Window 平台安装 Python:#

以下为在 Window 平台上安装 Python 的简单步骤。

打开 WEB 浏览器访问 https://www.python.org/downloads/windows/ ：

这些链接提供了不同类型的 Python 安装文件，适用于不同类型的 Windows 系统和使用情景：

• Download Windows installer (64-bit) ：64 位 Windows 系统的安装程序。
• Download Windows installer (ARM64) ：适用于 ARM64 架构的 Windows 设备的安装程序。
• Download Windows embeddable package (64-bit) ：64 位 Windows 系统的嵌入式包，可用于嵌入到应用程序中。
• Download Windows embeddable package (32-bit) ：32 位 Windows 系统的嵌入式包，同样可用于嵌入到应用程序中。
• Download Windows embeddable package (ARM64) ：适用于 ARM64 架构的 Windows 设备的嵌入式包。
• Download Windows installer (32-bit) ：32 位 Windows 系统的安装程序。

记得勾选 Add Python 3.6 to PATH 。

注意：如果没有勾选 Add Python3.6 to PATH 」，会导致命令行无法识别 python/python3 命令，需手动配置环境变量。

按 Win+R 键，输入 cmd 调出命令提示符，输入 python:

也可以在开始菜单中搜索 IDLE ：

Unix & Linux 平台安装 Python3#

Linux 多数发行版自带 Python3 ，若未安装或需要升级，可通过包管理器安装。

1
# tar -zxvf Python-3.6.1.tgz
2
# cd Python-3.6.1
3
# make && make install

1
# 更新软件源
2
sudo apt update
3
# 安装Python3及pip3（Python包管理工具）
4
sudo apt install python3 python3-pip -y

1
# CentOS 7
2
sudo yum install epel-release -y
3
sudo yum install python3 python3-pip -y
4

5
# CentOS 8/RHEL 8
6
sudo dnf install python3 python3-pip -y

1
# python3 -V
2
Python 3.6.1

MAC 平台安装 Python:#

MAC 系统都自带有 Python 环境，你可以在链接 https://www.python.org/downloads/mac-osx/ 上下载最新版安装。

你也可以参考源码安装的方式来安装。

验证 Python3 环境是否安装成功#

验证 Python3 版本打开命令提示符（Windows）或终端（macOS/Linux），执行以下命令：

1
# 通用命令（推荐，所有系统兼容）
2
python3 --version
3
# 补充：Windows系统若已配置PATH，也可执行
4
python --version

若输出类似 Python 3.11.4 的信息，说明 Python3 安装成功。

验证 pip3（Python 包管理工具）pip3 是 Python3 默认的包管理工具，用于安装第三方库，验证命令：

1
# 通用命令
2
pip3 --version
3
# Windows补充命令
4
pip --version

若输出类似 pip 23.1.2 from xxx (python 3.11) 的信息，说明 pip3 可用。

在 Unix/Linux 设置环境变量#

注： /usr/local/bin/python 为 Python 安装目录，需替换为你的实际路径。

bash shell（Linux）：

1
export PATH="$PATH:/usr/local/bin/python"

csh shell：

1
setenv PATH "$PATH:/usr/local/bin/python"

sh/ksh shell：

1
PATH="$PATH:/usr/local/bin/python"

在 Windows 设置环境变量#

若安装 Python3 时未勾选 Add Python.exe to PATH ，会导致命令行无法识别 python/python3 命令，需手动配置环境变量：

• 找到 Python3 的安装路径（如D:\Python311、C:\Program Files\Python311），同时找到其下的Scripts文件夹（路径如D:\Python311\Scripts，pip3 所在目录）。
• 右键「此电脑」→「属性」→「高级系统设置」→「环境变量」。
• 在「用户变量」或「系统变量」中找到 Path 变量，双击编辑。
• 点击「新建」，分别添加 Python3 的安装根路径和Scripts文件夹路径，点击「确定」保存所有配置。

更多详细配置内容参考： https://www.runoob.com/w3cnote/add-python-to-path-on-windows-11.html

关闭原有命令提示符，重新打开后执行验证命令即可生效。

下面几个应用于 Python 的环境变量说明：

1、交互式解释器：#

你可以通过命令行窗口进入 Python 并开始在交互式解释器中开始编写 Python 代码。

你可以在 Unix、DOS 或任何其他提供了命令行或者 shell 的系统进行 Python 编码工作。

1
python

以下为 Python 命令行参数：

2、命令行脚本#

在你的应用程序中通过引入解释器可以在命令行中执行Python脚本，如下所示：

1
python script.py

注意： 在执行脚本时，请检查脚本是否有可执行权限。

3、集成开发环境PyCharm#

PyCharm 功能: 调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制……

PyCharm 下载地址: https://www.jetbrains.com/pycharm/download/

PyCharm 安装地址： https://www.runoob.com/pycharm/pycharm-install.html

PyCharm 界面：

Anaconda 集成环境#

一个 面向数据科学与机器学习 的 Python 集成发行版，内置：

• Python 解释器
• 常用数据科学库（NumPy / Pandas / Matplotlib 等）
• 环境与包管理工具 conda

相比 pip ， conda 更适合多环境切换 ，在数据科学场景中更稳定。

安装与使用： Anaconda 教程

uv Python 包与环境管理工具#

uv 是由 Astral 公司开发，基于 Rust 构建的高速 Python 工具链。

• 高性能：相比 pip 提升 10~100 倍
• 依赖管理
• 虚拟环境管理
• Python 版本管理

可替代 pip 、 virtualenv 、 pip-tools 等工具的一体化方案

安装与使用： uv 教程

Jupyter Notebook 交互式计算工具#

一个 基于 Web 的交互式编程环境 ，适用于学习、实验和数据分析。

• 运行代码并实时查看结果
• 展示数据可视化图表
• 编写 Markdown 文档说明
• 支持数学公式（LaTeX）

Notebook 文件为 JSON 格式，由多个 Cell 组成，可混合代码与文档内容。

安装与使用： Jupyter Notebook 教程

安装 VS Code#

VSCode 安装也很简单，打开官网 https://code.visualstudio.com/ ，下载软件包，一步步安装即可，安装过程注意安装路径设置、环境变量默认自动添加到系统中，勾选以下所有选项：

VSCode 完整安装教程参考： https://www.runoob.com/vscode/vscode-tutorial.html

接着我们安装 Python 扩展：

一、知识回顾（读完直接做下面的实践题）#

1. Python 是一种高层次的、结合了解释性、编译性、互动性和面向对象的脚本语言。
2. Python 的四个定位：解释型语言（开发过程中没有编译环节）、交互式语言（在 >>> 提示符后直接执行代码）、面向对象语言（支持把代码封装在对象里）、初学者的语言（从文字处理到浏览器再到游戏都能做）。
3. Python 官网是 python.org（域名）；Windows 安装时务必勾选 Add Python to PATH，否则命令行不认 python 命令；验证版本用 python3 --version 命令（Windows 也可用 python --version），验证包管理工具用 pip3 --version 命令（Windows 也可用 pip --version）。
4. Linux 源码安装的三步是 ./configure → make → make install；Ubuntu/Debian 用 apt 安装（sudo apt install python3 python3-pip -y）、CentOS 8/RHEL 8 用 dnf 安装（sudo dnf install python3 python3-pip -y）；多数 Linux 发行版自带 Python3。
5. 环境变量：PATH 存可执行文件的搜索路径；PYTHONPATH 给 Python 找第三方库和自定义模块；PYTHONHOME 指定 Python 的安装根目录；PYTHONSTARTUP 指定交互式解释器启动时自动执行的脚本；PYTHONCASEOK 让导入模块时忽略大小写（Windows 专属）；PYTHONDONTWRITEBYTECODE 禁止生成 .pyc 字节码缓存文件。
6. 运行 Python 的三种方式：交互式解释器、命令行脚本（python script.py）、集成开发环境 PyCharm；PyCharm 的功能包括调试、语法高亮、Project 管理、代码跳转、智能提示、自动完成、单元测试、版本控制等。
7. 命令行参数：-c cmd 直接执行一段代码字符串；-m module 以模块方式运行；-i 执行完脚本后自动进入交互式环境；-V（--version）输出当前版本号；-h（--help）查看所有参数的完整帮助；-u 禁用输出缓冲、实现实时打印。
8. 常用工具：面向数据科学的集成发行版 Anaconda（内置 conda 做环境与包管理，还自带 NumPy、Pandas、Matplotlib 等库）；基于 Rust 构建的高速工具链 uv（可替代 pip、virtualenv）；基于 Web 的交互式编程环境 Jupyter Notebook（文件是 JSON 格式，由多个 Cell 组成，支持 Markdown 与 LaTeX 公式）。
9. VSCode 里写 Python 需要先安装 Python 扩展；新建 .py 文件后可以右击选择”在终端中运行 Python 文件”，也可以点击右上角的绿色运行（▶）图标运行；如果一直显示”在连接 Python 内核”，说明扩展没装好。

二、概念自测#

• 2-1 “解释型语言”和”编译型语言”的区别是什么？为什么说 Python 开发过程中没有编译这个环节？

  提示（先自己想，实在想不出再点开）

  一级 · 思路：从”谁来把代码变成机器能跑的东西、什么时候变”这个角度对比两种语言，再想 Python 是写完直接运行、还是要先单独编译一遍

  参考答案（做完再点开）

  2-1 编译型语言要先整体翻译成机器码、生成可执行文件，之后才能运行；解释型语言由解释器边读边执行，不需要提前生成可执行文件。Python 属于解释型（同时结合了编译性），所以开发时写完代码直接运行即可，中间没有单独的编译环节。

• 2-2 判断对错并说明理由：① Python 是编译型语言；② Windows 安装时没勾选 Add Python to PATH，也能在任意命令行窗口直接用 python 命令；③ Python 只能做数据分析；④ PyCharm 是一个集成开发环境。

  提示（先自己想，实在想不出再点开）

  一级 · 思路：四条里只有一条是对的：先分清”解释型还是编译型”，再想环境变量没配的后果，最后想 Python 的应用面和 PyCharm 的定位

  参考答案（做完再点开）

  2-2 ① ❌ 错，Python 是解释型语言（“结合了编译性”不等于要你先编译）；② ❌ 错，没勾选就要手动配置环境变量，否则命令行识别不了 python / python3；③ ❌ 错，Python 可用于文字处理、Web、爬虫、游戏、GUI 等；④ ✅ 对。

• 2-3 PATH 和 PYTHONPATH 都跟”路径”有关，它们各自负责找什么？没配好分别会出现什么现象？

  提示（先自己想，实在想不出再点开）

  一级 · 思路：一个管”系统到哪儿找可执行程序”，一个管”Python 到哪儿找模块”；再分别想”敲命令提示找不到”和”import 报找不到模块”两种现象

  参考答案（做完再点开）

  2-3 PATH 管的是”系统到哪里找 Python 解释器和可执行文件”（包括 pip 所在的 Scripts 目录），没配好的现象就是命令行敲 python / pip 提示找不到命令；PYTHONPATH 管的是”Python 到哪里找第三方库和自定义模块”，没配好会导致 import 自己写的模块时报找不到模块。

• 2-4 已经会写 Python 了，为什么还要认识 Anaconda、uv、Jupyter Notebook 这几个工具？它们各自解决什么问题？

  提示（先自己想，实在想不出再点开）

  一级 · 思路：三个工具各对应一类麻烦——“一次装齐科学计算环境""装包快、环境好管""边写边看结果”，按这个分工各说一句

  参考答案（做完再点开）

  2-4 三者都是”让环境/工具更好用”的辅助：

  • Anaconda：面向数据科学与机器学习的集成发行版，一次装好解释器 + 常用科学计算库，自带 conda 做环境与包管理（多环境切换比 pip 稳）
  • uv：Rust 写的高速工具链，装包比 pip 快 10~100 倍，一套工具顶 pip / virtualenv / pip-tools
  • Jupyter Notebook：基于 Web 的交互式环境，可以边写代码边看结果，适合学习、实验和数据分析（文件是 JSON，由多个 Cell 组成）