從大年初二開始學習Python，到現在正好一個星期了，談談我的學習體會。

　　一、學習緣起

　　最早聽說Python是在今年1月底到北京一個廠商（做汽車駕駛模擬器的）那里看設備，聽他們的CTO介紹模擬軟件的腳本控制是用的Python，（當時我還把Python叫做“飛森”，而不是“派森” 囧）。第一次聽說了這個語言，但也沒太在意，因為導師一直跟我說用好一門語言就夠了。從上大學到現在，先后用過C、Basic、C++以及ASP（一看就不是計算機專業的，我大學認識的幾個計算機專業的同學，大多都是Pascal - Delphi - Java這條路線）。這幾年主要在用C#，覺得C#還不錯，又可以做本地程序，也可以做ASP.NET程序，所以也沒想再學其他語言了。

　　寒假做了一個交通網絡分析的計算程序，這個程序前期已經有一些基礎了，核心算法用的是QuickGraph庫。QuickGraph提供了經典圖論里邊的絕大部分算法，如最短路、最大流、遍歷、支撐樹等，不錯的一個東西，但是沒有復雜網絡分析的算法。一開始我是利用QuickGraph的數據結構，然后自己寫復雜網絡分析算法。但是寫的很累，正好也過年了，就暫時放下了這個工作。

　　過年的時候閑著沒事，上網找是不是有直接提供復雜網絡分析算法的庫，還真找到了兩個：igraph和networkx。（見http://igraph.sourceforge.net/和http://networkx.lanl.gov/），其中，igraph是用C寫的，但提供了Python的接口；networkx就純粹是用Python實現的一個庫了。下載了它們的文檔，發現正是我想要的東西：成熟的復雜網絡分析算法，大量的示例程序。要想直接利用這兩個庫，肯定要學Python語言了。我想，反正各種語言都差不多，學就學吧。

　　二、語法

　　學語言肯定要先從基本語法學起。Python的語法的確很簡單，因為有C#編程基礎，學習起來沒遇到什么困難。比起C#，Python少了花括號，完全靠縮進解決結構問題。一開始我不太習慣，特別是寫函數定義、循環控制等語句時總丟后邊的冒號。現在好多了，習慣會慢慢養成（現在變成寫C#程序總加冒號，然后調試器就開始不停的問候我 囧）。另外Python沒有switch，因為我做科學計算，涉及到條件控制比較多，一開始用ifelifelif……覺得很煩人，后來發現用dict就很方便，比switch還要簡單優美。

　　說到dict呢，順便說一下Python內置的list、tuple和dict類型。這個的確很方便，在C#里做同樣的事情要引用Collections，而Python就簡單的多了，對于做科學計算的確簡化了許多工作。不過Python用類型不事先定義，一開始我還是不太習慣，總是int a,str b的，后來發現，這不就是C#里的generics嘛！是個好東西啊！而且Python的函數功能也很強大，有匿名函數、多返回值、列表內涵、關鍵字參數等等，極大的簡化了編程工作。最早在STL、Boost及C#里看到這些特性的時候我還驚為天人，學了Python才知道這東西也沒那么神秘——基本手段嘛。

　　此外，Python還有一個很nice的功能就是exec、execfile和eval。對我來說這個非常實用，因為做計算時總有些函數需要在運行時才導入，例如y =a +func(b)，func()的形式事先不知道，運行時根據用戶需要輸入。以前用別的語言實現這個功能要費好大勁（用表達式解析器等），現在Python直接內置了它。換句話說，Python可以作為Python程序自己的腳本語言！Python實在也太強大了！正如那句Python社區中很有名的話所說的：“battery included”！要我說，Python不僅帶了電池，充電器它TMD都帶著呢！

　　三、庫及跨平臺

　　Python的第三方庫很多，特別是計算這一塊，Python比C#的庫要豐富一些，而且用的人更多。我現在已經用了igraph和networkx(圖論與復雜網絡)、numpy和scipy（數值計算）以及matplortlib和cairo（圖表和可視化），python(x,y)項目里還集成了更多的科學計算庫。當然這和搞科學計算的老外大多用非windows平臺有關，我接觸的多數人都是用unix/linux平臺（給人家發Email都不好意思帶word附件），在這些平臺下雖然有Mono支持C#，但用的人畢竟還少。C和Fortran的科學計算庫倒是不少，不過多數都提供了Python的封裝或Python寫的替代品，所以就不需要自己重復造輪子了。我現在已經完全放棄了擴展那個QuickGraph的想法，因為我再作兩年也趕不上igraph和networkx，而且關鍵是我做的東西還沒人用 囧……

　　此外，Python可用的GUI庫也很多：Tkinter，wxPython，PyQt，PyGTK，PyWin等等一大堆。除了PyWin，大多數GUI都是跨平臺的。這點很好，再也不用擔心MS卡脖子了（偶現在還是在用D版，以后限制嚴格了就到Linux下接著做這點事），自己的知識、技術可以一直積累延續，而不用從頭開始。當然GUI庫不可能都學都用，學好一個應該就夠了。試了上面幾個庫后，我選擇了PyQt4，原因是看到它Demo里做的東西比較漂亮，而且Qt的信號/插槽（signals/slots）機制也比回調（callback）機制好理解。此外，對初學者很重要的一點是，Qt的中文書比wxPython要多。注意不是PyQt，PyQt的中文書還是比較少的。wxPython我只找到了一本很厚的《wxPython In Action》。書是不錯，不過我比較怕看厚書，因為時間總是有限的，最好都是In Nutshell之類的小冊子，頭天睡前翻一翻，第二天就可以寫出想要的東西來。

　　四、Web開發

　　我學Python的主要目的是為了做一些數值計算的小程序，因為做網絡分析總是要對大量的數據進行分析計算，Python簡潔的語法和豐富的第三方庫可以極大地提高我的工作效率。不過作研究只是為了興趣，要養家糊口還是要做一些短平快的項目（慘！）。這兩年做的比較多的就是與工程相結合的Web應用（因為我導師的方向是GIS與交通設計信息化）。以前一直是用ASP.Net在做，從1.0到2.0再到3.5，一路做下來對ASP.Net已經比較熟了。因為學Python，也特意關注了一下Python的Web開發功能。

　　現在看來似乎Django很熱（這個我又不知道應該怎么念，不過恰好我有個朋友叫“邸建國”，所以我第一眼看到Django就念成這個音了 :）。

　　百度百科上介紹說“Django的主要目的是簡便、快速的開發數據庫驅動的網站。它強調代碼復用,多個組件可以很方便的以“插件”形式服務于整個框架，Django有許多功能強大的第三方插件，你甚至可以很方便的開發出自己的工具包。這使得Django具有很強的可擴展性。它還強調快速開發和DRY(Do Not Repeat Yourself)原則”。聽上去不錯，上網找到了Python高手limodou的《Django Step by Step》教程，粗看了一下沒有入門，暫時還是先用我的ASP.Net吧，因為我感覺目前ASP.Net可用的資源更多，對我來說更加DRY。以后有閑了再慢慢跟“邸建國”切磋。

　　五、體量和效率

　　因為做科學計算，我很重視語言及開發環境的“輕量級”。什么叫“輕量級”呢？對我來說就是在我256M內存的老本上能歡快地跑起來 囧……。我的爛機是單位淘汰的一臺聯想昭陽V80，CPU是P4 1.6的，讓他跑.Net 3.5的確是難為他老人家了！所以在這臺機器上我主要用Dev C++和SharpDevelop（Visual Studio在這臺機器上啟動都很困難）作數值計算的程序。我的另外一臺本本是小黑X61，這個性能還可以，我用它上網、寫論文、玩游戲等等（不過X61的顯卡很弱，做OpenGL的程序時得到單位的工作站上，當然玩實況和FIFA也得去那個工作站上:）。因為大規模網絡分析花的時間會比較長（幾小時到幾天），這些計算的臟活累活就扔給V80了。現在用Python，IDE我選了PythinWin和Spyder（見我的另一篇文章），感覺這兩個IDE還比較輕量，很適合我的硬件環境。

　　Python的運行效率我感覺和C#差不多，因為都用了虛擬機，但Python比C/C++還是要差一截。我對比了igraph（C寫的）和networkx（Python寫的）兩個庫，生成同樣規模的一個隨機圖，igraph比networkx運行時間少一個數量級（Drew Conway做的對比結果也類似，見這里）。換句話說，對于大規模的網絡分析問題就是等幾小時和等幾天的區別了。不過還好，大多數老牌的科學計算庫都是用C和Fortran寫的，并且提供了Python接口，所以也不必太擔心。我們可以把Python當作“膠水”[1]來用：對于效率要求很高的部分，就調用C/C++庫或自己寫C/C++的模塊，這也是我選擇Python語言的一個主要考慮。

　　六、總結

　　作為一個剛從C#轉到Python的FreshMan，一周來的總體感覺就是：Python的確易學、易用、強大。像我這樣的非計算機專業畢業、非程序員工作的人，一星期就已經入門Python，并且能用它寫出自己“用著方便、看著舒服”的程序。很符合我學Python的預期：提高自己的工作效率；也印證了Bruce Eckel的觀點：“Python可能是唯一一種旨在幫助程序員把事情弄得更加簡單的語言”[2]。