談談我從C#到Python的學習之路

一、緣由

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介紹模擬軟體的腳本控制是用的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，又可以做本地程式，也可以做ASP.NET程式，所以也沒想再學其他語言了，

寒假做了一個交通網路分析的計算程式，這個程式前期已經有一些基礎了，核心演算法用的是QuickGraph庫，QuickGraph提供了經典圖論里邊的絕大部分演算法，如最短路、最大流、遍歷、支撐樹等，不錯的一個東西，但是沒有復雜網路分析的演算法，一開始我是利用QuickGraph的資料結構，然后自己寫復雜網路分析演算法，但是寫的很累，正好也過年了，就暫時放下了這個作業，

過年的時候閑著沒事，上網找是不是有直接提供復雜網路分析演算法的庫，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的介面；networkx就純粹是用Python實作的一個庫了，下載了它們的檔案，發現正是我想要的東西：成熟的復雜網路分析演算法，大量的示例程式，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，特別是寫函式定義、回圈控制等陳述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#程式總加冒號，然后除錯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型別，這個的確很方便，在C#里做同樣的事情要參考Collections，而Python就簡單的多了，對于做科學計算的確簡化了許多作業，不過Python用型別不事先定義，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的函式功能也很強大，有匿名函式、多回傳值、串列內涵、關鍵字引數等等，極大的簡化了編程作業，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式需要在運行時才匯入，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，以前用別的語言實作這個功能要費好大勁（用運算式決議器等），現在Python直接內置了它，換句話說，Python可以作為Python程式自己的腳本語言！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(圖論與復雜網路)、numpy和scipy（數值計算）以及matplotlib和cairo（圖表和可視化），python(x,y)專案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）機制也比回呼（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式，因為做網路分析總是要對大量的資料進行分析計算，Python簡潔的語法和豐富的第三方庫可以極大地提高我的作業效率，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專案（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與交通設計資訊化），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、快速的開發資料庫驅動的網站，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記憶體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）作數值計算的程式，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的程式時得到單位的作業站上，當然玩實況和FIFA也得去那個作業站上:），因為大規模網路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PythonWin和Spyder，感覺這兩個IDE還比較輕量，很適合我的硬體環境，

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，對于大規模的網路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介面，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，就呼叫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，
希望都可以選擇合適自己的語言，都可以學有所成，分享碼字不易，希望看客們可以點贊收藏哦~或者也可以再評論下分享自己的語言學習之路哦，也可以加群和測驗大佬們一起交流學習點擊鏈接加入群聊【Python自動化測驗交流群】想要python自動化學習資料的也可以加群免費領取哦(備注：csdn666方便快速審核)