一、Python介绍
python的创始人为吉多.范罗苏姆（Guido van Rossum）。1989年的圣诞节期间，吉多.范罗苏姆为了在阿姆斯特丹打发时间，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。
Python可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。目前业内几乎所有大中型互联网都在使用Python，如：Youtube、Dropbox、BT、Quora（中国知乎）、豆瓣、Google、Yahoo、Faacebook、NASA、百度、腾讯
汽车之家、美团等。
目前Python主要应用领域：
*云计算：云计算最火的语言，典型应用Open Stack
*WEB开发：众多优秀的web框架，典型的WEB框架有Django
*科学运算、人工智能：典型库Numpy、SciPy、Matplotlib、Enthought、library、pandas
*系统运维：运维人员必备语言
*金融：量化交易、金融分析，在金融工程领域，Python不但在用，而且用的最多，而且重要性逐年提高。原因：作为动态语言的Python，语言结构清晰简单、库丰富、成熟稳定，科学计算和统计分析都很牛逼，生产效率远远高于C、C++、Java、尤其擅长策略回测。
*图形GUI：PyQT、WxPython、TkInter。
Python是一门怎样的语言？
解释和编译的区别是什么？
编译器是把源码的每一条语句都编译成及其语言，并保存成二进制文件，这样运行时计算机可以直接以机器语言来运行此程序，速度很快。
解释器则是只在执行程序时，才一条一条的解释成机器语言给计算机来执行，所以运行速度时不如编译后的程序运行的快。
编译型VS解释型
编译型
优点：编译器一般会在预编译的过程中对代码进行优化。因为只编译一次，运行时不需要编译，所以编译型语言的程序执行效率高。可以脱离语言环境独立运行。
缺点：编译后如果需要修改就需要整个模块重新编译。编译的时候根据对应的运行环境生成机器码，不同的操作系统之间移植就会有问题，需要根据运行的操作系统环境编译不同的可执行文件。
解释型
优点：有良好的平台兼容性，在任何环境中都可以运行，前提是安装了解释器（虚拟机）。灵活，修改代码的时候直接修改就可以，可以哭诉部署，不用停机维护。
缺点：每次运行的时候都需要解释一遍，性能上不如编译型语言。
动态语言和静态语言
通常我们说的动态语言，静态语言是指动态类型语言和静态类型语言。
动态类型语言：动态类型语言是指在运行期间才去做数据类型检查的语言，也就是说，在用动态类型语言编程时，永远也不用还给任何变量指定数据类型，该语言会在你第一次赋值给变量时，在内部将数据类型记录下来。Python和Ruby就是一种典型的动态类型语言，其他的各种脚本语言如VBScript也多少属于动态类型语言。
静态类型语言：静态类型语言与动态类型语言刚好相反，它的数据类型是在编译期间检查的，也就是说再写程序时要声明所有变量的是数据类型，C/C++是静态类型语言的典型代表，其他的静态类型语言还有Csharp（C#）、Java等。
强类型定义语言和弱类型定义语言
强类型定义语言：强制数据类型定义的语言，也就是说，一旦一个变量被指定了某个数据类型，如果不经过强制转换，那么它就永远是这个数据类型了。举个例子：如果你定义了一个整形变量a，那么程序根本不可能将a当作字符串类型处理。强制类型语言是类型安全的语言。
弱类型定义语言：数据类型可以被忽略的语言。它与强制类型定义语言相反，一个变量可以赋不同的类型的值。
强类型定义语言再速度上可能略逊色于弱类型语言，但是强类型定义语言带来严谨性能够有效的避免许多的错误。另外，“这门语言是不是动态语言”与“这门语言是否类型安全”之间完全没有联系。例如：Python是动态语言，是强类型定义语言（类型安全语言）；VBScript是动态语言，是弱类型定义语言（类型不安全的语言）；Java是静态语言，是强类型定义语言（类型安全语言）。
通过是上面介绍，我们可以看出，Python是一门动态解释型的强类型定义语言。
Python解释器
当我们再编写Python代码时，我们得到的是一个包含Python的以.py为扩展名的文本文件。要运行代码，就需要Python解释器去执行.py文件。
由于整个Python语言从规范到解释器都是开源的，所以理论上，只要水平够高，任何人都可以编写Python解释器来执行Python代码。
CPython
这个解释器是用C语言开发的。CPython是使用最广的Python解释器。
PyPy
PyPy是另外一个解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解不同。