Python 语言#

本节贡献者: 田冬冬（作者）、姚家园（审稿）
最近更新日期: 2023-09-23
预计花费时间: 60 分钟

简介#

Python 是一种广泛使用的通用编程语言，其具有语法简单、功能强大等优点，是目前地震学科研最常用的编程语言之一。

这一节中，我们不介绍具体的 Python 语法，而是着重介绍如何安装和管理 Python、如何编写并执行 Python 脚本等。这一节的最后列出了一些免费的 Python 学习资源，读者可根据需要自行学习。

安装 Miniconda#

Python 是一种解释型语言，需要专门的解释器去执行 Python 代码。尽管 Linux/macOS 系统内置了 Python 解释器，但是建议用户不要使用它，以免误操作破坏系统内置 Python，造成系统出现问题。 建议用户安装 Miniconda，使用其提供的 conda 命令管理和安装 Python 及其模块。

下面展示了如何在 Linux 系统下安装 Miniconda。其它操作系统下的安装说明以及具体使用方法可以参考地震“学”软件中 Anaconda 相关内容。

下载 Miniconda

下载地址：Miniconda3-latest-Linux-x86_64.sh
安装 Miniconda
```
$ bash Miniconda3-latest-Linux-x86_64.sh
```
Miniconda 默认会安装到 $HOME/miniconda3 下，在安装过程中可以设置为其他路径。

安装通常只需要十几秒，在安装的最后会出现：
```
 Do you wish the installer to initialize Miniconda3
 by running conda init? [yes|no]
 [no] >>>
```
输入 yes 则安装包会向当前 SHELL 的配置文件写入 conda 初始化语句。
测试安装

打开一个新的终端，在终端中输入 python，输出中看到 Anaconda, Inc. 字样即代表成功安装 Miniconda 并启动了 Python 解释器：
```
 $ python
 Python 3.9.12 (main, Apr  5 2022, 01:53:17)
 [GCC 7.5.0] :: Anaconda, Inc. on linux
 Type "help", "copyright", "credits" or "license" for more information.
 >>>
```
在提示符 >>> 后输入 quit() 后按下 Enter 键退出 Python 解释器。

初识 Python#

打开终端，输入 python 就会进入 Python 解释器的交互模式：

$ python
Python 3.9.12 (main, Apr  5 2022, 01:53:17)
[GCC 7.5.0] :: Anaconda, Inc. on linux
Type "help", "copyright", "credits" or "license" for more information.
>>>

在 >>> 提示符后输入 1 + 2 并按下 Enter 键将指令 1 + 2 传给 Python 解释器。解释器接收指令后会执行指令，输出结果 3，并再次显示主提示符 >>> 等待用户的下一次输入。

>>> 1 + 2
3
>>>

Tip

Python 解释器交互模式可以当做一个快捷的计算器来使用！

下面继续看一个稍复杂点的例子。给变量 x 赋值，然后紧跟着一个判断语句 “如果 x 的值大于 0，则打印字符串 Hello world!”。

>>> x = 5
>>> if x > 0:
...     print("Hello world!")
...
Hello world!
>>>

这个判断语句无法在一行写完，因而需要写成多行语句。在主提示符后输入 if x > 0: 并按下 Enter 键，会显示符号 ...。 ... 是 Python 解释器在交互模式下的次提示符，用于表明多行语句还没写完，需要继续输入。在次提示符 ... 后不输入指令而直接键入 Enter，表示该代码块已结束。 Python 解释器会对输入的多行语句进行解释，并输出字符串“Hello world!”。

Note

C 语言使用大括号 { } 划分代码块，而 Python 中使用缩进划分代码块！因而上面的例子中 print 前需要用空格缩进（通常是 4 个空格）。

在主提示符 >>> 后输入 quit() 或者按下 Ctrl + D 键即可退出 Python 解释器的交互模式。

>>> quit()

Python 脚本#

虽然在 Python 解释器的交互模式下可以执行 Python 代码，但写长代码非常不方便，其代码编辑功能很弱，也不具备代码补全功能。更重要的是，退出交互模式后，之前写的 Python 代码不会保存，下次想要执行相同代码时只能重写。因而，通常都不会在 Python 解释器的交互模式下写代码，而是将 Python 代码写到 Python 脚本中。

Python 脚本其实就是一个包含了一系列 Python 指令的文本文件，后缀通常是 .py，在终端中可以通过 python xxxx.py 的方式执行 Python 脚本（xxxx.py 是 Python 脚本的文件名）。

下面以一个简单的 Python 脚本作为示例。启动文本编辑器，新建一个文件，将以下 Python 代码写到文件中：

x = 5
if x > 0:
    print("Hello world!")

将文件保存为后缀 .py 的文件（比如 first-script.py），即得到了一个可执行的 Python 脚本。打开终端，切换到 Python 脚本所在的目录，执行如下命令来运行脚本：

$ python first-script.py
Hello world!

安装 Python 包#

Python 语言的一大特色是其功能强大的标准库和第三方软件包（也称模块或库）。 Python 解释器内置了所有标准库，安装解释器后就可以直接使用标准库，而第三方包需要先安装才能使用。

pip 与 conda

学习如何安装 Python 包之前，有必要先了解 pip 和 conda，以及它们之间的区别与联系:

pip: pip 是 Python 官方提供的包管理器，可以安装 Python 包索引网站上的 Python 包，也可用于从源码安装 Python 包。
conda: conda 是 Anaconda/Miniconda 提供的包管理器，不仅可以安装 Python 包，还可以安装其他语言写的包（理论上可以安装任何软件）。它的另一个重要功能是管理 Python 环境，可用于在一个系统内安装多个不同版本的 Python 解释器或包。

推荐优先使用 conda 安装和管理 Python 包。对于无法使用 conda 安装的包，再使用 pip 安装。

在使用 conda 前，还需要对 conda 做简单配置：

# 增加 conda-forge 通道，可以安装更多的软件包
$ conda config --add channels conda-forge
# 设置通道优先级为 strict，以避免混用 conda-forge 和 main
$ conda config --set channel_priority true
# 显示通道的 URL
$ conda config --set show_channel_urls true
# 设置 conda 使用更快的 libmamab solver
$ conda config --set solver libmamba
# 配置使用国内清华源以加快软件下载速度
$ conda config --add default_channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
$ conda config --set 'custom_channels.conda-forge' https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

使用 conda 安装软件很简单，直接 conda install 加上要安装的软件包名称即可。 conda 可安装的软件包位于 Anaconda 网站。

读者可以执行如下命令，安装本节余下内容会用到的几个 Python 包：

$ conda install numpy matplotlib jupyterlab

对于 Anaconda 网站没有的包，则只能使用 pip 安装。

Jupyter Notebook#

前面介绍了如何在 Python 解释器交互模式执行 Python 代码，也介绍了如何将 Python 代码写成脚本并执行。这两种方式各有优缺点：交互模式下编写代码不方便，但是可以一句一句执行代码，随时检查某个语句的输出或某个变量的值。编写 Python 脚本可以在编辑器中完成，因而写代码更加高效，但执行 Python 脚本时只能从头到尾执行，每次修改代码后都需要重新执行脚本里的所有代码，因而调试起来很费时。

JupyterLab 是一个基于网页的交互式开发环境，已经成为当前最流行的 Python 开发环境。它将两种方式的优点结合起来，可以高效地编辑代码、单步执行代码、随时查看变量值、支持丰富的可视化输出。 JupyterLab 对应的文件称之为 Notebook，其文件后缀是 .ipynb。下面将通过实例展示如何使用 JupyterLab。

打开终端，键入命令 jupyter-lab，启动 JupyterLab。

$ jupyter-lab

JupyterLab 会在浏览器中打开一个标签页，显示启动界面。如下图所示，启动界面有若干图标，可以用于创建 Notebook、纯文本文件、Markdown 文件或 Python 文件，还可以在浏览器中打开一个终端。

点击“Notebook”下的图标创建一个空白的 Notebook，文件名默认为 Untitled.ipynb。如下图所示，左侧为文件浏览器，右侧为新建的 Notebook，光标所在的矩形区域称之为单元格（cell），可以用于输入 Python 代码。在单元格中输入代码，按下 Shift + Enter 执行单元格中的代码。

下面的两行代码会导入 NumPy 和 Matplotlib 包。将这两行代码复制到 Notebook 的单元格中，按下 Shift + Enter 执行：

import matplotlib.pyplot as plt
import numpy as np

下面的代码设置 t 取值为 0 到 2.0，间隔为 0.05，然后利用函数 $s = \sin(2 \pi t)$ 生成了一系列点。将这两行代码复制到 Notebook 的单元格中，按下 Shift + Enter 执行：

t = np.arange(0.0, 2.0, 0.05)
s = np.sin(2 * np.pi * t)

想要看看变量 t 的值？很简单，在单元格中输入变量 t，按下 Shift + Enter， Notebook 会直接显示该变量的值。如下图所示，可以看出，变量 t 是一个数组，其最小值是 0，间隔是 0.05，最大值是 1.95（不包括 2.0）：

下面的代码将以变量 t 作为自变量（X 轴）、以变量 s 作为因变量（Y轴）绘制该函数。将代码复制到单元格中，按下 Shift + Enter 执行：

fig, ax = plt.subplots()
ax.plot(t, s)
plt.show()

执行效果如下图所示，绘图结果直接在 Notebook 里显示，非常直观。

对画出来的图片效果不太满意，想要进一步微调图片的显示效果？下面的两行代码会给图片加上网格线，并设置刻度颜色、大小、宽度。

ax.grid(True, linestyle='-.')
ax.tick_params(labelcolor='r', labelsize='medium', width=3)

将上面两行代码复制到前一单元格中的 plt.show() 语句之前，按下 Shift + Enter 执行，效果如下图所示：

可以看到，修改后的代码被执行，并显示了修改后的图片。在执行修改后的代码时，变量 t 和 s 依然有效，不需要重新执行之前单元格中的代码。实际上，只要 Kernel 没有重启，Notebook 中的变量就不会被销毁，因而可以很方便地多次修改并调试某个单元格的代码。

Tip

在 Notebook 中写代码时，可以随时用快捷键 Ctrl + S （Linux 或 Windows）或 Command + S （macOS）保存 Notebook。所有代码、输出以及图片都会被保存在 .ipynb 文件中。

Tip

Notebook 在交互式开发代码时很方便。但通常我们会想要将代码保存为 Python 脚本，更加方便执行。在 JupyterLab 中点击菜单“File”→“Save and export Notebook as”→ “Executable Script” 即可将 Notebook 转换为 Python 脚本。

JupyterLab 除了可以编辑 Notebook 外，还可以编辑 Markdown 文件，也可以打开终端执行命令，还支持多个功能强大的插件。更多的功能，留待读者自行探索。

其他 Python IDE/开发环境#

除了上面介绍的 JupyterLab 外，还有其他方便、实用的 Python IDE/开发环境，例如：

有兴趣的读者可以尝试不同的 Python IDE/开发环境并根据自己的喜好选择。

扩展阅读#

下面列出一些 Python 以及常用科学计算模块的相关学习资源：

Python
- Python 官方文档（全面、系统）
- 廖雪峰的 Python 教程（较全面、系统）
NumPy
- NumPy 官方文档
- A Visual Intro to NumPy and Data Representation（简要、形象地介绍 NumPy 数据结构）
Matplotlib
- Matplotlib 官方教程
- Scientific Visualization: Python + Matplotlib
pandas
- Pandas 官方教程
SciPy
- SciPy 官方教程

地震“学”科研入门教程

Python 语言

Contents

Python 语言#

简介#

安装 Miniconda#

初识 Python#

Python 脚本#

安装 Python 包#

Jupyter Notebook#

其他 Python IDE/开发环境#

扩展阅读#