社科大数据平台python学习系列 ｜学习 Python 第一步——环境安装与配置
目录
一、前言
二、Python 简介
三、部署 Python 环境
四、安装 Python 考分环境
五、Python 解释器与开发环境缺一不可
六、总结
本文共3244个字，还有两个小视频。阅读大约需要15+分钟，欢迎指正！
为中国广大社科、经管类学生量身打造，免费的 Python 系列教程来啦！
Part1前言
这段时间以来，我们分享了许多 Python 数据处理的实用技能，得到了很多读者的肯定。也有不少读者表示虽然看起来很有用，但无奈读不懂 Python 代码。公众号内的读者朋友大多是社科学者，其中很多人在学习研究中有数据处理或数据分析的需求，却又碍于自己 Python 技术匮乏，无法学以致用。
所以我们决定从零开始，为大家带来一套免费的，完整的，易于理解的 Python 教程。
Part2Python 简介
从实用的角度出发，就不再介绍 Python的诞生以及发展史了，来说几点较为重要的：
Python 专注于解决问题。Python是一门“高级”的，通用的，免费开源的解释型编程语言。这里的“高级”并不是相对于低级来说的，而是相对于底层。Python 不像 C 语言那样在计算机的最底层工作，在实现一个功能的过程中，Python 不考虑底层的实现细节以及如何管理程序使用的内存，而是专注于解决问题。对于用户而言，解决同样的问题，使用更少量的代码就可以完成。 Python 更加接近人类的阅读习惯，可读性高。该语言吸收了 C++/Java 语言的长处，支持面向过程和面向对象编程，功能十分全面。同时 Python 代码的语法相对简单很多，更加接近人类的阅读习惯，可读性很高。 现行的 Python 版本已经非常成熟。现在使用的 Python 语言绝大多数都是 Python 3 版本，Python 1 和 Python 2 早已绝迹。没有特殊的需求，没有人会使用老版本的 Python，即使是稍早些的 Python 3（3.5及其之前的版本），也已经很少有人使用了，因为他们要么不再被官方维护，要么功能不够全面。 Python 拥有强大的生态，可用的资源极其丰富。全球开发者为 Python 社区贡献了超过十万个第三方库！这些库的使用场景几乎遍及所有行业。无论你要处理什么事情，几乎都能找到可以直接使用的库。
如果用一句话介绍 Python，我们会说，这是一门强大无比又简单易学的编程语言。
Part3部署 Python 环境
Python 并不是一个普遍意义上的软件，不同于 Stata 和 MATLAB 这类商业软件，虽然都可以靠编写代码来完成工作，但 Python 是没有图形交互界面的。因为 Python 并不是软件，而是编程语言，我们所说的安装 Python，实际上安装的是 Python 解释器，只有安装了 Python 解释器，我们的计算机才能读懂并运行 Python 代码。
安装 Python 的方式大概可以分为两种：即原生安装方式和通过conda安装。原生安装方式是指我们在 Python 官网下载安装包并安装配置；另一种则是安装有 Python 管理功能且附带了 Python 解释器的 conda 工具，一般有 Anaconda 和 Miniconda。为了能够简单安装并且少走弯路，我们更推荐通过安装 Miniconda 的方式来安装 Python。
Miniconda 是一个简化版的 Python 环境管理器，功能强大还不占用过多存储空间。我们前往 Miniconda 官方网站下载合适的安装包。选择版本时最好选择 Python 版本在 3.7 - 3.10 区间内的安装包（如下图所示）。为了稳定起见，我们下载了 Python 版本为 3.8 的 Miniconda 安装包。
https://docs.conda.io/en/latest/miniconda.html
下载后鼠标双击安装包即可开始安装，安装过程中根据指引勾选选项即可，中途记得勾选添加环境变量，这将为我们省下不少麻烦。
安装完成后，可以在 Windows 开始菜单看到 Anaconda prompt（Miniconda）字样
点击运行它，会弹出类似于命令提示符的窗口。我们输入命令 python ，回车运行，当出现如下图所示字样，代表 Miniconda 安装成功，Python 也已经部署完成。
💡 更加详细和高阶的操作可以移步至之前发布的文章：Python 环境冲突烦？环境移植难？我用 Miniconda
Part4安装 Python 开发环境
安装好 Python，并不代表万事大吉了。因为 Python 自带的代码编写环境太简陋了（参考上图），使用那些环境会给我们带来无穷无尽的麻烦。所以我们还需要安装一个用来编写代码，管理代码的（集成）开发环境。
所谓开发环境，其实就是编写、调试、运行代码的软件。这些软件往往都提供了人性化的编程环境，让程序员能够更加高效的编写代码。市面上的开发环境有很多，这里为大家推荐一个免费开源的开发环境——Visual Studio Code（简称 VScode）。安装配置 VScode 要比安装 Python 麻烦一些，不过这是一劳永逸的事情，安装好 VScode 将会扫除 Python 学习之路上的许多麻烦。
💡 安装 VScode 的具体流程已经整理完毕，请移步至上期文章：Python 开发环境部署与迁移指南
安装完成之后就可以使用 VScode 来（学习）编写 Python 代码啦！
如果在安装 VScode 过程中遇到麻烦，可以优先根据 VScode 软件的提示去安装缺少的插件（也可以在公众号内留言提问，我们帮您解决）。
Part5Python 解释器与开发环境缺一不可
前面两节中，我们分别安装了 Python 解释器（安装 Miniconda 会附带 Python 解释器）和开发环境 VScode。全部安装完成之后我们就可以开始写代码了，不过在此之前，我们最好理清他们之间的关系。
Python 解释器不是软件，不像开发环境那样，它是不可见的。计算机只有安装了 Python 解释器，才能运行 Python 代码。另外，Python 解释器存在不同的版本，也就是我们所说的 Python 版本。多个不同版本的 Python 可以共存于同一台计算机中，但是管理他们非麻烦。而 Miniconda 正是管理 Python 环境的工具，这也是为什么我们推荐安装 Miniconda 的一大原因。
开发环境是一类帮助程序员编写、调试代码的软件（比如我们前面介绍的 VScode），它是可见的，有交互界面（参考上图）。并且拥有代码调试，代码提示等好用的功能。我们可以在 VScode 中编写，运行代码，可这不代表 VScode 拥有运行代码的能力。实际上它是通过调用计算机中的 Python 解释器来运行代码的，如果没有安装 Python，那么我们只能使用 VScode 写代码，却不能调试和运行代码。
Part6总结
本期文章向大家简单介绍了 Python 语言以及如何在计算机中安装 Python 和开发环境。学习 Python 语言不能纸上谈兵，必须通过写代码来感受代码运行的规律，所以安装 Python 必然是学习 Python 的第一步。
下期文章我们将会带领大家学习 Python 编程编写我们的第一行代码，同时，我们将尽量分享编程经验，争取让 Python 入门和进阶读者都学有所得。
我们将在数据治理板块中推出一系列原创推文，帮助读者搭建一个完整的社科研究数据治理软硬件体系。该板块将涉及以下几个模块（点击标题即可跳转至相应合集）：
星标⭐我们不迷路！想要文章及时到，文末“在看”少不了！
点击搜索你感兴趣的内容吧
往期推荐
数据Seminar
这里是大数据、分析技术与学术研究的三叉路口
文 | 《社科领域大数据治理实务手册》
欢迎扫描👇二维码添加关注