 12 октября 2021 года.
  49. Python | TIOBE – The Software Quality Company. www.tiobe.com. Дата обращения: 13 февраля 2021. Архивировано 6 февраля 2021 года.
  50. Архивированная копия. Дата обращения: 1 июня 2009. Архивировано из оригинала 17 февраля 2016 года.
  51. 1 2 General Python FAQ. Python v2.7.3 documentation. Docs.python.org. Дата обращения: 4 июня 2020. Архивировано 24 октября 2012 года.
  52. Index of Python Enhancement Proposals (PEPs). Дата обращения: 28 января 2007. Архивировано 28 января 2007 года.
  53. Python 3.0 Release. Дата обращения: 1 июня 2009. Архивировано 2 июня 2009 года.
  54. PEP 373 — Python 2.7 Release Schedule. python.org. Дата обращения: 9 января 2017. Архивировано 19 мая 2020 года.
  55. PEP 466 — Network Security Enhancements for Python 2.7.x. python.org. Дата обращения: 9 января 2017. Архивировано 4 июня 2020 года.
  56. Sunsetting Python 2 (англ.). Python.org. Дата обращения: 22 сентября 2019. Архивировано 12 января 2020 года.
  57. Python Developer’s Guide — Python Developer’s Guide. devguide.python.org. Дата обращения: 17 декабря 2019. Архивировано 9 ноября 2020 года.
  58. Extending and Embedding the Python Interpreter: Reference Counts (англ.). Docs.python.org. — «Since Python makes heavy use of malloc() and free(), it needs a strategy to avoid memory leaks as well as the use of freed memory. The chosen method is called reference countingДата обращения: 5 июня 2020. Архивировано 18 октября 2012 года.
  59. Hettinger, Raymond PEP 289 – Generator Expressions. Python Enhancement Proposals. Python Software Foundation (30 января 2002). Дата обращения: 19 февраля 2012. Архивировано 14 июня 2020 года.
  60. 6.5 itertools – Functions creating iterators for efficient looping. Docs.python.org. Дата обращения: 22 ноября 2016. Архивировано 14 июня 2020 года.
  61. PEP 20 — The Zen of Python. Дата обращения: 23 сентября 2005. Архивировано 17 июля 2005 года.
  62. Бейдер Дэн. Чистый Python. Тонкости программирования для профи. — “Издательский дом “”Питер”””, 2018. — С. 64—65. — 288 с. — ISBN 978-5-4461-0803-9. Архивная копия от 10 апреля 2021 на Wayback Machine
  63. Venners, Bill The Making of Python. Artima Developer. Artima (13 января 2003). Дата обращения: 22 марта 2007. Архивировано 1 сентября 2016 года.
  64. Peters, Tim PEP 20 – The Zen of Python. Python Enhancement Proposals. Python Software Foundation (19 августа 2004). Дата обращения: 24 ноября 2008. Архивировано 26 декабря 2018 года.
  65. Alex Martelli, Anna Ravenscroft, David Ascher. Python Cookbook, 2nd Edition. — O’Reilly Media, 2005. — P. 230. — ISBN 978-0-596-00797-3. Архивная копия от 23 февраля 2020 на Wayback Machine
  66. Python Culture. ebeab (21 января 2014). Архивировано из оригинала 30 января 2014 года.
  67. Mark Summerfield. Python in Practice: Create Better Programs Using Concurrency, Libraries, and Patterns. — Addison-Wesley, 2013-08-20. — С. 201. — 326 с. — ISBN 978-0-13-337323-3. Архивная копия от 9 июня 2021 на Wayback Machine
  68. 15 Ways Python Is a Powerful Force on the Web. Дата обращения: 28 декабря 2020. Архивировано из оригинала 11 мая 2019 года.
  69. 8.18. pprint — Data pretty printer — Python 3.8.3 documentation. docs.python.org. Дата обращения: 28 декабря 2020. Архивировано 22 января 2021 года.
  70. Python on Android (англ.) (недоступная ссылка — история). www.damonkohler.com. Дата обращения: 19 декабря 2009. Архивировано 28 января 2011 года.
  71. Port-Specific Changes: Windows (англ.) (недоступная ссылка — история). Python v2.6.1 documentation. What’s New in Python 2.6. Python Software Foundation. Дата обращения: 11 декабря 2008. Архивировано 28 января 2011 года.
  72. 3. Using Python on Windows — Python 3.5.9 documentation (англ.). Python Documentation. Python Software Foundation. Дата обращения: 8 июня 2020. Архивировано 15 октября 2020 года.
  73. Drop support of Windows Vista and 7 in Python 3.9 (англ.). Дата обращения: 10 января 2021. Архивировано 4 ноября 2020 года.
  74. 1 2 Рамальо, 2016, p. 61.
  75. 15. Floating Point Arithmetic: Issues and Limitations — Python 3.8.3 documentation. docs.python.org. — «Almost all machines today (November 2000) use IEEE-754 floating point arithmetic, and almost all platforms map Python floats to IEEE-754 “double precision”.» Дата обращения: 6 июня 2020. Архивировано 6 июня 2020 года.
  76. Moshe Zadka, Guido van Rossum. PEP 237 – Unifying Long Integers and Integers. Python Enhancement Proposals. Python Software Foundation (11 марта 2001). Дата обращения: 24 сентября 2011. Архивировано 28 мая 2020 года.
  77. Built-in Types. Дата обращения: 3 октября 2019. Архивировано 14 июня 2020 года.
  78. 1 2 Рамальо, 2016, pp. 52—54.
  79. Fredrik Lundh. Call By Object (англ.). effbot.org. Дата обращения: 31 мая 2014. Архивировано из оригинала 23 ноября 2019 года.
  80. Foreword for «Programming Python» (1st ed.) (англ.). Дата обращения: 7 марта 2021. Архивировано 20 января 2021 года.
  81. 2.3.2. Reserved classes of identifiers. Python documentation (18 октября 2009). Архивировано 28 января 2011 года.
  82. …целостность больших проектов на Python строится на двух вещах: тесты и doc-строка. Дата обращения: 31 октября 2008. Архивировано 21 октября 2008 года.
  83. Steve D. Jost. Structured Programming Details. IT 211, DePaul University (2019). Дата обращения: 17 февраля 2021. Архивировано 29 апреля 2020 года.
  84. PyDBC: method preconditions, method postconditions and class invariants for Python. Дата обращения: 24 сентября 2011. Архивировано 23 ноября 2019 года.
  85. Contracts for Python. Дата обращения: 24 сентября 2011. Архивировано 15 июня 2020 года.
  86. PyDatalog. Дата обращения: 22 июля 2012. Архивировано 13 июня 2020 года.
  87. 1 2 3 Object-oriented programming in Python (англ.). IBM Developer. ibm.com (20 октября 2020). Дата обращения: 11 марта 2021. Архивировано 11 марта 2021 года.
  88. 1 2 3 9. Classes (англ.). Python 3.9.2 documentation. docs.python.org. Дата обращения: 14 марта 2021. Архивировано 14 марта 2021 года.
  89. Fawzi Albalooshi, Amjad Mahmood. A Comparative Study on the Effect of Multiple Inheritance Mechanism in Java, C++, and Python on Complexity and Reusability of Code (англ.) // International Journal of Advanced Computer Science and Applications (IJACSA). — 2017. — Vol. 8, iss. 6. — ISSN 2156-5570. — doi:10.14569/IJACSA.2017.080614. Архивировано 10 июля 2020 года.
  90. Michele Simionato. The Python 2.3 Method Resolution Order (англ.). Python.org. Дата обращения: 14 марта 2021. Архивировано 14 марта 2021 года.
  91. PEP 484 — Type Hints (англ.). Python.org (24 сентября 2014). Дата обращения: 13 февраля 2021. Архивировано 9 февраля 2021 года.
  92. Jukka Lehtosalo. Generics (англ.). Mypy 0.800 documentation. Read the Docs (2016). Дата обращения: 13 февраля 2021. Архивировано 13 февраля 2021 года.
  93. 1 2 Рамальо, 2016, pp. 188—191.
  94. 1 2 David Mertz. Functional Programming in Python. — O’Reilly, 2015. — ISBN 978-1491928561.
  95. Рамальо, 2016, p. 273.
  96. Рамальо, 2016, pp. 613—708.
  97. Патрик О’Брайен. Руководство по интроспекции на Python / Intersoft Lab.
  98. Beazley, 2009, pp. 222—225.
  99. 1 2 3 Рамальо, 2016, pp. 214—246.
  100. Рамальо, 2016, pp. 686—688.
  101. 6.2. re — Regular expression operations — Python 3.5.1 documentation. Дата обращения: 11 мая 2016. Архивировано 18 июля 2018 года.
  102. A.M. Kuchling. PEP 206 — Python Advanced Library, Python.org (14.07.2000). Архивировано 5 мая 2021 года. Дата обращения: 4 апреля 2021.
  103. eGenix.com — Professional Python Software, Skills and Services. Дата обращения: 29 января 2007. Архивировано 28 января 2007 года.
  104. numarray Home Page. Дата обращения: 5 февраля 2007. Архивировано 9 июня 2021 года.
  105. PEP333. Дата обращения: 29 января 2007. Архивировано 9 июня 2021 года.
  106. Pyste Documentation. Дата обращения: 3 февраля 2007. Архивировано из оригинала 3 февраля 2007 года.
  107. Архивированная копия. Дата обращения: 3 февраля 2007. Архивировано из оригинала 8 февраля 2007 года.
  108. Архивированная копия. Дата обращения: 3 февраля 2007. Архивировано 8 февраля 2007 года.
  109. Boost.Python. Дата обращения: 3 февраля 2007. Архивировано 3 февраля 2007 года.
  110. http://www.drdobbs.com/building-hybrid-systems-with-boostpython/184401666 Архивная копия от 13 октября 2015 на Wayback Machine Building Hybrid Systems with Boost.Python
  111. PyCXX: Write Python Extensions in C. Дата обращения: 3 февраля 2007. Архивировано 3 февраля 2007 года.
  112. Мост между C++ и Python. Дата обращения: 15 мая 2014. Архивировано 18 декабря 2014 года.
  113. PyInline: Mix Other Languages directly Inline with your Python. Дата обращения: 3 февраля 2007. Архивировано 15 января 2007 года.
  114. Weave. Дата обращения: 3 февраля 2007. Архивировано из оригинала 1 марта 2007 года.
  115. wxPython. Дата обращения: 30 сентября 2008. Архивировано 9 июня 2021 года.
  116. The GTK Team. The GTK Project – A free and open-source cross-platform widget toolkit (англ.). The GTK Team (5 июня 2015). Дата обращения: 25 января 2021. Архивировано 27 ноября 2020 года.
  117. PyOpenGL — The Python OpenGL Binding. Дата обращения: 9 февраля 2007. Архивировано 15 июня 2011 года.
  118. PyOgre : Ogre Wiki. Дата обращения: 9 февраля 2007. Архивировано из оригинала 6 февраля 2007 года.
  119. pythonOCC, 3D CAD/CAE/PLM development framework for the Python programming language. Дата обращения: 28 марта 2009. Архивировано 8 августа 2011 года.
  120. Open CASCADE Technology, 3D modeling & numerical simulation. Дата обращения: 28 марта 2009. Архивировано 18 марта 2009 года.
  121. Typechecking module for Python. Дата обращения: 10 февраля 2007. Архивировано из оригинала 4 февраля 2007 года.
  122. Method signature checking decorators ” Python recipes ” ActiveState Code. Дата обращения: 16 февраля 2008. Архивировано 13 февраля 2008 года.
  123. PEP-3107. Дата обращения: 16 февраля 2007. Архивировано 8 мая 2007 года.
  124. FrontPage — The PEAK Developers’ Center. Дата обращения: 19 марта 2008. Архивировано 12 мая 2008 года.
  125. PEAK-Rules. Дата обращения: 19 марта 2008. Архивировано 23 июля 2008 года.
  126. PEP-3124. Дата обращения: 25 мая 2007. Архивировано 3 июля 2007 года.
  127. overloading-lib Архивная копия от 17 сентября 2013 на Wayback Machine, Библиотека динамической перегрузки функций и методов основанной на типах аргументов для языка python
  128. PyChecker: a python source code checking tool. Дата обращения: 3 февраля 2007. Архивировано 2 февраля 2007 года.
  129. pylint (analyzes Python source code looking for bugs and signs of poor quality.) (Logilab.org). Дата обращения: 3 февраля 2007. Архивировано 12 февраля 2007 года.
  130. Pylint 1.0.0 documentation, Introduction. Дата обращения: 23 ноября 2013. Архивировано 2 декабря 2013 года.
  131. 1 2 3 4 Mathieu Fourment, Michael R. Gillings. A comparison of common programming languages used in bioinformatics (англ.) // BMC Bioinformatics. — 2008. — 5 February (vol. 9, iss. 1). — P. 82. — ISSN 1471-2105. — doi:10.1186/1471-2105-9-82. Архивировано 19 марта 2021 года.
  132. 1 2 3 4 5 6 7 8 A Bogdanchikov, M Zhaparov, R Suliyev. Python to learn programming (англ.) // Journal of Physics: Conference Series. — 2013-04-10. — 10 April (vol. 423). — P. 012027. — ISSN 1742-6596 1742-6588, 1742-6596. — doi:10.1088/1742-6596/423/1/012027. Архивировано 9 июня 2021 года.
  133. Pascal Fua, Krzysztof Lis. Comparing Python, Go, and C++ on the N-Queens Problem // Computer Vision Laboratory, EPFL. — 2020. Архивировано 12 марта 2020 года.
  134. Guido van Rossum. Comparing Python to Other Languages (англ.). Python.org (1997). Дата обращения: 16 марта 2021. Архивировано 16 марта 2021 года.
  135. Muhammad Shoaib Farooq, Sher Afzal Khan, Farooq Ahmad, Saeed Islam, Adnan Abid. An Evaluation Framework and Comparative Analysis of the Widely Used First Programming Languages (англ.) // PLoS ONE. — 2014. — 24 February (vol. 9, iss. 2). — ISSN 1932-6203. — doi:10.1371/journal.pone.0088941. — PMID 24586449. Архивировано 15 марта 2021 года.
  136. Kincaid, Jason. Google’s Go: A New Programming Language That’s Python Meets C++, TechCrunch (10 November 2009). Архивировано 18 января 2010 года. Дата обращения: 16 февраля 2021.
  137. Ceyhun Ozgur, Taylor Colliau, Grace Rogers, Zachariah Hughes, Elyse “Bennie” Myer-Tyson. MatLab vs. Python vs. R (англ.) // Journal of Data Science. — 2017. — Vol. 15. — P. 355—372. — ISSN 1680-743X. Архивировано 11 апреля 2021 года.
  138. Alex MacCaw. The Little Book on CoffeeScript. — O’Reilly, 2012. — ISBN 9781449321055.
  139. Proposals: iterators and generators [ES4 Wiki]. wiki.ecmascript.org. Дата обращения: 24 ноября 2008. Архивировано из оригинала 20 октября 2007 года.
  140. Strachan, James Groovy – the birth of a new dynamic language for the Java platform (29 августа 2003). Дата обращения: 11 июня 2007. Архивировано из оригинала 5 апреля 2007 года.
  141. Why We Created Julia. Julia website (февраль 2012). — «We want something as usable for general programming as Python […]». Дата обращения: 5 июня 2014. Архивировано 2 мая 2020 года.
  142. Yegulalp, Serdar Nim language draws from best of Python, Rust, Go, and Lisp. InfoWorld (16 января 2017). — «Nim’s syntax is strongly reminiscent of Python’s, as it uses indented code blocks and some of the same syntax (such as the way if/elif/then/else blocks are constructed).» Дата обращения: 16 февраля 2021. Архивировано 13 октября 2018 года.
  143. An Interview with the Creator of Ruby. Linuxdevcenter.com. Дата обращения: 3 декабря 2012. Архивировано 28 апреля 2018 года.
  144. Lattner, Chris Chris Lattner’s Homepage. Chris Lattner (3 июня 2014). — «I started work on the Swift Programming Language in July of 2010. I implemented much of the basic language structure, with only a few people knowing of its existence. A few other (amazing) people started contributing in earnest late in 2011, and it became a major focus for the Apple Developer Tools group in July 2013 […] drawing ideas from Objective-C, Rust, Haskell, Ruby, Python, C#, CLU, and far too many others to list.» Дата обращения: 3 июня 2014. Архивировано 22 декабря 2015 года.
  145. Python / C++ GNU g++ (недоступная ссылка — история). Computer Language Benchmarks Game. ???. Дата обращения: 1 июля 2009. Архивировано 28 января 2011 года.
  146. unladen-swallow. A faster implementation of Python (недоступная ссылка — история). code.google. — «Goals: … Produce a version of Python at least 5x faster than CPython». Дата обращения: 22 июня 2009. Архивировано 28 января 2011 года.
  147. Яворски, Зиаде, 2021, p. 466.
  148. Palach, 2014, pp. 16—17.
  149. sys#sys.getswitchinterval(). Документация Python. Дата обращения: 25 октября 2021. Архивировано 25 октября 2021 года.
  150. sys#sys.setswitchinterval(). Документация Python. Дата обращения: 25 октября 2021. Архивировано 25 октября 2021 года.
  151. Guido van Rossum. the future of the GIL. Python Mailing Lists (8 мая 2007). Дата обращения: 3 марта 2021. Архивировано 9 ноября 2020 года.
  152. Guido van Rossum. It isn’t Easy to Remove the GIL. artima.com (10 сентября 2007). Дата обращения: 3 марта 2021. Архивировано 6 июня 2019 года.
  153. Python-Dev] Reworking the GIL. Дата обращения: 7 декабря 2010. Архивировано 10 июня 2011 года.
  154. Python 3000 FAQ. Дата обращения: 8 августа 2007. Архивировано 9 ноября 2020 года.
  155. 1 2 python-safethread — Project Hosting on Google Code. Дата обращения: 21 августа 2008. Архивировано 1 августа 2008 года.
  156. Python Package Index : processing 0.52. Дата обращения: 8 августа 2007. Архивировано 13 октября 2007 года.
  157. perlthrtut — perldoc.perl.org. Дата обращения: 10 апреля 2008. Архивировано 22 мая 2008 года.
  158. Parallel Python — Home. Дата обращения: 8 августа 2007. Архивировано из оригинала 28 мая 2010 года.
  159. pyMPI.sourceforge.net: Putting the py in MPI. Дата обращения: 8 августа 2007. Архивировано 18 октября 2007 года.
  160. 1 2 zephyrfalcon.org :: labs :: 10 Python pitfalls
  161. Reeta Sahoo, Gagan Sahoo. Computer Science with Python. — New Delhi: New Saraswati House India Pvt Ltd, 2016. — С. 3.35—3.36. — 458 с. — ISBN 978-93-5199-980-5. Архивная копия от 22 января 2021 на Wayback Machine
  162. Luciano Ramalho. Python tuples: immutable but potentially changing – O’Reilly Radar (англ.). radar.oreilly.com. O’Reilly (15 октября 2014). Дата обращения: 16 января 2021. Архивировано 16 января 2021 года.
  163. 8. Compound statements — Python 3.7.2 documentation. docs.python.org. Дата обращения: 5 февраля 2019. Архивировано 27 ноября 2019 года.
  164. Obi Ike-Nwosu. Read Inside The Python Virtual Machine | Leanpub. Inside The Python Virtual Machine. leanpub.com. Дата обращения: 23 марта 2021. Архивировано 29 января 2021 года.
  165. 1 2 Получено с помощью dis.dis('print("Hello World!")').
  166. К. Рейт, Т. Шлюссер, 2017, p. 23.
  167. Python for S60 — OpenSource Архивировано 6 августа 2009 года.
  168. IronPython. Дата обращения: 24 июля 2007. Архивировано 18 августа 2006 года.
  169. Python for .NET. Дата обращения: 10 февраля 2007. Архивировано 16 февраля 2007 года.
  170. PEP 3146 — Merging Unladen Swallow into CPython. Дата обращения: 8 июня 2010. Архивировано 3 июня 2010 года.
  171. QINSB is not a Software Blog: Unladen Swallow Retrospective. Дата обращения: 19 мая 2012. Архивировано 22 марта 2012 года.
  172. tinypy. Дата обращения: 21 августа 2008. Архивировано 18 сентября 2008 года.
  173. MicroPython. Дата обращения: 4 июня 2014. Архивировано 6 июня 2014 года.
  174. Сайт проекта Brython. Дата обращения: 6 ноября 2014. Архивировано 20 октября 2014 года.
  175. Сайт проекта QPython. Дата обращения: 3 февраля 2015. Архивировано 4 февраля 2015 года.
  176. Сайт проекта Grumpy. Дата обращения: 17 февраля 2021. Архивировано 9 ноября 2020 года.
  177. PyPy[coding-guide]. Дата обращения: 24 июля 2007. Архивировано из оригинала 7 июля 2007 года.
  178. PyPy carbonpython. Дата обращения: 24 июля 2007. Архивировано из оригинала 12 сентября 2007 года.
  179. Pyrex. Дата обращения: 3 февраля 2007. Архивировано 26 сентября 2018 года.
  180. Cython: C-Extensions for Python. Дата обращения: 28 июля 2007. Архивировано 11 августа 2007 года.
  181. Архивированная копия. Дата обращения: 1 июня 2006. Архивировано из оригинала 4 августа 2018 года.
  182. bpython interpreter. Дата обращения: 17 февраля 2011. Архивировано 11 мая 2011 года.
  183. Васильев Денис Алексеевич. Методические особенности изучения языка Python школьниками // Символ науки. — 2017. — № 1.
  184. 1 2 3 4 5 6 Mark Lutz. Learning Python: Powerful Object-Oriented Programming (англ.). — O’Reilly Media, Inc., 2009-10-06. — P. 7—8. — 1218 p. — ISBN 978-1-4493-7932-2. Архивная копия от 10 апреля 2021 на Wayback Machine
  185. Jukka Lehtosalo. Our journey to type checking 4 million lines of Python (англ.). dropbox.tech. Dropbox (5 сентября 2019). Дата обращения: 22 сентября 2020. Архивировано 22 сентября 2020 года.
  186. Python in production engineering. Дата обращения: 21 января 2017. Архивировано 2 февраля 2017 года.
  187. What Powers Instagram: Hundreds of Instances, Dozens of Technologies. Дата обращения: 21 января 2017. Архивировано 9 июня 2021 года.
  188. Grumpy: Go running Python! Архивная копия от 20 января 2017 на Wayback Machine — статья в Google Open Source Blog
  189. 1 2 Christina Cardoza. Google recommits to the Python ecosystem, SD Times (12.02.2021). Архивировано 25 февраля 2021 года. Дата обращения: 4 апреля 2021.
  190. Welcoming Google as a Visionary Sponsor of the PSF, News from the Python Software Foundation (11.02.2021). Архивировано 9 апреля 2021 года. Дата обращения: 4 апреля 2021.
  191. Google Cloud финансирует экосистему Python, Издательство «Открытые системы» (02.03.2021). Архивировано 9 июня 2021 года. Дата обращения: 4 апреля 2021.
  192. Eilif Muller, James A. Bednar, Markus Diesmann, Marc-Oliver Gewaltig, Michael Hines. Python in neuroscience (англ.) // Frontiers in Neuroinformatics. — 2015. — 14 April (vol. 9). — ISSN 1662-5196. — doi:10.3389/fninf.2015.00011. Архивировано 30 ноября 2020 года.
  193. Scripting & Extending Blender : Introduction (англ.). Blender Manual. Blender. Дата обращения: 21 сентября 2020. Архивировано 21 сентября 2020 года.
  194. Python Scripting (англ.). www.sidefx.com. Дата обращения: 27 сентября 2020. Архивировано 29 сентября 2020 года.
  195. Building a plugin for QGIS (англ.). Geographic Informations Systems (GIS) Program. National Center for Atmospheric Research. Дата обращения: 23 сентября 2020. Архивировано 23 сентября 2020 года.
  196. Jonathan Thomas. OpenShot Video Editor for Windows, Mac, and Linux (англ.). Kickstarter (4 марта 2020). Дата обращения: 23 сентября 2020. Архивировано 23 сентября 2020 года.
  197. Using GNS3 with Fedora (амер. англ.). Fedora Magazine (28 августа 2019). Дата обращения: 22 сентября 2020. Архивировано 1 октября 2020 года.
  198. Ultimaker Cura GitHub. Дата обращения: 19 сентября 2020. Архивировано 17 сентября 2020 года.
  199. natol Locker. 2020 Best 3D Printer Slicer Software (англ.). All3DP (2 января 2020). — «The list is sorted by popularity (via Alexa rank)». Дата обращения: 24 сентября 2020. Архивировано 13 августа 2020 года.
  200. Peter Jurica, Cees Van Leeuwen. OMPC: an open-source MATLAB®-to-Python compiler (англ.) // Frontiers in Neuroinformatics. — 2009. — Т. 3. — ISSN 1662-5196. — doi:10.3389/neuro.11.005.2009. Архивировано 29 ноября 2020 года.
  201. Veusz Development (англ.). Veusz. Github Pages. Дата обращения: 2 октября 2020. Архивировано 2 октября 2020 года.
  202. Fisher, M. Plot with a purpose : [арх. 2 октября 2020] // Writing for Conservation : [англ.]. — Fauna & Flora International, Cambridge, 2019.
  203. The Astropy Collaboration, A. M. Price-Whelan, B. M. Sipőcz, H. M. Günther, P. L. Lim, S. M. Crawford, S. Conseil, D. L. Shupe, M. W. Craig, N. Dencheva. The Astropy Project: Building an Open-science Project and Status of the v2.0 Core Package : [англ.] : [арх. 3 октября 2020] // The Astronomical Journal. — 2018. — Т. 156, вып. 3 (24 August). — С. 123. — ISSN 1538-3881. — doi:10.3847/1538-3881/aabc4f.
  204. The Google Mock class generator README. Google Test. github.com. Дата обращения: 3 февраля 2019. Архивировано 9 июня 2021 года.
  205. 1 2 Noah Gift, Jeremy M. Jones. Python for Unix and Linux System Administration. — ISBN 978-0-596-51582-9.

Литература[править | править код]

  • Лучано Рамальо. Python. К вершинам мастерства : [рус.] = Fluent Python. O’Reilly, 2015 : [пер. с англ.]. — ДМК Пресс, 2016.
  • Кеннет Рейтц, Таня Шлюссер. Автостопом по Python : [рус.] = The Hitchhiker`s Guide to Python : [пер. с англ.]. — Издательский дом «Питер», 2017. — ISBN 9785496030236.
  • David M. Beazley. Python Essential Reference. — 4th Edition. — Addison-Wesley Professional, 2009. — 717 с. — ISBN 978-0672329784.
  • Jan Palach. Parallel Programming with Python. — Packt Publishing Ltd, 2014.
  • Яворски Михал, Зиаде Тарек. Python. Лучшие практики и инструменты : [рус.] = Expert Python Programming : [пер. с англ.]. — Издательский дом «Питер», 2021.
  • Программирование на языке высокого уровня Python. — Москва: Издательство Юрайт, 2022. — 210 с. — (Высшее образование). — ISBN 978-5-534-14638-7.

Ссылки[править | править код]

  • Официальный сайт (англ.)

Время на прочтение
9 мин

Количество просмотров 1.2M

Python Logo

На сайте Poromenos’ Stuff была
опубликована статья, в которой, в сжатой форме,
рассказывают об основах языка Python. Я предлагаю вам перевод этой статьи. Перевод не дословный. Я постарался подробнее объяснить некоторые моменты, которые могут быть непонятны.

Если вы собрались изучать язык Python, но не можете найти подходящего руководства, то эта
статья вам очень пригодится! За короткое время, вы сможете познакомиться с
основами языка Python. Хотя эта статья часто опирается
на то, что вы уже имеете опыт программирования, но, я надеюсь, даже новичкам
этот материал будет полезен. Внимательно прочитайте каждый параграф. В связи с
сжатостью материала, некоторые темы рассмотрены поверхностно, но содержат весь
необходимый метриал.

Основные свойства

Python не требует явного объявления переменных, является регистро-зависим (переменная var не эквивалентна переменной Var или VAR — это три разные переменные) объектно-ориентированным языком.

Синтаксис

Во первых стоит отметить интересную особенность Python. Он не содержит операторных скобок (begin..end в pascal или {..}в Си), вместо этого блоки выделяются отступами: пробелами или табуляцией, а вход в блок из операторов осуществляется двоеточием. Однострочные комментарии начинаются со знака фунта «#», многострочные — начинаются и заканчиваются тремя двойными кавычками «”””».
Чтобы присвоить значение пременной используется знак «=», а для сравнения —
«==». Для увеличения значения переменной, или добавления к строке используется оператор «+=», а для уменьшения — «-=». Все эти операции могут взаимодействовать с большинством типов, в том числе со строками. Например

>>> myvar = 3
>>> myvar += 2
>>> myvar -= 1
“”«Это многострочный комментарий
Строки заключенные в три двойные кавычки игнорируются»””

>>> mystring = «Hello»
>>> mystring += ” world.”
>>> print mystring
Hello world.
# Следующая строка меняет
значения переменных местами. (Всего одна строка!)

>>> myvar, mystring = mystring, myvar

Структуры данных

Python содержит такие структуры данных как списки (lists), кортежи (tuples) и словари (dictionaries). Списки — похожи на одномерные массивы (но вы можете использовать Список включающий списки — многомерный массив), кортежи — неизменяемые списки, словари — тоже списки, но индексы могут быть любого типа, а не только числовыми. “Массивы” в Python могут содержать данные любого типа, то есть в одном массиве может могут находиться числовые, строковые и другие типы данных. Массивы начинаются с индекса 0, а последний элемент можно получить по индексу -1 Вы можете присваивать переменным функции и использовать их соответственно.

>>> sample = [1, [«another», «list»], («a», «tuple»)] #Список состоит из целого числа, другого списка и кортежа
>>> mylist = [«List item 1», 2, 3.14] #Этот список содержит строку, целое и дробное число
>>> mylist[0] = «List item 1 again» #Изменяем первый (нулевой) элемент листа mylist
>>> mylist[-1] = 3.14 #Изменяем последний элемент листа
>>> mydict = {«Key 1»: «Value 1», 2: 3, «pi»: 3.14} #Создаем словарь, с числовыми и целочисленным индексами
>>> mydict[«pi»] = 3.15 #Изменяем элемент словаря под индексом «pi».
>>> mytuple = (1, 2, 3) #Задаем кортеж
>>> myfunction = len #Python позволяет таким образом объявлять синонимы функции
>>> print myfunction(list)
3

Вы можете использовать часть массива, задавая первый и последний индекс через двоеточие «:». В таком случае вы получите часть массива, от первого индекса до второго не включительно. Если не указан первый элемент, то отсчет начинается с начала массива, а если не указан последний — то масив считывается до последнего элемента. Отрицательные значения определяют положение элемента с конца. Например:

>>> mylist = [«List item 1», 2, 3.14]
>>> print mylist[:] #Считываются все элементы массива
[‘List item 1’, 2, 3.1400000000000001]
>>> print mylist[0:2] #Считываются нулевой и первый элемент массива.
[‘List item 1’, 2]
>>> print mylist[-3:-1] #Считываются элементы от нулевого (-3) до второго (-1) (не включительно)
[‘List item 1’, 2]
>>> print mylist[1:] #Считываются элементы от первого, до последнего
[2, 3.14]

Строки

Строки в Python обособляются кавычками двойными «”» или одинарными «’». Внутри двойных ковычек могут присутствовать одинарные или наоборот. К примеру строка «Он сказал ‘привет’!» будет выведена на экран как «Он сказал ‘привет’!». Если нужно использовать строку из несколько строчек, то эту строку надо начинать и заканчивать тремя двойными кавычками «”””». Вы можете подставить в шаблон строки элементы из кортежа или словаря. Знак процента «%» между строкой и кортежем, заменяет в строке символы «%s» на элемент кортежа. Словари позволяют вставлять в строку элемент под заданным индексом. Для этого надо использовать в строке конструкцию «%(индекс)s». В этом случае вместо «%(индекс)s» будет подставлено значение словаря под заданным индексом.

>>>print «Name: %snNumber: %snString: %s» % (myclass.name, 3, 3 * “-“)
Name: Poromenos
Number: 3
String: —  
strString = “”«Этот текст расположен
на нескольких строках»””

 
>>>

print «This %(verb)s a %(noun)s.» % {«noun»: «test», «verb»: «is»}
This is a test.

Операторы

Операторы while, if, for составляют операторы перемещения. Здесь нет аналога оператора select, так что придется обходиться if. В операторе for происходит сравнение переменной и списка. Чтобы получить список цифр до числа <number> — используйте функцию range(<number>). Вот пример использования операторов

rangelist = range(10) #Получаем список из десяти цифр (от 0 до 9)
>>> print rangelist
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
for number in rangelist: #Пока переменная number (которая каждый раз увеличивается на единицу) входит в список…
# Проверяем входит ли переменная
# numbers в кортеж чисел (3, 4, 7, 9)
if number in (3, 4, 7, 9): #Если переменная number входит в кортеж (3, 4, 7, 9)…
# Операция «break» обеспечивает
# выход из цикла в любой момент
break
else:
# «continue» осуществляет «прокрутку»
# цикла. Здесь это не требуется, так как после этой операции
# в любом случае программа переходит опять к обработке цикла
continue
else:
# «else» указывать необязательно. Условие выполняется
# если цикл не был прерван при помощи «break».
pass # Ничего не делатьif rangelist[1] == 2:
print «The second item (lists are 0-based) is 2»
elif rangelist[1] == 3:
print «The second item (lists are 0-based) is 3»
else:
print «Dunno»while rangelist[1] == 1:
pass

Функции

Для объявления функции служит ключевое слово «def». Аргументы функции задаются в скобках после названия функции. Можно задавать необязательные аргументы, присваивая им значение по умолчанию. Функции могут возвращать кортежи, в таком случае надо писать возвращаемые значения через запятую. Ключевое слово «lambda» служит для объявления элементарных функций .

# arg2 и arg3 — необязательые аргументы, принимают значение объявленное по умолчни,
# если не задать им другое значение при вызове функци.
def myfunction(arg1, arg2 = 100, arg3 = «test»):
return arg3, arg2, arg1
#Функция вызывается со значением первого аргумента — “Argument 1”, второго — по умолчанию, и третьего — “Named argument”.
>>>ret1, ret2, ret3 = myfunction(«Argument 1», arg3 = «Named argument»)
# ret1, ret2 и ret3 принимают значения “Named argument”, 100, “Argument 1” соответственно
>>> print ret1, ret2, ret3
Named argument 100 Argument 1# Следующая запись эквивалентна def f(x): return x + 1
functionvar = lambda x: x + 1
>>> print functionvar(1)
2

Классы

Язык Python ограничен в множественном наследовании в классах. Внутренние переменные и внутренние методы классов начинаются с двух знаков нижнего подчеркивания «__» (например «__myprivatevar»). Мы можем также присвоить значение переменной класса извне. Пример:

class Myclass:
common = 10
def __init__(self):
self.myvariable = 3
def myfunction(self, arg1, arg2):
return self.myvariable# Здесь мы объявили класс Myclass. Функция __init__ вызывается автоматически при инициализации классов.
>>> classinstance = Myclass() # Мы инициализировали класс и переменная myvariable приобрела значение 3 как заявлено в методе инициализации
>>> classinstance.myfunction(1, 2) #Метод myfunction класса Myclass возвращает значение переменной myvariable
3
# Переменная common объявлена во всех классах
>>> classinstance2 = Myclass()
>>> classinstance.common
10
>>> classinstance2.common
10
# Поэтому, если мы изменим ее значение в классе Myclass изменятся
# и ее значения в объектах, инициализированных классом Myclass
>>> Myclass.common = 30
>>> classinstance.common
30
>>> classinstance2.common
30
# А здесь мы не изменяем переменную класса. Вместо этого
# мы объявляем оную в объекте и присваиваем ей новое значение
>>> classinstance.common = 10
>>> classinstance.common
10
>>> classinstance2.common
30
>>> Myclass.common = 50
# Теперь изменение переменной класса не коснется
# переменных объектов этого класса
>>> classinstance.common
10
>>> classinstance2.common
50# Следующий класс является наследником класса Myclass
# наследуя его свойства и методы, ктому же класс может
# наследоваться из нескольких классов, в этом случае запись
# такая: class Otherclass(Myclass1, Myclass2, MyclassN)
class Otherclass(Myclass):
def __init__(self, arg1):
self.myvariable = 3
print arg1

 
>>> classinstance = Otherclass(

«hello»)
hello
>>> classinstance.myfunction(1, 2)
3
# Этот класс не имеет совйтсва test, но мы можем
# объявить такую переменную для объекта. Причем
# tэта переменная будет членом только classinstance.
>>> classinstance.test = 10
>>> classinstance.test
10

Исключения

Исключения в Python имеют структуру tryexcept [exceptionname]:

def somefunction():
try:
# Деление на ноль вызывает ошибку
10 / 0
except ZeroDivisionError:
# Но программа не “Выполняет недопустимую операцию”
# А обрабатывает блок исключения соответствующий ошибке «ZeroDivisionError»
print «Oops, invalid.»

 
>>> fnexcept()
Oops, invalid.

Импорт

Внешние библиотеки можно подключить процедурой «import [libname]», где [libname] — название подключаемой библиотеки. Вы так же можете использовать команду «from [libname] import [funcname]», чтобы вы могли использовать функцию [funcname] из библиотеки [libname]

import random #Импортируем библиотеку «random»
from time import clock #И заодно функцию «clock» из библиотеки «time»

 
randomint =

random.randint(1, 100)
>>> print randomint
64

Работа с файловой системой

Python имеет много встроенных библиотек. В этом примере мы попробуем сохранить в бинарном файле структуру списка, прочитать ее и сохраним строку в текстовом файле. Для преобразования структуры данных мы будем использовать стандартную библиотеку «pickle»

import pickle
mylist = [«This», «is», 4, 13327]
# Откроем файл C:binary.dat для записи. Символ «r»
# предотвращает замену специальных сиволов (таких как n, t, b и др.).
myfile = file(r«C:binary.dat», «w»)
pickle.dump(mylist, myfile)
myfile.close()

 
myfile =

file(r«C:text.txt», «w»)
myfile.write(«This is a sample string»)
myfile.close()

 
myfile =

file(r«C:text.txt»)
>>> print myfile.read()
‘This is a sample string’
myfile.close()# Открываем файл для чтения
myfile = file(r«C:binary.dat»)
loadedlist = pickle.load(myfile)
myfile.close()
>>> print loadedlist
[‘This’, ‘is’, 4, 13327]

Особенности

  • Условия могут комбинироваться. 1 < a < 3 выполняется тогда, когда а больше 1, но меньше 3.
  • Используйте операцию «del» чтобы очищать переменные или элементы массива.
  • Python предлагает большие возможности для работы со списками. Вы можете использовать операторы объявлении структуры списка. Оператор for позволяет задавать элементы списка в определенной последовательности, а if — позволяет выбирать элементы по условию.

>>> lst1 = [1, 2, 3]
>>> lst2 = [3, 4, 5]
>>> print [x * y for x in lst1 for y in lst2]
[3, 4, 5, 6, 8, 10, 9, 12, 15]
>>> print [x for x in lst1 if 4 > x > 1]
[2, 3]
# Оператор «any» возвращает true, если хотя
# бы одно из условий, входящих в него, выполняется.
>>> any(i % 3 for i in [3, 3, 4, 4, 3])
True
# Следующая процедура подсчитывает количество
# подходящих элементов в списке
>>> sum(1 for i in [3, 3, 4, 4, 3] if i == 3)
3
>>> del lst1[0]
>>> print lst1
[2, 3]
>>> del lst1

  • Глобальные переменные объявляются вне функций и могут быть прочитанны без каких либо объявлений. Но если вам необходимо изменить значение глобальной переменной из функции, то вам необходимо объявить ее в начале функции ключевым словом «global», если вы этого не сделаете, то Python объявит переменную, доступную только для этой функции.

number = 5def myfunc():
# Выводит 5
print numberdef anotherfunc():
# Это вызывает исключение, поскольку глобальная апеременная
# не была вызванна из функции. Python в этом случае создает
# одноименную переменную внутри этой функции и доступную
# только для операторов этой функции.
print number
number = 3def yetanotherfunc():
global number
# И только из этой функции значение переменной изменяется.
number = 3

Эпилог

Разумеется в этой статье не описываются все возможности Python. Я надеюсь что эта статья поможет вам, если вы захотите и в дальнейшем изучать этот язык программирования.

Преимущества Python

  • Скорость выполнения программ написанных на Python очень высока. Это связанно с тем, что основные библиотеки Python
    написаны на C++ и выполнение задач занимает меньше времени, чем на других языках высокого уровня.
  • В связи с этим вы можете писать свои собственные модули для Python на C или C++
  • В стандартныx библиотеках Python вы можете найти средства для работы с электронной почтой, протоколами
    Интернета, FTP, HTTP, базами данных, и пр.
  • Скрипты, написанные при помощи Python выполняются на большинстве современных ОС. Такая переносимость обеспечивает Python применение в самых различных областях.
  • Python подходит для любых решений в области программирования, будь то офисные программы, вэб-приложения, GUI-приложения и т.д.
  • Над разработкой Python трудились тысячи энтузиастов со всего мира. Поддержкой современных технологий в стандартных библиотеках мы можем быть обязаны именно тому, что Python был открыт для всех желающих.
Python

Python-logo-notext.svg
Paradigm Multi-paradigm: object-oriented,[1] procedural (imperative), functional, structured, reflective
Designed by Guido van Rossum
Developer Python Software Foundation
First appeared 20 February 1991; 32 years ago[2]
Stable release

3.11.3[3] Edit this on Wikidata
/ 5 April 2023; 35 days ago

Preview release

3.12.0a7[4] Edit this on Wikidata
/ 5 April 2023; 35 days ago

Typing discipline Duck, dynamic, strong typing;[5] gradual (since 3.5, but ignored in CPython)[6]
OS Windows, macOS, Linux/UNIX, Android[7][8] and more[9]
License Python Software Foundation License
Filename extensions .py, .pyi, .pyc, .pyd, .pyw, .pyz (since 3.5),[10] .pyo (prior to 3.5)[11]
Website python.org
Major implementations
CPython, PyPy, Stackless Python, MicroPython, CircuitPython, IronPython, Jython
Dialects
Cython, RPython, Starlark[12]
Influenced by
ABC,[13] Ada,[14] ALGOL 68,[15] APL,[16] C,[17] C++,[18] CLU,[19] Dylan,[20] Haskell,[21][16] Icon,[22] Lisp,[23] Modula-3,[15][18] Perl,[24] Standard ML[16]
Influenced
Apache Groovy, Boo, Cobra, CoffeeScript,[25] D, F#, GDScript, Genie,[26] Go, JavaScript,[27][28] Julia,[29] Mojo,[30] Nim, Ring,[31] Ruby,[32] Swift[33]
  • Python Programming at Wikibooks

Python is a high-level, general-purpose programming language. Its design philosophy emphasizes code readability with the use of significant indentation via the off-side rule.[34]

Python is dynamically typed and garbage-collected. It supports multiple programming paradigms, including structured (particularly procedural), object-oriented and functional programming. It is often described as a “batteries included” language due to its comprehensive standard library.[35][36]

Guido van Rossum began working on Python in the late 1980s as a successor to the ABC programming language and first released it in 1991 as Python 0.9.0.[37] Python 2.0 was released in 2000. Python 3.0, released in 2008, was a major revision not completely backward-compatible with earlier versions. Python 2.7.18, released in 2020, was the last release of Python 2.[38]

Python consistently ranks as one of the most popular programming languages.[39][40][41][42]

History

Python was conceived in the late 1980s[43] by Guido van Rossum at Centrum Wiskunde & Informatica (CWI) in the Netherlands as a successor to the ABC programming language, which was inspired by SETL,[44] capable of exception handling and interfacing with the Amoeba operating system.[13] Its implementation began in December 1989.[45] Van Rossum shouldered sole responsibility for the project, as the lead developer, until 12 July 2018, when he announced his “permanent vacation” from his responsibilities as Python’s “benevolent dictator for life”, a title the Python community bestowed upon him to reflect his long-term commitment as the project’s chief decision-maker.[46] In January 2019, active Python core developers elected a five-member Steering Council to lead the project.[47][48]

Python 2.0 was released on 16 October 2000, with many major new features such as list comprehensions, cycle-detecting garbage collection, reference counting, and Unicode support.[49] Python 3.0, released on 3 December 2008, with many of its major features backported to Python 2.6.x[50] and 2.7.x. Releases of Python 3 include the 2to3 utility, which automates the translation of Python 2 code to Python 3.[51]

Python 2.7’s end-of-life was initially set for 2015, then postponed to 2020 out of concern that a large body of existing code could not easily be forward-ported to Python 3.[52][53] No further security patches or other improvements will be released for it.[54][55] Currently only 3.7 and later are supported. In 2021, Python 3.9.2 and 3.8.8 were expedited[56] as all versions of Python (including 2.7[57]) had security issues leading to possible remote code execution[58] and web cache poisoning.[59]

In 2022, Python 3.10.4 and 3.9.12 were expedited[60] and 3.8.13, and 3.7.13, because of many security issues.[61] When Python 3.9.13 was released in May 2022, it was announced that the 3.9 series (joining the older series 3.8 and 3.7) would only receive security fixes in the future.[62] On September 7, 2022, four new releases were made due to a potential denial-of-service attack: 3.10.7, 3.9.14, 3.8.14, and 3.7.14.[63][64]

As of November 2022, Python 3.11 is the stable release. Notable changes from 3.10 include increased program execution speed and improved error reporting.[65]

Design philosophy and features

Python is a multi-paradigm programming language. Object-oriented programming and structured programming are fully supported, and many of their features support functional programming and aspect-oriented programming (including metaprogramming[66] and metaobjects).[67] Many other paradigms are supported via extensions, including design by contract[68][69] and logic programming.[70]

Python uses dynamic typing and a combination of reference counting and a cycle-detecting garbage collector for memory management.[71] It uses dynamic name resolution (late binding), which binds method and variable names during program execution.

Its design offers some support for functional programming in the Lisp tradition. It has filter,mapandreduce functions; list comprehensions, dictionaries, sets, and generator expressions.[72] The standard library has two modules (itertools and functools) that implement functional tools borrowed from Haskell and Standard ML.[73]

Its core philosophy is summarized in the document The Zen of Python (PEP 20), which includes aphorisms such as:[74]

  • Beautiful is better than ugly.
  • Explicit is better than implicit.
  • Simple is better than complex.
  • Complex is better than complicated.
  • Readability counts.

Rather than building all of its functionality into its core, Python was designed to be highly extensible via modules. This compact modularity has made it particularly popular as a means of adding programmable interfaces to existing applications. Van Rossum’s vision of a small core language with a large standard library and easily extensible interpreter stemmed from his frustrations with ABC, which espoused the opposite approach.[43]

Python strives for a simpler, less-cluttered syntax and grammar while giving developers a choice in their coding methodology. In contrast to Perl’s “there is more than one way to do it” motto, Python embraces a “there should be one—and preferably only one—obvious way to do it” philosophy.[74] Alex Martelli, a Fellow at the Python Software Foundation and Python book author, wrote: “To describe something as ‘clever’ is not considered a compliment in the Python culture.”[75]

Python’s developers strive to avoid premature optimization and reject patches to non-critical parts of the CPython reference implementation that would offer marginal increases in speed at the cost of clarity.[76] When speed is important, a Python programmer can move time-critical functions to extension modules written in languages such as C; or use PyPy, a just-in-time compiler. Cython is also available, which translates a Python script into C and makes direct C-level API calls into the Python interpreter.

Python’s developers aim for it to be fun to use. This is reflected in its name—a tribute to the British comedy group Monty Python[77]—and in occasionally playful approaches to tutorials and reference materials, such as the use of the terms “spam” and “eggs” (a reference to a Monty Python sketch) in examples, instead of the often-used “foo” and “bar”.[78][79]

A common neologism in the Python community is pythonic, which has a wide range of meanings related to program style. “Pythonic” code may use Python idioms well, be natural or show fluency in the language, or conform with Python’s minimalist philosophy and emphasis on readability. Code that is difficult to understand or reads like a rough transcription from another programming language is called unpythonic.[80][81]

Syntax and semantics

Python is meant to be an easily readable language. Its formatting is visually uncluttered and often uses English keywords where other languages use punctuation. Unlike many other languages, it does not use curly brackets to delimit blocks, and semicolons after statements are allowed but rarely used. It has fewer syntactic exceptions and special cases than C or Pascal.[82]

Indentation

Python uses whitespace indentation, rather than curly brackets or keywords, to delimit blocks. An increase in indentation comes after certain statements; a decrease in indentation signifies the end of the current block.[83] Thus, the program’s visual structure accurately represents its semantic structure.[84] This feature is sometimes termed the off-side rule. Some other languages use indentation this way; but in most, indentation has no semantic meaning. The recommended indent size is four spaces.[85]

Statements and control flow

Python’s statements include:

  • The assignment statement, using a single equals sign =
  • The if statement, which conditionally executes a block of code, along with else and elif (a contraction of else-if)
  • The for statement, which iterates over an iterable object, capturing each element to a local variable for use by the attached block
  • The while statement, which executes a block of code as long as its condition is true
  • The try statement, which allows exceptions raised in its attached code block to be caught and handled by except clauses (or new syntax except* in Python 3.11 for exception groups[86]); it also ensures that clean-up code in a finally block is always run regardless of how the block exits
  • The raise statement, used to raise a specified exception or re-raise a caught exception
  • The class statement, which executes a block of code and attaches its local namespace to a class, for use in object-oriented programming
  • The def statement, which defines a function or method
  • The with statement, which encloses a code block within a context manager (for example, acquiring a lock before it is run, then releasing the lock; or opening and closing a file), allowing resource-acquisition-is-initialization (RAII)-like behavior and replacing a common try/finally idiom[87]
  • The break statement, which exits a loop
  • The continue statement, which skips the rest of the current iteration and continues with the next
  • The del statement, which removes a variable—deleting the reference from the name to the value, and producing an error if the variable is referred to before it is redefined
  • The pass statement, serving as a NOP, syntactically needed to create an empty code block
  • The assert statement, used in debugging to check for conditions that should apply
  • The yield statement, which returns a value from a generator function (and also an operator); used to implement coroutines
  • The return statement, used to return a value from a function
  • The import and from statements, used to import modules whose functions or variables can be used in the current program

The assignment statement (=) binds a name as a reference to a separate, dynamically allocated object. Variables may subsequently be rebound at any time to any object. In Python, a variable name is a generic reference holder without a fixed data type; however, it always refers to some object with a type. This is called dynamic typing—in contrast to statically-typed languages, where each variable may contain only a value of a certain type.

Python does not support tail call optimization or first-class continuations, and, according to Van Rossum, it never will.[88][89] However, better support for coroutine-like functionality is provided by extending Python’s generators.[90] Before 2.5, generators were lazy iterators; data was passed unidirectionally out of the generator. From Python 2.5 on, it is possible to pass data back into a generator function; and from version 3.3, it can be passed through multiple stack levels.[91]

Expressions

Python’s expressions include:

  • The +, -, and * operators for mathematical addition, subtraction, and multiplication are similar to other languages, but the behavior of division differs. There are two types of divisions in Python: floor division (or integer division) // and floating-point/division.[92] Python uses the ** operator for exponentiation.
  • Python uses the + operator for string concatenation. Python uses the * operator for duplicating a string a specified number of times.
  • The @ infix operator. It is intended to be used by libraries such as NumPy for matrix multiplication.[93][94]
  • The syntax :=, called the “walrus operator”, was introduced in Python 3.8. It assigns values to variables as part of a larger expression.[95]
  • In Python, == compares by value. Python’s is operator may be used to compare object identities (comparison by reference), and comparisons may be chained—for example, a <= b <= c.
  • Python uses and, or, and not as boolean operators.
  • Python has a type of expression called a list comprehension, as well as a more general expression called a generator expression.[72]
  • Anonymous functions are implemented using lambda expressions; however, there may be only one expression in each body.
  • Conditional expressions are written as x if c else y[96] (different in order of operands from the c ? x : y operator common to many other languages).
  • Python makes a distinction between lists and tuples. Lists are written as [1, 2, 3], are mutable, and cannot be used as the keys of dictionaries (dictionary keys must be immutable in Python). Tuples, written as (1, 2, 3), are immutable and thus can be used as keys of dictionaries, provided all of the tuple’s elements are immutable. The + operator can be used to concatenate two tuples, which does not directly modify their contents, but produces a new tuple containing the elements of both. Thus, given the variable t initially equal to (1, 2, 3), executing t = t + (4, 5) first evaluates t + (4, 5), which yields (1, 2, 3, 4, 5), which is then assigned back to t—thereby effectively “modifying the contents” of t while conforming to the immutable nature of tuple objects. Parentheses are optional for tuples in unambiguous contexts.[97]
  • Python features sequence unpacking where multiple expressions, each evaluating to anything that can be assigned (to a variable, writable property, etc.) are associated in an identical manner to that forming tuple literals—and, as a whole, are put on the left-hand side of the equal sign in an assignment statement. The statement expects an iterable object on the right-hand side of the equal sign that produces the same number of values as the provided writable expressions; when iterated through them, it assigns each of the produced values to the corresponding expression on the left.[98]
  • Python has a “string format” operator % that functions analogously to printf format strings in C—e.g. "spam=%s eggs=%d" % ("blah", 2) evaluates to "spam=blah eggs=2". In Python 2.6+ and 3+, this was supplemented by the format() method of the str class, e.g. "spam={0} eggs={1}".format("blah", 2). Python 3.6 added “f-strings”: spam = "blah"; eggs = 2; f'spam={spam} eggs={eggs}'.[99]
  • Strings in Python can be concatenated by “adding” them (with the same operator as for adding integers and floats), e.g. "spam" + "eggs" returns "spameggs". If strings contain numbers, they are added as strings rather than integers, e.g. "2" + "2" returns "22".
  • Python has various string literals:
    • Delimited by single or double quote marks; unlike in Unix shells, Perl, and Perl-influenced languages, single and double quote marks work the same. Both use the backslash () as an escape character. String interpolation became available in Python 3.6 as “formatted string literals”.[99]
    • Triple-quoted (beginning and ending with three single or double quote marks), which may span multiple lines and function like here documents in shells, Perl, and Ruby.
    • Raw string varieties, denoted by prefixing the string literal with r. Escape sequences are not interpreted; hence raw strings are useful where literal backslashes are common, such as regular expressions and Windows-style paths. (Compare “@-quoting” in C#.)
  • Python has array index and array slicing expressions in lists, denoted as a[key], a[start:stop] or a[start:stop:step]. Indexes are zero-based, and negative indexes are relative to the end. Slices take elements from the start index up to, but not including, the stop index. The third slice parameter called step or stride, allows elements to be skipped and reversed. Slice indexes may be omitted—for example, a[:] returns a copy of the entire list. Each element of a slice is a shallow copy.

In Python, a distinction between expressions and statements is rigidly enforced, in contrast to languages such as Common Lisp, Scheme, or Ruby. This leads to duplicating some functionality. For example:

  • List comprehensions vs. for-loops
  • Conditional expressions vs. if blocks
  • The eval() vs. exec() built-in functions (in Python 2, exec is a statement); the former is for expressions, the latter is for statements

Statements cannot be a part of an expression—so list and other comprehensions or lambda expressions, all being expressions, cannot contain statements. A particular case is that an assignment statement such as a = 1 cannot form part of the conditional expression of a conditional statement. This has the advantage of avoiding a classic C error of mistaking an assignment operator = for an equality operator == in conditions: if (c = 1) { ...} is syntactically valid (but probably unintended) C code, but if c = 1: ... causes a syntax error in Python.

Methods

Methods on objects are functions attached to the object’s class; the syntax instance.method(argument) is, for normal methods and functions, syntactic sugar for Class.method(instance, argument). Python methods have an explicit self parameter to access instance data, in contrast to the implicit self (or this) in some other object-oriented programming languages (e.g., C++, Java, Objective-C, Ruby).[100] Python also provides methods, often called dunder methods (due to their names beginning and ending with double-underscores), to allow user-defined classes to modify how they are handled by native operations including length, comparison, in arithmetic operations and type conversion.[101]

Typing

The standard type hierarchy in Python 3

Python uses duck typing and has typed objects but untyped variable names. Type constraints are not checked at compile time; rather, operations on an object may fail, signifying that it is not of a suitable type. Despite being dynamically typed, Python is strongly typed, forbidding operations that are not well-defined (for example, adding a number to a string) rather than silently attempting to make sense of them.

Python allows programmers to define their own types using classes, most often used for object-oriented programming. New instances of classes are constructed by calling the class (for example, SpamClass() or EggsClass()), and the classes are instances of the metaclass type (itself an instance of itself), allowing metaprogramming and reflection.

Before version 3.0, Python had two kinds of classes (both using the same syntax): old-style and new-style,[102] current Python versions only support the semantics new style.

Python supports gradual typing.[103] Python’s syntax allows specifying static types, but they are not checked in the default implementation, CPython. An experimental optional static type-checker, mypy, supports compile-time type checking.[104]

Summary of Python 3’s built-in types

Type Mutability Description Syntax examples
bool immutable Boolean value True
False
bytearray mutable Sequence of bytes bytearray(b'Some ASCII')
bytearray(b"Some ASCII")
bytearray([119, 105, 107, 105])
bytes immutable Sequence of bytes b'Some ASCII'
b"Some ASCII"
bytes([119, 105, 107, 105])
complex immutable Complex number with real and imaginary parts 3+2.7j
3 + 2.7j
dict mutable Associative array (or dictionary) of key and value pairs; can contain mixed types (keys and values), keys must be a hashable type {'key1': 1.0, 3: False}
{}
types.EllipsisType immutable An ellipsis placeholder to be used as an index in NumPy arrays ...
Ellipsis
float immutable Double-precision floating-point number. The precision is machine-dependent but in practice is generally implemented as a 64-bit IEEE 754 number with 53 bits of precision.[105]

1.33333

frozenset immutable Unordered set, contains no duplicates; can contain mixed types, if hashable frozenset([4.0, 'string', True])
int immutable Integer of unlimited magnitude[106] 42
list mutable List, can contain mixed types [4.0, 'string', True]
[]
types.NoneType immutable An object representing the absence of a value, often called null in other languages None
types.NotImplementedType immutable A placeholder that can be returned from overloaded operators to indicate unsupported operand types. NotImplemented
range immutable An immutable sequence of numbers commonly used for looping a specific number of times in for loops[107] range(-1, 10)
range(10, -5, -2)
set mutable Unordered set, contains no duplicates; can contain mixed types, if hashable {4.0, 'string', True}
set()
str immutable A character string: sequence of Unicode codepoints 'Wikipedia'
"Wikipedia"

"""Spanning
multiple
lines"""
Spanning
multiple
lines
tuple immutable Can contain mixed types (4.0, 'string', True)
('single element',)
()

Arithmetic operations

Python has the usual symbols for arithmetic operators (+, -, *, /), the floor division operator // and the modulo operation % (where the remainder can be negative, e.g. 4 % -3 == -2). It also has ** for exponentiation, e.g. 5**3 == 125 and 9**0.5 == 3.0, and a matrix‑multiplication operator @ .[108] These operators work like in traditional math; with the same precedence rules, the operators infix (+ and - can also be unary to represent positive and negative numbers respectively).

The division between integers produces floating-point results. The behavior of division has changed significantly over time:[109]

  • Current Python (i.e. since 3.0) changed / to always be floating-point division, e.g. 5/2 == 2.5.
  • The floor division // operator was introduced. So 7//3 == 2, -7//3 == -3, 7.5//3 == 2.0 and -7.5//3 == -3.0. Adding from __future__ import division causes a module used in Python 2.7 to use Python 3.0 rules for division (see above).

In Python terms, / is true division (or simply division), and // is floor division. / before version 3.0 is classic division.[109]

Rounding towards negative infinity, though different from most languages, adds consistency. For instance, it means that the equation (a + b)//b == a//b + 1 is always true. It also means that the equation b*(a//b) + a%b == a is valid for both positive and negative values of a. However, maintaining the validity of this equation means that while the result of a%b is, as expected, in the half-open interval [0, b), where b is a positive integer, it has to lie in the interval (b, 0] when b is negative.[110]

Python provides a round function for rounding a float to the nearest integer. For tie-breaking, Python 3 uses round to even: round(1.5) and round(2.5) both produce 2.[111] Versions before 3 used round-away-from-zero: round(0.5) is 1.0, round(-0.5) is −1.0.[112]

Python allows boolean expressions with multiple equality relations in a manner that is consistent with general use in mathematics. For example, the expression a < b < c tests whether a is less than b and b is less than c.[113] C-derived languages interpret this expression differently: in C, the expression would first evaluate a < b, resulting in 0 or 1, and that result would then be compared with c.[114]

Python uses arbitrary-precision arithmetic for all integer operations. The Decimal type/class in the decimal module provides decimal floating-point numbers to a pre-defined arbitrary precision and several rounding modes.[115] The Fraction class in the fractions module provides arbitrary precision for rational numbers.[116]

Due to Python’s extensive mathematics library, and the third-party library NumPy that further extends the native capabilities, it is frequently used as a scientific scripting language to aid in problems such as numerical data processing and manipulation.[117][118]

Programming examples

Hello world program:

Program to calculate the factorial of a positive integer:

n = int(input('Type a number, and its factorial will be printed: '))

if n < 0:
    raise ValueError('You must enter a non-negative integer')

factorial = 1
for i in range(2, n + 1):
    factorial *= i

print(factorial)

Libraries

Python’s large standard library[119] provides tools suited to many tasks and is commonly cited as one of its greatest strengths. For Internet-facing applications, many standard formats and protocols such as MIME and HTTP are supported. It includes modules for creating graphical user interfaces, connecting to relational databases, generating pseudorandom numbers, arithmetic with arbitrary-precision decimals,[120] manipulating regular expressions, and unit testing.

Some parts of the standard library are covered by specifications—for example, the Web Server Gateway Interface (WSGI) implementation wsgiref follows PEP 333[121]—but most are specified by their code, internal documentation, and test suites. However, because most of the standard library is cross-platform Python code, only a few modules need altering or rewriting for variant implementations.

As of 14 November 2022, the Python Package Index (PyPI), the official repository for third-party Python software, contains over 415,000[122] packages with a wide range of functionality, including:

  • Automation
  • Data analytics
  • Databases
  • Documentation
  • Graphical user interfaces
  • Image processing
  • Machine learning
  • Mobile apps
  • Multimedia
  • Computer networking
  • Scientific computing
  • System administration
  • Test frameworks
  • Text processing
  • Web frameworks
  • Web scraping

Development environments

Most Python implementations (including CPython) include a read–eval–print loop (REPL), permitting them to function as a command line interpreter for which users enter statements sequentially and receive results immediately.

Python also comes with an Integrated development environment (IDE) called IDLE, which is more beginner-oriented.

Other shells, including IDLE and IPython, add further abilities such as improved auto-completion, session state retention, and syntax highlighting.

As well as standard desktop integrated development environments, there are Web browser-based IDEs, including SageMath, for developing science- and math-related programs; PythonAnywhere, a browser-based IDE and hosting environment; and Canopy IDE, a commercial IDE emphasizing scientific computing.[123]

Implementations

Reference implementation

CPython is the reference implementation of Python. It is written in C, meeting the C89 standard (Python 3.11 uses C11[124]) with several select C99 features. CPython includes its own C extensions, but third-party extensions are not limited to older C versions—e.g. they can be implemented with C11 or C++.[125][126]) It compiles Python programs into an intermediate bytecode[127] which is then executed by its virtual machine.[128] CPython is distributed with a large standard library written in a mixture of C and native Python, and is available for many platforms, including Windows (starting with Python 3.9, the Python installer deliberately fails to install on Windows 7 and 8;[129][130] Windows XP was supported until Python 3.5) and most modern Unix-like systems, including macOS (and Apple M1 Macs, since Python 3.9.1, with experimental installer) and unofficial support for e.g. VMS.[131] Platform portability was one of its earliest priorities.[132] (During Python 1 and 2 development, even OS/2 and Solaris were supported,[133] but support has since been dropped for many platforms.)

Other implementations

  • PyPy is a fast, compliant interpreter of Python 2.7 and 3.8.[134][135] Its just-in-time compiler often brings a significant speed improvement over CPython but some libraries written in C cannot be used with it.[136]
  • Stackless Python is a significant fork of CPython that implements microthreads; it does not use the call stack in the same way, thus allowing massively concurrent programs. PyPy also has a stackless version.[137]
  • MicroPython and CircuitPython are Python 3 variants optimized for microcontrollers, including Lego Mindstorms EV3.[138]
  • Pyston is a variant of the Python runtime that uses just-in-time compilation to speed up the execution of Python programs.[139]
  • Cinder is a performance-oriented fork of CPython 3.8 that contains a number of optimizations including bytecode inline caching, eager evaluation of coroutines, a method-at-a-time JIT, and an experimental bytecode compiler.[140]

Unsupported implementations

Other just-in-time Python compilers have been developed, but are now unsupported:

  • Google began a project named Unladen Swallow in 2009, with the aim of speeding up the Python interpreter fivefold by using the LLVM, and of improving its multithreading ability to scale to thousands of cores,[141] while ordinary implementations suffer from the global interpreter lock.
  • Psyco is a discontinued just-in-time specializing compiler that integrates with CPython and transforms bytecode to machine code at runtime. The emitted code is specialized for certain data types and is faster than the standard Python code. Psyco does not support Python 2.7 or later.
  • PyS60 was a Python 2 interpreter for Series 60 mobile phones released by Nokia in 2005. It implemented many of the modules from the standard library and some additional modules for integrating with the Symbian operating system. The Nokia N900 also supports Python with GTK widget libraries, enabling programs to be written and run on the target device.[142]

Cross-compilers to other languages

There are several compilers to high-level object languages, with either unrestricted Python, a restricted subset of Python, or a language similar to Python as the source language:

  • Brython,[143] Transcrypt[144][145] and Pyjs (latest release in 2012) compile Python to JavaScript.
  • Cython compiles (a superset of) Python to C (while the resulting code is also usable with Python and also e.g. C++).
  • Nuitka compiles Python into C.[146]
  • Numba uses LLVM to compile a subset of Python to machine code.
  • Pythran compiles a subset of Python 3 to C++ (C++11).[147][148][149]
  • RPython can be compiled to C, and is used to build the PyPy interpreter of Python.
  • The Python → 11l → C++ transpiler[150] compiles a subset of Python 3 to C++ (C++17).

Specialized:

  • MyHDL is a Python-based hardware description language (HDL), that converts MyHDL code to Verilog or VHDL code.

Older projects (or not to be used with Python 3.x and latest syntax):

  • Google’s Grumpy (latest release in 2017) transpiles Python 2 to Go.[151][152][153]
  • IronPython allows running Python 2.7 programs (and an alpha, released in 2021, is also available for “Python 3.4, although features and behaviors from later versions may be included”[154]) on the .NET Common Language Runtime.[155]
  • Jython compiles Python 2.7 to Java bytecode, allowing the use of the Java libraries from a Python program.[156]
  • Pyrex (latest release in 2010) and Shed Skin (latest release in 2013) compile to C and C++ respectively.

Performance

Performance comparison of various Python implementations on a non-numerical (combinatorial) workload was presented at EuroSciPy ’13.[157] Python’s performance compared to other programming languages is also benchmarked by The Computer Language Benchmarks Game.[158]

Development

Python’s development is conducted largely through the Python Enhancement Proposal (PEP) process, the primary mechanism for proposing major new features, collecting community input on issues, and documenting Python design decisions.[159] Python coding style is covered in PEP 8.[160] Outstanding PEPs are reviewed and commented on by the Python community and the steering council.[159]

Enhancement of the language corresponds with the development of the CPython reference implementation. The mailing list python-dev is the primary forum for the language’s development. Specific issues were originally discussed in the Roundup bug tracker hosted at by the foundation.[161] In 2022, all issues and discussions were migrated to GitHub.[162] Development originally took place on a self-hosted source-code repository running Mercurial, until Python moved to GitHub in January 2017.[163]

CPython’s public releases come in three types, distinguished by which part of the version number is incremented:

  • Backward-incompatible versions, where code is expected to break and needs to be manually ported. The first part of the version number is incremented. These releases happen infrequently—version 3.0 was released 8 years after 2.0. According to Guido van Rossum, a version 4.0 is very unlikely to ever happen.[164]
  • Major or “feature” releases are largely compatible with the previous version but introduce new features. The second part of the version number is incremented. Starting with Python 3.9, these releases are expected to happen annually.[165][166] Each major version is supported by bug fixes for several years after its release.[167]
  • Bugfix releases,[168] which introduce no new features, occur about every 3 months and are made when a sufficient number of bugs have been fixed upstream since the last release. Security vulnerabilities are also patched in these releases. The third and final part of the version number is incremented.[168]

Many alpha, beta, and release-candidates are also released as previews and for testing before final releases. Although there is a rough schedule for each release, they are often delayed if the code is not ready. Python’s development team monitors the state of the code by running the large unit test suite during development.[169]

The major academic conference on Python is PyCon. There are also special Python mentoring programs, such as Pyladies.

Python 3.10 deprecated wstr (to be removed in Python 3.12; meaning Python extensions[170] need to be modified by then),[171] and added pattern matching to the language.[172]

API documentation generators

Tools that can generate documentation for Python API include pydoc (available as part of the standard library), Sphinx, Pdoc and its forks, Doxygen and Graphviz, among others.[173]

Naming

Python’s name is derived from the British comedy group Monty Python, whom Python creator Guido van Rossum enjoyed while developing the language. Monty Python references appear frequently in Python code and culture;[174] for example, the metasyntactic variables often used in Python literature are spam and eggs instead of the traditional foo and bar.[174][175] The official Python documentation also contains various references to Monty Python routines.[176][177]

The prefix Py- is used to show that something is related to Python. Examples of the use of this prefix in names of Python applications or libraries include Pygame, a binding of SDL to Python (commonly used to create games); PyQt and PyGTK, which bind Qt and GTK to Python respectively; and PyPy, a Python implementation originally written in Python.

Popularity

Since 2003, Python has consistently ranked in the top ten most popular programming languages in the TIOBE Programming Community Index where as of December 2022 it was the most popular language (ahead of C, C++, and Java).[41] It was selected Programming Language of the Year (for “the highest rise in ratings in a year”) in 2007, 2010, 2018, and 2020 (the only language to have done so four times as of 2020[178]).

An empirical study found that scripting languages, such as Python, are more productive than conventional languages, such as C and Java, for programming problems involving string manipulation and search in a dictionary, and determined that memory consumption was often “better than Java and not much worse than C or C++”.[179]

Large organizations that use Python include Wikipedia, Google,[180] Yahoo!,[181] CERN,[182] NASA,[183] Facebook,[184] Amazon, Instagram,[185] Spotify,[186] and some smaller entities like ILM[187] and ITA.[188] The social news networking site Reddit was written mostly in Python.[189]

Uses

Python can serve as a scripting language for web applications, e.g., via mod_wsgi for the Apache webserver.[190] With Web Server Gateway Interface, a standard API has evolved to facilitate these applications. Web frameworks like Django, Pylons, Pyramid, TurboGears, web2py, Tornado, Flask, Bottle, and Zope support developers in the design and maintenance of complex applications. Pyjs and IronPython can be used to develop the client-side of Ajax-based applications. SQLAlchemy can be used as a data mapper to a relational database. Twisted is a framework to program communications between computers, and is used (for example) by Dropbox.

Libraries such as NumPy, SciPy, and Matplotlib allow the effective use of Python in scientific computing,[191][192] with specialized libraries such as Biopython and Astropy providing domain-specific functionality. SageMath is a computer algebra system with a notebook interface programmable in Python: its library covers many aspects of mathematics, including algebra, combinatorics, numerical mathematics, number theory, and calculus.[193] OpenCV has Python bindings with a rich set of features for computer vision and image processing.[194]

Python is commonly used in artificial intelligence projects and machine learning projects with the help of libraries like TensorFlow, Keras, Pytorch, and scikit-learn.[195][196][197][198] As a scripting language with a modular architecture, simple syntax, and rich text processing tools, Python is often used for natural language processing.[199]

Python can also be used to create games, with libraries such as Pygame, which can make 2D games.

Python has been successfully embedded in many software products as a scripting language, including in finite element method software such as Abaqus, 3D parametric modelers like FreeCAD, 3D animation packages such as 3ds Max, Blender, Cinema 4D, Lightwave, Houdini, Maya, modo, MotionBuilder, Softimage, the visual effects compositor Nuke, 2D imaging programs like GIMP,[200] Inkscape, Scribus and Paint Shop Pro,[201] and musical notation programs like scorewriter and capella. GNU Debugger uses Python as a pretty printer to show complex structures such as C++ containers. Esri promotes Python as the best choice for writing scripts in ArcGIS.[202] It has also been used in several video games,[203][204] and has been adopted as first of the three available programming languages in Google App Engine, the other two being Java and Go.[205]

Many operating systems include Python as a standard component. It ships with most Linux distributions,[206] AmigaOS 4 (using Python 2.7), FreeBSD (as a package), NetBSD, and OpenBSD (as a package) and can be used from the command line (terminal). Many Linux distributions use installers written in Python: Ubuntu uses the Ubiquity installer, while Red Hat Linux and Fedora Linux use the Anaconda installer. Gentoo Linux uses Python in its package management system, Portage.

Python is used extensively in the information security industry, including in exploit development.[207][208]

Most of the Sugar software for the One Laptop per Child XO, developed at Sugar Labs since 2008, is written in Python.[209] The Raspberry Pi single-board computer project has adopted Python as its main user-programming language.

LibreOffice includes Python and intends to replace Java with Python. Its Python Scripting Provider is a core feature[210] since Version 4.0 from 7 February 2013.

Languages influenced by Python

Python’s design and philosophy have influenced many other programming languages:

  • Boo uses indentation, a similar syntax, and a similar object model.[211]
  • Cobra uses indentation and a similar syntax, and its Acknowledgements document lists Python first among languages that influenced it.[212]
  • CoffeeScript, a programming language that cross-compiles to JavaScript, has Python-inspired syntax.
  • ECMAScript/JavaScript borrowed iterators and generators from Python.[213]
  • GDScript, a scripting language very similar to Python, built-in to the Godot game engine.[214]
  • Go is designed for the “speed of working in a dynamic language like Python”[215] and shares the same syntax for slicing arrays.
  • Groovy was motivated by the desire to bring the Python design philosophy to Java.[216]
  • Julia was designed to be “as usable for general programming as Python”.[29]
  • Mojo is currently a non-strict[30][217] (aims to be a strict) superset of Python (e.g. still missing classes, and adding e.g. struct), and is up to 35,000x faster[218] for some code (mandelbrot, since its embarrassingly parallel), where static typing helps (and MLIR it’s implemented with), and e.g. 4000x faster for matrix multiply. It’s not yet open-sourced, but that’s the plan.
  • Nim uses indentation and similar syntax.[219]
  • Ruby’s creator, Yukihiro Matsumoto, has said: “I wanted a scripting language that was more powerful than Perl, and more object-oriented than Python. That’s why I decided to design my own language.”[220]
  • Swift, a programming language developed by Apple, has some Python-inspired syntax.[221]

Python’s development practices have also been emulated by other languages. For example, the practice of requiring a document describing the rationale for, and issues surrounding, a change to the language (in Python, a PEP) is also used in Tcl,[222] Erlang,[223] and Swift.[224]

See also

  • Python syntax and semantics
  • pip (package manager)
  • List of programming languages
  • History of programming languages
  • Comparison of programming languages

References

  1. ^ “General Python FAQ – Python 3.9.2 documentation”. docs.python.org. Archived from the original on 24 October 2012. Retrieved 28 March 2021.
  2. ^ “Python 0.9.1 part 01/21”. alt.sources archives. Archived from the original on 11 August 2021. Retrieved 11 August 2021.
  3. ^ “It’s time for another set of Python releases! Python 3.11.3, 3.10.11 and 3.12 alpha 7 are now available”. 5 April 2023. Retrieved 6 April 2023.
  4. ^ “Python 3.12.0 alpha 7”. 5 April 2023. Retrieved 5 April 2023.
  5. ^ “Why is Python a dynamic language and also a strongly typed language – Python Wiki”. wiki.python.org. Archived from the original on 14 March 2021. Retrieved 27 January 2021.
  6. ^ “PEP 483 – The Theory of Type Hints”. Python.org. Archived from the original on 14 June 2020. Retrieved 14 June 2018.
  7. ^ “test – Regression tests package for Python – Python 3.7.13 documentation”. docs.python.org. Retrieved 17 May 2022.
  8. ^ “platform – Access to underlying platform’s identifying data – Python 3.10.4 documentation”. docs.python.org. Retrieved 17 May 2022.
  9. ^ “Download Python”. Python.org. Archived from the original on 8 August 2018. Retrieved 24 May 2021.
  10. ^ Holth, Moore (30 March 2014). “PEP 0441 – Improving Python ZIP Application Support”. Archived from the original on 26 December 2018. Retrieved 12 November 2015.
  11. ^ File extension .pyo was removed in Python 3.5. See PEP 0488 Archived 1 June 2020 at the Wayback Machine
  12. ^ “Starlark Language”. Archived from the original on 15 June 2020. Retrieved 25 May 2019.
  13. ^ a b “Why was Python created in the first place?”. General Python FAQ. Python Software Foundation. Archived from the original on 24 October 2012. Retrieved 22 March 2007. I had extensive experience with implementing an interpreted language in the ABC group at CWI, and from working with this group I had learned a lot about language design. This is the origin of many Python features, including the use of indentation for statement grouping and the inclusion of very high-level data types (although the details are all different in Python).
  14. ^ “Ada 83 Reference Manual (raise statement)”. Archived from the original on 22 October 2019. Retrieved 7 January 2020.
  15. ^ a b Kuchling, Andrew M. (22 December 2006). “Interview with Guido van Rossum (July 1998)”. amk.ca. Archived from the original on 1 May 2007. Retrieved 12 March 2012. I’d spent a summer at DEC’s Systems Research Center, which introduced me to Modula-2+; the Modula-3 final report was being written there at about the same time. What I learned there later showed up in Python’s exception handling, modules, and the fact that methods explicitly contain ‘self’ in their parameter list. String slicing came from Algol-68 and Icon.
  16. ^ a b c “itertools – Functions creating iterators for efficient looping – Python 3.7.1 documentation”. docs.python.org. Archived from the original on 14 June 2020. Retrieved 22 November 2016. This module implements a number of iterator building blocks inspired by constructs from APL, Haskell, and SML.
  17. ^ van Rossum, Guido (1993). “An Introduction to Python for UNIX/C Programmers”. Proceedings of the NLUUG Najaarsconferentie (Dutch UNIX Users Group). CiteSeerX 10.1.1.38.2023. even though the design of C is far from ideal, its influence on Python is considerable.
  18. ^ a b “Classes”. The Python Tutorial. Python Software Foundation. Archived from the original on 23 October 2012. Retrieved 20 February 2012. It is a mixture of the class mechanisms found in C++ and Modula-3
  19. ^ Lundh, Fredrik. “Call By Object”. effbot.org. Archived from the original on 23 November 2019. Retrieved 21 November 2017. replace “CLU” with “Python”, “record” with “instance”, and “procedure” with “function or method”, and you get a pretty accurate description of Python’s object model.
  20. ^ Simionato, Michele. “The Python 2.3 Method Resolution Order”. Python Software Foundation. Archived from the original on 20 August 2020. Retrieved 29 July 2014. The C3 method itself has nothing to do with Python, since it was invented by people working on Dylan and it is described in a paper intended for lispers
  21. ^ Kuchling, A. M. “Functional Programming HOWTO”. Python v2.7.2 documentation. Python Software Foundation. Archived from the original on 24 October 2012. Retrieved 9 February 2012. List comprehensions and generator expressions […] are a concise notation for such operations, borrowed from the functional programming language Haskell.
  22. ^ Schemenauer, Neil; Peters, Tim; Hetland, Magnus Lie (18 May 2001). “PEP 255 – Simple Generators”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 5 June 2020. Retrieved 9 February 2012.
  23. ^ “More Control Flow Tools”. Python 3 documentation. Python Software Foundation. Archived from the original on 4 June 2016. Retrieved 24 July 2015. By popular demand, a few features commonly found in functional programming languages like Lisp have been added to Python. With the lambda keyword, small anonymous functions can be created.
  24. ^ “re – Regular expression operations – Python 3.10.6 documentation”. docs.python.org. Retrieved 6 September 2022. This module provides regular expression matching operations similar to those found in Perl.
  25. ^ “CoffeeScript”. coffeescript.org. Archived from the original on 12 June 2020. Retrieved 3 July 2018.
  26. ^ “The Genie Programming Language Tutorial”. Archived from the original on 1 June 2020. Retrieved 28 February 2020.
  27. ^ “Perl and Python influences in JavaScript”. www.2ality.com. 24 February 2013. Archived from the original on 26 December 2018. Retrieved 15 May 2015.
  28. ^ Rauschmayer, Axel. “Chapter 3: The Nature of JavaScript; Influences”. O’Reilly, Speaking JavaScript. Archived from the original on 26 December 2018. Retrieved 15 May 2015.
  29. ^ a b “Why We Created Julia”. Julia website. February 2012. Archived from the original on 2 May 2020. Retrieved 5 June 2014. We want something as usable for general programming as Python […]
  30. ^ a b Krill, Paul (4 May 2023). “Mojo language marries Python and MLIR for AI development”. InfoWorld. Retrieved 5 May 2023.
  31. ^ Ring Team (4 December 2017). “Ring and other languages”. ring-lang.net. ring-lang. Archived from the original on 25 December 2018. Retrieved 4 December 2017.
  32. ^ Bini, Ola (2007). Practical JRuby on Rails Web 2.0 Projects: bringing Ruby on Rails to the Java platform. Berkeley: APress. p. 3. ISBN 978-1-59059-881-8.
  33. ^ Lattner, Chris (3 June 2014). “Chris Lattner’s Homepage”. Chris Lattner. Archived from the original on 25 December 2018. Retrieved 3 June 2014. The Swift language is the product of tireless effort from a team of language experts, documentation gurus, compiler optimization ninjas, and an incredibly important internal dogfooding group who provided feedback to help refine and battle-test ideas. Of course, it also greatly benefited from the experiences hard-won by many other languages in the field, drawing ideas from Objective-C, Rust, Haskell, Ruby, Python, C#, CLU, and far too many others to list.
  34. ^ Kuhlman, Dave. “A Python Book: Beginning Python, Advanced Python, and Python Exercises”. Section 1.1. Archived from the original (PDF) on 23 June 2012.
  35. ^ “About Python”. Python Software Foundation. Archived from the original on 20 April 2012. Retrieved 24 April 2012., second section “Fans of Python use the phrase “batteries included” to describe the standard library, which covers everything from asynchronous processing to zip files.”
  36. ^ “PEP 206 – Python Advanced Library”. Python.org. Archived from the original on 5 May 2021. Retrieved 11 October 2021.
  37. ^ Rossum, Guido Van (20 January 2009). “The History of Python: A Brief Timeline of Python”. The History of Python. Archived from the original on 5 June 2020. Retrieved 5 March 2021.
  38. ^ Peterson, Benjamin (20 April 2020). “Python Insider: Python 2.7.18, the last release of Python 2”. Python Insider. Archived from the original on 26 April 2020. Retrieved 27 April 2020.
  39. ^ “Stack Overflow Developer Survey 2022”. Stack Overflow. Retrieved 12 August 2022.
  40. ^ “The State of Developer Ecosystem in 2020 Infographic”. JetBrains: Developer Tools for Professionals and Teams. Archived from the original on 1 March 2021. Retrieved 5 March 2021.
  41. ^ a b “TIOBE Index”. TIOBE. Retrieved 3 January 2023. The TIOBE Programming Community index is an indicator of the popularity of programming languages Updated as required.
  42. ^ “PYPL PopularitY of Programming Language index”. pypl.github.io. Archived from the original on 14 March 2017. Retrieved 26 March 2021.
  43. ^ a b Venners, Bill (13 January 2003). “The Making of Python”. Artima Developer. Artima. Archived from the original on 1 September 2016. Retrieved 22 March 2007.
  44. ^ van Rossum, Guido (29 August 2000). “SETL (was: Lukewarm about range literals)”. Python-Dev (Mailing list). Archived from the original on 14 July 2018. Retrieved 13 March 2011.
  45. ^ van Rossum, Guido (20 January 2009). “A Brief Timeline of Python”. The History of Python. Archived from the original on 5 June 2020. Retrieved 20 January 2009.
  46. ^ Fairchild, Carlie (12 July 2018). “Guido van Rossum Stepping Down from Role as Python’s Benevolent Dictator For Life”. Linux Journal. Archived from the original on 13 July 2018. Retrieved 13 July 2018.
  47. ^ “PEP 8100”. Python Software Foundation. Archived from the original on 4 June 2020. Retrieved 4 May 2019.
  48. ^ “PEP 13 – Python Language Governance”. Python.org. Archived from the original on 27 May 2021. Retrieved 25 August 2021.
  49. ^ Kuchling, A. M.; Zadka, Moshe (16 October 2000). “What’s New in Python 2.0”. Python Software Foundation. Archived from the original on 23 October 2012. Retrieved 11 February 2012.
  50. ^ van Rossum, Guido (5 April 2006). “PEP 3000 – Python 3000”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 3 March 2016. Retrieved 27 June 2009.
  51. ^ “2to3 – Automated Python 2 to 3 code translation”. docs.python.org. Archived from the original on 4 June 2020. Retrieved 2 February 2021.
  52. ^ “PEP 373 – Python 2.7 Release Schedule”. python.org. Archived from the original on 19 May 2020. Retrieved 9 January 2017.
  53. ^ “PEP 466 – Network Security Enhancements for Python 2.7.x”. python.org. Archived from the original on 4 June 2020. Retrieved 9 January 2017.
  54. ^ “Sunsetting Python 2”. Python.org. Archived from the original on 12 January 2020. Retrieved 22 September 2019.
  55. ^ “PEP 373 – Python 2.7 Release Schedule”. Python.org. Archived from the original on 13 January 2020. Retrieved 22 September 2019.
  56. ^ Langa, Łukasz (19 February 2021). “Python Insider: Python 3.9.2 and 3.8.8 are now available”. Python Insider. Archived from the original on 25 February 2021. Retrieved 26 February 2021.
  57. ^ “Red Hat Customer Portal – Access to 24×7 support and knowledge”. access.redhat.com. Archived from the original on 6 March 2021. Retrieved 26 February 2021.
  58. ^ “CVE – CVE-2021-3177”. cve.mitre.org. Archived from the original on 27 February 2021. Retrieved 26 February 2021.
  59. ^ “CVE – CVE-2021-23336”. cve.mitre.org. Archived from the original on 24 February 2021. Retrieved 26 February 2021.
  60. ^ Langa, Łukasz (24 March 2022). “Python Insider: Python 3.10.4 and 3.9.12 are now available out of schedule”. Python Insider. Retrieved 19 April 2022.
  61. ^ Langa, Łukasz (16 March 2022). “Python Insider: Python 3.10.3, 3.9.11, 3.8.13, and 3.7.13 are now available with security content”. Python Insider. Retrieved 19 April 2022.
  62. ^ Langa, Łukasz (17 May 2022). “Python Insider: Python 3.9.13 is now available”. Python Insider. Retrieved 21 May 2022.
  63. ^ “Python Insider: Python releases 3.10.7, 3.9.14, 3.8.14, and 3.7.14 are now available”. pythoninsider.blogspot.com. 7 September 2022. Retrieved 16 September 2022.
  64. ^ “CVE – CVE-2020-10735”. cve.mitre.org. Retrieved 16 September 2022.
  65. ^ corbet (24 October 2022). “Python 3.11 released [LWN.net]”. lwn.net. Retrieved 15 November 2022.
  66. ^ The Cain Gang Ltd. “Python Metaclasses: Who? Why? When?” (PDF). Archived from the original (PDF) on 30 May 2009. Retrieved 27 June 2009.
  67. ^ “3.3. Special method names”. The Python Language Reference. Python Software Foundation. Archived from the original on 15 December 2018. Retrieved 27 June 2009.
  68. ^ “PyDBC: method preconditions, method postconditions and class invariants for Python”. Archived from the original on 23 November 2019. Retrieved 24 September 2011.
  69. ^ “Contracts for Python”. Archived from the original on 15 June 2020. Retrieved 24 September 2011.
  70. ^ “PyDatalog”. Archived from the original on 13 June 2020. Retrieved 22 July 2012.
  71. ^ “Extending and Embedding the Python Interpreter: Reference Counts”. Docs.python.org. Archived from the original on 18 October 2012. Retrieved 5 June 2020. Since Python makes heavy use of malloc() and free(), it needs a strategy to avoid memory leaks as well as the use of freed memory. The chosen method is called reference counting.
  72. ^ a b Hettinger, Raymond (30 January 2002). “PEP 289 – Generator Expressions”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 14 June 2020. Retrieved 19 February 2012.
  73. ^ “6.5 itertools – Functions creating iterators for efficient looping”. Docs.python.org. Archived from the original on 14 June 2020. Retrieved 22 November 2016.
  74. ^ a b Peters, Tim (19 August 2004). “PEP 20 – The Zen of Python”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 26 December 2018. Retrieved 24 November 2008.
  75. ^ Martelli, Alex; Ravenscroft, Anna; Ascher, David (2005). Python Cookbook, 2nd Edition. O’Reilly Media. p. 230. ISBN 978-0-596-00797-3. Archived from the original on 23 February 2020. Retrieved 14 November 2015.
  76. ^ “Python Culture”. ebeab. 21 January 2014. Archived from the original on 30 January 2014.
  77. ^ “Why is it called Python?”. General Python FAQ. Docs.python.org. Archived from the original on 24 October 2012. Retrieved 3 January 2023.
  78. ^ “15 Ways Python Is a Powerful Force on the Web”. Archived from the original on 11 May 2019. Retrieved 3 July 2018.
  79. ^ “pprint – Data pretty printer – Python 3.11.0 documentation”. docs.python.org. Archived from the original on 22 January 2021. Retrieved 5 November 2022. stuff=[‘spam’, ‘eggs’, ‘lumberjack’, ‘knights’, ‘ni’]
  80. ^ Clark, Robert (26 April 2019). “How to be Pythonic and why you should care”. Medium. Archived from the original on 13 August 2021. Retrieved 20 January 2021.
  81. ^ “Code Style – The Hitchhiker’s Guide to Python”. docs.python-guide.org. Archived from the original on 27 January 2021. Retrieved 20 January 2021.
  82. ^ “Is Python a good language for beginning programmers?”. General Python FAQ. Python Software Foundation. Archived from the original on 24 October 2012. Retrieved 21 March 2007.
  83. ^ “Myths about indentation in Python”. Secnetix.de. Archived from the original on 18 February 2018. Retrieved 19 April 2011.
  84. ^ Guttag, John V. (12 August 2016). Introduction to Computation and Programming Using Python: With Application to Understanding Data. MIT Press. ISBN 978-0-262-52962-4.
  85. ^ “PEP 8 – Style Guide for Python Code”. Python.org. Archived from the original on 17 April 2019. Retrieved 26 March 2019.
  86. ^ “8. Errors and Exceptions – Python 3.12.0a0 documentation”. docs.python.org. Retrieved 9 May 2022.
  87. ^ “Highlights: Python 2.5”. Python.org. Archived from the original on 4 August 2019. Retrieved 20 March 2018.
  88. ^ van Rossum, Guido (22 April 2009). “Tail Recursion Elimination”. Neopythonic.blogspot.be. Archived from the original on 19 May 2018. Retrieved 3 December 2012.
  89. ^ van Rossum, Guido (9 February 2006). “Language Design Is Not Just Solving Puzzles”. Artima forums. Artima. Archived from the original on 17 January 2020. Retrieved 21 March 2007.
  90. ^ van Rossum, Guido; Eby, Phillip J. (10 May 2005). “PEP 342 – Coroutines via Enhanced Generators”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 29 May 2020. Retrieved 19 February 2012.
  91. ^ “PEP 380”. Python.org. Archived from the original on 4 June 2020. Retrieved 3 December 2012.
  92. ^ “division”. python.org. Archived from the original on 20 July 2006. Retrieved 30 July 2014.
  93. ^ “PEP 0465 – A dedicated infix operator for matrix multiplication”. python.org. Archived from the original on 4 June 2020. Retrieved 1 January 2016.
  94. ^ “Python 3.5.1 Release and Changelog”. python.org. Archived from the original on 14 May 2020. Retrieved 1 January 2016.
  95. ^ “What’s New in Python 3.8”. Archived from the original on 8 June 2020. Retrieved 14 October 2019.
  96. ^ van Rossum, Guido; Hettinger, Raymond (7 February 2003). “PEP 308 – Conditional Expressions”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 13 March 2016. Retrieved 13 July 2011.
  97. ^ “4. Built-in Types – Python 3.6.3rc1 documentation”. python.org. Archived from the original on 14 June 2020. Retrieved 1 October 2017.
  98. ^ “5.3. Tuples and Sequences – Python 3.7.1rc2 documentation”. python.org. Archived from the original on 10 June 2020. Retrieved 17 October 2018.
  99. ^ a b “PEP 498 – Literal String Interpolation”. python.org. Archived from the original on 15 June 2020. Retrieved 8 March 2017.
  100. ^ “Why must ‘self’ be used explicitly in method definitions and calls?”. Design and History FAQ. Python Software Foundation. Archived from the original on 24 October 2012. Retrieved 19 February 2012.
  101. ^ Sweigart, Al (2020). Beyond the Basic Stuff with Python: Best Practices for Writing Clean Code. No Starch Press. p. 322. ISBN 978-1-59327-966-0. Archived from the original on 13 August 2021. Retrieved 7 July 2021.
  102. ^ “The Python Language Reference, section 3.3. New-style and classic classes, for release 2.7.1”. Archived from the original on 26 October 2012. Retrieved 12 January 2011.
  103. ^ “Type hinting for Python”. LWN.net. 24 December 2014. Archived from the original on 20 June 2019. Retrieved 5 May 2015.
  104. ^ “mypy – Optional Static Typing for Python”. Archived from the original on 6 June 2020. Retrieved 28 January 2017.
  105. ^ “15. Floating Point Arithmetic: Issues and Limitations – Python 3.8.3 documentation”. docs.python.org. Archived from the original on 6 June 2020. Retrieved 6 June 2020. Almost all machines today (November 2000) use IEEE-754 floating point arithmetic, and almost all platforms map Python floats to IEEE-754 “double precision”.
  106. ^ Zadka, Moshe; van Rossum, Guido (11 March 2001). “PEP 237 – Unifying Long Integers and Integers”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 28 May 2020. Retrieved 24 September 2011.
  107. ^ “Built-in Types”. Archived from the original on 14 June 2020. Retrieved 3 October 2019.
  108. ^ “PEP 465 – A dedicated infix operator for matrix multiplication”. python.org. Archived from the original on 29 May 2020. Retrieved 3 July 2018.
  109. ^ a b Zadka, Moshe; van Rossum, Guido (11 March 2001). “PEP 238 – Changing the Division Operator”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 28 May 2020. Retrieved 23 October 2013.
  110. ^ “Why Python’s Integer Division Floors”. 24 August 2010. Archived from the original on 5 June 2020. Retrieved 25 August 2010.
  111. ^ “round”, The Python standard library, release 3.2, §2: Built-in functions, archived from the original on 25 October 2012, retrieved 14 August 2011
  112. ^ “round”, The Python standard library, release 2.7, §2: Built-in functions, archived from the original on 27 October 2012, retrieved 14 August 2011
  113. ^ Beazley, David M. (2009). Python Essential Reference (4th ed.). p. 66. ISBN 9780672329784.
  114. ^ Kernighan, Brian W.; Ritchie, Dennis M. (1988). The C Programming Language (2nd ed.). p. 206.
  115. ^ Batista, Facundo. “PEP 0327 – Decimal Data Type”. Python.org. Archived from the original on 4 June 2020. Retrieved 26 September 2015.
  116. ^ “What’s New in Python 2.6 – Python v2.6.9 documentation”. docs.python.org. Archived from the original on 23 December 2019. Retrieved 26 September 2015.
  117. ^ “10 Reasons Python Rocks for Research (And a Few Reasons it Doesn’t) – Hoyt Koepke”. www.stat.washington.edu. Archived from the original on 31 May 2020. Retrieved 3 February 2019.
  118. ^ Shell, Scott (17 June 2014). “An introduction to Python for scientific computing” (PDF). Archived (PDF) from the original on 4 February 2019. Retrieved 3 February 2019.
  119. ^ Piotrowski, Przemyslaw (July 2006). “Build a Rapid Web Development Environment for Python Server Pages and Oracle”. Oracle Technology Network. Oracle. Archived from the original on 2 April 2019. Retrieved 12 March 2012.
  120. ^ Batista, Facundo (17 October 2003). “PEP 327 – Decimal Data Type”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 4 June 2020. Retrieved 24 November 2008.
  121. ^ Eby, Phillip J. (7 December 2003). “PEP 333 – Python Web Server Gateway Interface v1.0”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 14 June 2020. Retrieved 19 February 2012.
  122. ^ “Modulecounts”. Modulecounts. 14 November 2022. Archived from the original on 26 June 2022.
  123. ^ Enthought, Canopy. “Canopy”. www.enthought.com. Archived from the original on 15 July 2017. Retrieved 20 August 2016.
  124. ^ “PEP 7 – Style Guide for C Code | peps.python.org”. peps.python.org. Retrieved 28 April 2022.
  125. ^ “4. Building C and C++ Extensions – Python 3.9.2 documentation”. docs.python.org. Archived from the original on 3 March 2021. Retrieved 1 March 2021.
  126. ^ van Rossum, Guido (5 June 2001). “PEP 7 – Style Guide for C Code”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 1 June 2020. Retrieved 24 November 2008.
  127. ^ “CPython byte code”. Docs.python.org. Archived from the original on 5 June 2020. Retrieved 16 February 2016.
  128. ^ “Python 2.5 internals” (PDF). Archived (PDF) from the original on 6 August 2012. Retrieved 19 April 2011.
  129. ^ “Changelog – Python 3.9.0 documentation”. docs.python.org. Archived from the original on 7 February 2021. Retrieved 8 February 2021.
  130. ^ “Download Python”. Python.org. Archived from the original on 8 December 2020. Retrieved 13 December 2020.
  131. ^ “history [vmspython]”. www.vmspython.org. Archived from the original on 2 December 2020. Retrieved 4 December 2020.
  132. ^ “An Interview with Guido van Rossum”. Oreilly.com. Archived from the original on 16 July 2014. Retrieved 24 November 2008.
  133. ^ “Download Python for Other Platforms”. Python.org. Archived from the original on 27 November 2020. Retrieved 4 December 2020.
  134. ^ “PyPy compatibility”. Pypy.org. Archived from the original on 6 June 2020. Retrieved 3 December 2012.
  135. ^ Team, The PyPy (28 December 2019). “Download and Install”. PyPy. Retrieved 8 January 2022.
  136. ^ “speed comparison between CPython and Pypy”. Speed.pypy.org. Archived from the original on 10 May 2021. Retrieved 3 December 2012.
  137. ^ “Application-level Stackless features – PyPy 2.0.2 documentation”. Doc.pypy.org. Archived from the original on 4 June 2020. Retrieved 17 July 2013.
  138. ^ “Python-for-EV3”. LEGO Education. Archived from the original on 7 June 2020. Retrieved 17 April 2019.
  139. ^ Yegulalp, Serdar (29 October 2020). “Pyston returns from the dead to speed Python”. InfoWorld. Archived from the original on 27 January 2021. Retrieved 26 January 2021.
  140. ^ “cinder: Instagram’s performance-oriented fork of CPython”. GitHub. Archived from the original on 4 May 2021. Retrieved 4 May 2021.
  141. ^ “Plans for optimizing Python”. Google Project Hosting. 15 December 2009. Archived from the original on 11 April 2016. Retrieved 24 September 2011.
  142. ^ “Python on the Nokia N900”. Stochastic Geometry. 29 April 2010. Archived from the original on 20 June 2019. Retrieved 9 July 2015.
  143. ^ “Brython”. brython.info. Archived from the original on 3 August 2018. Retrieved 21 January 2021.
  144. ^ “Transcrypt – Python in the browser”. transcrypt.org. Archived from the original on 19 August 2018. Retrieved 22 December 2020.
  145. ^ “Transcrypt: Anatomy of a Python to JavaScript Compiler”. InfoQ. Archived from the original on 5 December 2020. Retrieved 20 January 2021.
  146. ^ “Nuitka Home | Nuitka Home”. nuitka.net. Archived from the original on 30 May 2020. Retrieved 18 August 2017.
  147. ^ Borderies, Olivier (24 January 2019). “Pythran: Python at C++ speed !”. Medium. Archived from the original on 25 March 2020. Retrieved 25 March 2020.
  148. ^ “Pythran – Pythran 0.9.5 documentation”. pythran.readthedocs.io. Archived from the original on 19 February 2020. Retrieved 25 March 2020.
  149. ^ Guelton, Serge; Brunet, Pierrick; Amini, Mehdi; Merlini, Adrien; Corbillon, Xavier; Raynaud, Alan (16 March 2015). “Pythran: enabling static optimization of scientific Python programs”. Computational Science & Discovery. IOP Publishing. 8 (1): 014001. Bibcode:2015CS&D….8a4001G. doi:10.1088/1749-4680/8/1/014001. ISSN 1749-4699.
  150. ^ The Python → 11l → C++ transpiler
  151. ^ “google/grumpy”. 10 April 2020. Archived from the original on 15 April 2020. Retrieved 25 March 2020 – via GitHub.
  152. ^ “Projects”. opensource.google. Archived from the original on 24 April 2020. Retrieved 25 March 2020.
  153. ^ Francisco, Thomas Claburn in San. “Google’s Grumpy code makes Python Go”. www.theregister.com. Archived from the original on 7 March 2021. Retrieved 20 January 2021.
  154. ^ “GitHub – IronLanguages/ironpython3: Implementation of Python 3.x for .NET Framework that is built on top of the Dynamic Language Runtime”. GitHub. Archived from the original on 28 September 2021.
  155. ^ “IronPython.net /”. ironpython.net. Archived from the original on 17 April 2021.
  156. ^ “Jython FAQ”. www.jython.org. Archived from the original on 22 April 2021. Retrieved 22 April 2021.
  157. ^ Murri, Riccardo (2013). Performance of Python runtimes on a non-numeric scientific code. European Conference on Python in Science (EuroSciPy). arXiv:1404.6388. Bibcode:2014arXiv1404.6388M.
  158. ^ “The Computer Language Benchmarks Game”. Archived from the original on 14 June 2020. Retrieved 30 April 2020.
  159. ^ a b Warsaw, Barry; Hylton, Jeremy; Goodger, David (13 June 2000). “PEP 1 – PEP Purpose and Guidelines”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 6 June 2020. Retrieved 19 April 2011.
  160. ^ “PEP 8 – Style Guide for Python Code”. Python.org. Archived from the original on 17 April 2019. Retrieved 26 March 2019.
  161. ^ Cannon, Brett. “Guido, Some Guys, and a Mailing List: How Python is Developed”. python.org. Python Software Foundation. Archived from the original on 1 June 2009. Retrieved 27 June 2009.
  162. ^ “Moving Python’s bugs to GitHub [LWN.net]”.
  163. ^ “Python Developer’s Guide – Python Developer’s Guide”. devguide.python.org. Archived from the original on 9 November 2020. Retrieved 17 December 2019.
  164. ^ Hughes, Owen (24 May 2021). “Programming languages: Why Python 4.0 might never arrive, according to its creator”. TechRepublic. Retrieved 16 May 2022.
  165. ^ “PEP 602 – Annual Release Cycle for Python”. Python.org. Archived from the original on 14 June 2020. Retrieved 6 November 2019.
  166. ^ “Changing the Python release cadence [LWN.net]”. lwn.net. Archived from the original on 6 November 2019. Retrieved 6 November 2019.
  167. ^ Norwitz, Neal (8 April 2002). “[Python-Dev] Release Schedules (was Stability & change)”. Archived from the original on 15 December 2018. Retrieved 27 June 2009.
  168. ^ a b Aahz; Baxter, Anthony (15 March 2001). “PEP 6 – Bug Fix Releases”. Python Enhancement Proposals. Python Software Foundation. Archived from the original on 5 June 2020. Retrieved 27 June 2009.
  169. ^ “Python Buildbot”. Python Developer’s Guide. Python Software Foundation. Archived from the original on 5 June 2020. Retrieved 24 September 2011.
  170. ^ “1. Extending Python with C or C++ – Python 3.9.1 documentation”. docs.python.org. Archived from the original on 23 June 2020. Retrieved 14 February 2021.
  171. ^ “PEP 623 – Remove wstr from Unicode”. Python.org. Archived from the original on 5 March 2021. Retrieved 14 February 2021.
  172. ^ “PEP 634 – Structural Pattern Matching: Specification”. Python.org. Archived from the original on 6 May 2021. Retrieved 14 February 2021.
  173. ^ “Documentation Tools”. Python.org. Archived from the original on 11 November 2020. Retrieved 22 March 2021.
  174. ^ a b “Whetting Your Appetite”. The Python Tutorial. Python Software Foundation. Archived from the original on 26 October 2012. Retrieved 20 February 2012.
  175. ^ “In Python, should I use else after a return in an if block?”. Stack Overflow. Stack Exchange. 17 February 2011. Archived from the original on 20 June 2019. Retrieved 6 May 2011.
  176. ^ Lutz, Mark (2009). Learning Python: Powerful Object-Oriented Programming. O’Reilly Media, Inc. p. 17. ISBN 9781449379322. Archived from the original on 17 July 2017. Retrieved 9 May 2017.
  177. ^ Fehily, Chris (2002). Python. Peachpit Press. p. xv. ISBN 9780201748840. Archived from the original on 17 July 2017. Retrieved 9 May 2017.
  178. ^ Blake, Troy (18 January 2021). “TIOBE Index for January 2021”. Technology News and Information by SeniorDBA. Archived from the original on 21 March 2021. Retrieved 26 February 2021.
  179. ^ Prechelt, Lutz (14 March 2000). “An empirical comparison of C, C++, Java, Perl, Python, Rexx, and Tcl” (PDF). Archived (PDF) from the original on 3 January 2020. Retrieved 30 August 2013.
  180. ^ “Quotes about Python”. Python Software Foundation. Archived from the original on 3 June 2020. Retrieved 8 January 2012.
  181. ^ “Organizations Using Python”. Python Software Foundation. Archived from the original on 21 August 2018. Retrieved 15 January 2009.
  182. ^ “Python : the holy grail of programming”. CERN Bulletin. CERN Publications (31/2006). 31 July 2006. Archived from the original on 15 January 2013. Retrieved 11 February 2012.
  183. ^ Shafer, Daniel G. (17 January 2003). “Python Streamlines Space Shuttle Mission Design”. Python Software Foundation. Archived from the original on 5 June 2020. Retrieved 24 November 2008.
  184. ^ “Tornado: Facebook’s Real-Time Web Framework for Python – Facebook for Developers”. Facebook for Developers. Archived from the original on 19 February 2019. Retrieved 19 June 2018.
  185. ^ “What Powers Instagram: Hundreds of Instances, Dozens of Technologies”. Instagram Engineering. 11 December 2016. Archived from the original on 15 June 2020. Retrieved 27 May 2019.
  186. ^ “How we use Python at Spotify”. Spotify Labs. 20 March 2013. Archived from the original on 10 June 2020. Retrieved 25 July 2018.
  187. ^ Fortenberry, Tim (17 January 2003). “Industrial Light & Magic Runs on Python”. Python Software Foundation. Archived from the original on 6 June 2020. Retrieved 11 February 2012.
  188. ^ Taft, Darryl K. (5 March 2007). “Python Slithers into Systems”. eWeek.com. Ziff Davis Holdings. Archived from the original on 13 August 2021. Retrieved 24 September 2011.
  189. ^ GitHub – reddit-archive/reddit: historical code from reddit.com., The Reddit Archives, archived from the original on 1 June 2020, retrieved 20 March 2019
  190. ^ “Usage statistics and market share of Python for websites”. 2012. Archived from the original on 13 August 2021. Retrieved 18 December 2012.
  191. ^ Oliphant, Travis (2007). “Python for Scientific Computing”. Computing in Science and Engineering. 9 (3): 10–20. Bibcode:2007CSE…..9c..10O. CiteSeerX 10.1.1.474.6460. doi:10.1109/MCSE.2007.58. S2CID 206457124. Archived from the original on 15 June 2020. Retrieved 10 April 2015.
  192. ^ Millman, K. Jarrod; Aivazis, Michael (2011). “Python for Scientists and Engineers”. Computing in Science and Engineering. 13 (2): 9–12. Bibcode:2011CSE….13b…9M. doi:10.1109/MCSE.2011.36. Archived from the original on 19 February 2019. Retrieved 7 July 2014.
  193. ^ Science education with SageMath, Innovative Computing in Science Education, archived from the original on 15 June 2020, retrieved 22 April 2019
  194. ^ “OpenCV: OpenCV-Python Tutorials”. docs.opencv.org. Archived from the original on 23 September 2020. Retrieved 14 September 2020.
  195. ^ Dean, Jeff; Monga, Rajat; et al. (9 November 2015). “TensorFlow: Large-scale machine learning on heterogeneous systems” (PDF). TensorFlow.org. Google Research. Archived (PDF) from the original on 20 November 2015. Retrieved 10 November 2015.
  196. ^ Piatetsky, Gregory. “Python eats away at R: Top Software for Analytics, Data Science, Machine Learning in 2018: Trends and Analysis”. KDnuggets. KDnuggets. Archived from the original on 15 November 2019. Retrieved 30 May 2018.
  197. ^ “Who is using scikit-learn? – scikit-learn 0.20.1 documentation”. scikit-learn.org. Archived from the original on 6 May 2020. Retrieved 30 November 2018.
  198. ^ Jouppi, Norm. “Google supercharges machine learning tasks with TPU custom chip”. Google Cloud Platform Blog. Archived from the original on 18 May 2016. Retrieved 19 May 2016.
  199. ^ “Natural Language Toolkit – NLTK 3.5b1 documentation”. www.nltk.org. Archived from the original on 13 June 2020. Retrieved 10 April 2020.
  200. ^ “Installers for GIMP for Windows – Frequently Asked Questions”. 26 July 2013. Archived from the original on 17 July 2013. Retrieved 26 July 2013.
  201. ^ “jasc psp9components”. Archived from the original on 19 March 2008.
  202. ^ “About getting started with writing geoprocessing scripts”. ArcGIS Desktop Help 9.2. Environmental Systems Research Institute. 17 November 2006. Archived from the original on 5 June 2020. Retrieved 11 February 2012.
  203. ^ CCP porkbelly (24 August 2010). “Stackless Python 2.7”. EVE Community Dev Blogs. CCP Games. Archived from the original on 11 January 2014. Retrieved 11 January 2014. As you may know, EVE has at its core the programming language known as Stackless Python.
  204. ^ Caudill, Barry (20 September 2005). “Modding Sid Meier’s Civilization IV”. Sid Meier’s Civilization IV Developer Blog. Firaxis Games. Archived from the original on 2 December 2010. we created three levels of tools … The next level offers Python and XML support, letting modders with more experience manipulate the game world and everything in it.
  205. ^ “Python Language Guide (v1.0)”. Google Documents List Data API v1.0. Archived from the original on 15 July 2010.
  206. ^ “Python Setup and Usage”. Python Software Foundation. Archived from the original on 17 June 2020. Retrieved 10 January 2020.
  207. ^ “Immunity: Knowing You’re Secure”. Archived from the original on 16 February 2009.
  208. ^ “Core Security”. Core Security. Archived from the original on 9 June 2020. Retrieved 10 April 2020.
  209. ^ “What is Sugar?”. Sugar Labs. Archived from the original on 9 January 2009. Retrieved 11 February 2012.
  210. ^ “4.0 New Features and Fixes”. LibreOffice.org. The Document Foundation. 2013. Archived from the original on 9 February 2014. Retrieved 25 February 2013.
  211. ^ “Gotchas for Python Users”. boo.codehaus.org. Codehaus Foundation. Archived from the original on 11 December 2008. Retrieved 24 November 2008.
  212. ^ Esterbrook, Charles. “Acknowledgements”. cobra-language.com. Cobra Language. Archived from the original on 8 February 2008. Retrieved 7 April 2010.
  213. ^ “Proposals: iterators and generators [ES4 Wiki]”. wiki.ecmascript.org. Archived from the original on 20 October 2007. Retrieved 24 November 2008.
  214. ^ “Frequently asked questions”. Godot Engine documentation. Archived from the original on 28 April 2021. Retrieved 10 May 2021.
  215. ^ Kincaid, Jason (10 November 2009). “Google’s Go: A New Programming Language That’s Python Meets C++”. TechCrunch. Archived from the original on 18 January 2010. Retrieved 29 January 2010.
  216. ^ Strachan, James (29 August 2003). “Groovy – the birth of a new dynamic language for the Java platform”. Archived from the original on 5 April 2007. Retrieved 11 June 2007.
  217. ^ “Modular Docs – Why Mojo🔥”. docs.modular.com. Retrieved 5 May 2023. Mojo as a member of the Python family [..] Embracing Python massively simplifies our design efforts, because most of the syntax is already specified. [..] we decided that the right long-term goal for Mojo is to provide a superset of Python (i.e. be compatible with existing programs) and to embrace the CPython immediately for long-tail ecosystem enablement. To a Python programmer, we expect and hope that Mojo will be immediately familiar, while also providing new tools for developing systems-level code that enable you to do things that Python falls back to C and C++ for.
  218. ^ Spencer, Michael. “What is Mojo Programming Language?”. datasciencelearningcenter.substack.com. Retrieved 5 May 2023.
  219. ^ Yegulalp, Serdar (16 January 2017). “Nim language draws from best of Python, Rust, Go, and Lisp”. InfoWorld. Archived from the original on 13 October 2018. Retrieved 7 June 2020. Nim’s syntax is strongly reminiscent of Python’s, as it uses indented code blocks and some of the same syntax (such as the way if/elif/then/else blocks are constructed).
  220. ^ “An Interview with the Creator of Ruby”. Linuxdevcenter.com. Archived from the original on 28 April 2018. Retrieved 3 December 2012.
  221. ^ Lattner, Chris (3 June 2014). “Chris Lattner’s Homepage”. Chris Lattner. Archived from the original on 22 December 2015. Retrieved 3 June 2014. I started work on the Swift Programming Language in July of 2010. I implemented much of the basic language structure, with only a few people knowing of its existence. A few other (amazing) people started contributing in earnest late in 2011, and it became a major focus for the Apple Developer Tools group in July 2013 […] drawing ideas from Objective-C, Rust, Haskell, Ruby, Python, C#, CLU, and far too many others to list.
  222. ^ Kupries, Andreas; Fellows, Donal K. (14 September 2000). “TIP #3: TIP Format”. tcl.tk. Tcl Developer Xchange. Archived from the original on 13 July 2017. Retrieved 24 November 2008.
  223. ^ Gustafsson, Per; Niskanen, Raimo (29 January 2007). “EEP 1: EEP Purpose and Guidelines”. erlang.org. Archived from the original on 15 June 2020. Retrieved 19 April 2011.
  224. ^ “Swift Evolution Process”. Swift Programming Language Evolution repository on GitHub. 18 February 2020. Archived from the original on 27 April 2020. Retrieved 27 April 2020.

Sources

  • “Python for Artificial Intelligence”. Wiki.python.org. 19 July 2012. Archived from the original on 1 November 2012. Retrieved 3 December 2012.
  • Paine, Jocelyn, ed. (August 2005). “AI in Python”. AI Expert Newsletter. Amzi!. Archived from the original on 26 March 2012. Retrieved 11 February 2012.
  • “PyAIML 0.8.5 : Python Package Index”. Pypi.python.org. Retrieved 17 July 2013.
  • Russell, Stuart J. & Norvig, Peter (2009). Artificial Intelligence: A Modern Approach (3rd ed.). Upper Saddle River, NJ: Prentice Hall. ISBN 978-0-13-604259-4.

Further reading

  • Downey, Allen B. (May 2012). Think Python: How to Think Like a Computer Scientist (version 1.6.6 ed.). ISBN 978-0-521-72596-5.
  • Hamilton, Naomi (5 August 2008). “The A-Z of Programming Languages: Python”. Computerworld. Archived from the original on 29 December 2008. Retrieved 31 March 2010.
  • Lutz, Mark (2013). Learning Python (5th ed.). O’Reilly Media. ISBN 978-0-596-15806-4.
  • Summerfield, Mark (2009). Programming in Python 3 (2nd ed.). Addison-Wesley Professional. ISBN 978-0-321-68056-3.
  • Ramalho, Luciano (May 2022). Fluent Python (2nd ed.). O’Reilly Media. ISBN 978-1-4920-5632-4.

External links

  • Official website Edit this at Wikidata

Данный курс посвящён изучению языка программирования Python.

Язык программирования необходим для разработки компьютерных программ. Программы — это набор команд для компьютера. Выполняя команды программы, компьютер делает то, что от него требуется: выводит информацию на экран, ожидает ввода данных и т. д.

В настоящее время существует множество языков программирования. Может возникнуть вопрос: неужели нет какого-то одного универсального языка? Универсальный язык, который напрямую «понимает» компьютер, — язык машинных команд.

Однако человеку писать на таком языке очень сложно. Например, программа, которая выводит на экран строку «Hello, world!», на языке машинных команд будет выглядеть так: BB 11 01 B9 0D 00 B4 0E 8A 07 43 CD 10 E2 F9 CD 20 48 65 6C 6C 6F 2C 20 77 6F 72 6C 64 21.

Поэтому были разработаны языки программирования, правила и команды которых понятны для человека, а сами языки похожи на «естественные». Та же самая программа, выводящая фразу «Hello, world!», на языке Python выглядит следующим образом: print(“Hello, world!”).

У разных языков программирования есть свои достоинства и недостатки. В среде программистов считается, что одним из самых простых языков для новичков является именно Python (правильно его читать как «пайтон», с ударением на первый слог).

Первая версия Python была разработана в 1991 году программистом из Нидерландов Гвидо ван Россумом. В настоящее время выходят новые версии языка, которые расширяют его возможности, а сам он занимает верхние строчки рейтингов языков программирования. Python применяется во многих сферах: веб-разработка, анализ данных и машинное обучение и др.

Главное достоинство Python — простота синтаксиса и команд, а также большое количество библиотек, которые содержат уже написанный программный код для решения широкого спектра задач. Python даже применяют в своих исследованиях и разработках специалисты, чьи профессии напрямую не связаны с программированием. Один из самых частых примеров — применение Python для анализа большого количества данных и нахождения корреляции между ними.

Все языки программирования можно условно разделить на две большие группы: компилируемые и интерпретируемые. Программы, написанные на компилируемых языках программирования, преобразуются (компилируются) в машинный код и становятся исполняемыми (например, в операционной системе Windows это чаще всего будет файл с расширением .exe). Программы, написанные на интерпретируемых языках (в их числе и Python), не компилируются, и для их запуска требуется специальная программа — интерпретатор.

Если у вас уже установлен интерпретатор и настроена среда разработки, вы можете смело переходить к следующей главе. А если нет — скачать интерпретатор для нужной операционной системы можно на сайте. Рекомендуемая версия — 3.10.

Далее необходимо сохранить файл-установщик и затем его запустить. Обратите внимание, что интерпретатор лучше установить в папку, в пути к которой будут только символы английского алфавита (это позволит в будущем избежать проблем с некоторыми библиотеками). Также не забудьте установить флажок «Add to PATH» для добавления путей до интерпретатора и вспомогательных программ в переменные окружения (это действие позволит обращаться к интерпретатору и установщику библиотек из любой папки системы).

После установки можно сразу приступить к созданию и запуску программ. Возникает вопрос: а где писать программы? Ответить можно так: где угодно, даже в «Блокноте». Главное, чтобы файл с программой сохранялся как текст, а у файла было расширение .py (английскими буквами, читается как «пай»). Затем эти программы можно запустить из командной строки следующим образом:

python program_1.py

Эту запись можно расшифровать так: «Операционная система, запусти интерпретатор — пусть он прочитает файл с нашей программой».

Однако писать программы в «Блокноте» не очень удобно — он даже не покажет опечатки и синтаксические ошибки. Поэтому для создания программ обычно используют специальные интегрированные среды разработки (IDE — Integrated Development Environment).

Для начала изучения Python вполне хватит среды разработки Visual Studio Code (также можно использовать Pycharm, однако он чуть более сложен в настройке). Необходимо скачать дистрибутив (установщик программы) для вашей операционной системы с сайта. После сохранения файла-инсталлятора его необходимо запустить, и начнётся процесс установки.

Параметры установки можно оставить по умолчанию. Как только она завершится, среду разработки можно запускать. Дополнительно стоит установить расширение для работы с Python (хотя часто оно устанавливается автоматически).

Запустив среду разработки, нажмите на иконку, как показано на рисунке ниже.

0_1.png

Слева откроется панель расширений. В поисковой строке наберите «Python» и установите это расширение, нажав на кнопку «Установить» (или убедитесь, что оно установлено автоматически, в таком случае не будет кнопки «Установить»).

0_2.png

Создайте папку с проектом, в котором будете создавать программы. Для этого выберите в стартовом окне пункт «Открыть папку», а затем создайте новую папку с проектом.

В панели проводника появится проект с заданным вами именем. Справа от названия выберите иконку создания нового файла.

0_3.png

Дайте имя файлу, например example_1.py.

0_4.png

Выберите внизу, в строке состояния, пункт «Выбор интерпретатора», а затем один из установленных интерпретаторов вашей системы.

0_5.png

Чтобы проверить правильность первоначальной настройки, скопируйте следующий код и запустите его, нажав на кнопку с треугольником справа вверху:

print("Привет, мир!")

Проверьте, что после запуска программы в нижней части окна среды разработки появилась вкладка «Терминал» и в ней напечатана фраза «Привет, мир!».

0_6.png

Поздравляем, всё готово к работе! В следующей главе вы узнаете, как работать с числами и строками, и познакомитесь с первыми функциями.

Лучший ответ

Гошв Волков

Ученик

(164)


7 лет назад

Пайтон)

Остальные ответы

Екатерина Чижова

Мастер

(1276)


7 лет назад

питон

Vladimir Z

Искусственный Интеллект

(204372)


7 лет назад

“ПИСОН”, если точнее: буква Н есть

valеra dПросветленный (38230)

7 лет назад

В дешёвых разговорниках звук “TH” передают как русское “С” В кино “Сриллер”

Vladimir Z
Искусственный Интеллект
(204372)
примерно так. произношение буквы чуть иное

Сэм ПавловМудрец (10169)

7 лет назад

Еще бы писюн написал

Vladimir Z
Искусственный Интеллект
(204372)
не передёргивай. не пошлил. сожешь “С” читать как “ТХ”, если тебе так нра. хотя тут ближе к “С”

Shudl Gathering

Мастер

(1558)


7 лет назад

Питон, так и будет.

The Cat

Искусственный Интеллект

(115895)


7 лет назад

Пютхон.

Nikolay Shepelev

Мыслитель

(6148)


7 лет назад

Правильно Пайтон, но говорят все Питон.



Просветленный

(26482)


7 лет назад

А что это за язык такой – PYTHON? Я Python знаю, а такой впервые слышу.
Python обычно называют питоном, иногда и пайтоном, но никак не пифоном, он же не Pyphon.

sagitavkhas

Знаток

(348)


7 лет назад

Вообще правильно произносить пайтон, но название уже обрусело поэтому все говорят питон.
ПИТОН

владимир демиденко

Знаток

(348)


7 лет назад

он назван в честь цирка Монти Пайтон

Евгений Михайлович

Профи

(691)


7 лет назад

Язык назвали в честь цирка Монти Пайтона, а в русском комьюнити принято говорить “питон”

Pavel Krotov

Знаток

(257)


7 лет назад

Кто-то говорит Питон, кто-то говорит Пайтон. И так, и так правильно, но автор позиционирует язык как Питон.

danial counter strike global offensive

Ученик

(202)


6 лет назад

ну вообщето пайсон.

Aleksey Shirkov

Знаток

(276)


3 года назад

Ахаха, пифон, чё

Андрей Пирогов

Мудрец

(17855)


2 года назад

писюн

Понравилась статья? Поделить с друзьями:
Добавить комментарий

;-) :| :x :twisted: :smile: :shock: :sad: :roll: :razz: :oops: :o :mrgreen: :lol: :idea: :grin: :evil: :cry: :cool: :arrow: :???: :?: :!: