C# vs Python: 语言特性、Conda和Jupyter Notebook环境
承接上篇，本文会从语言特性、开发环境和必备工具来带领大家进入Python的世界。
语言特性
首先一起看下C#和Python在语言特性层面的对比，他们作为截然不同的两类面向对象高级语言，在语言层面上有何异同。
注：本系列均采用.NET Core为C#代码的运行环境，Python则为Python 3
上表对部分语言特性简单做了对比,C#作为一门编译型静态语言，和Python这样的解释性动态语言，虽然差异较大，但同为面向向对象的高级语言，Python的很多概念仍然是无关编程语言的。
Python的特性概括来讲如下：
包含大量的基础类型，如：数字（int, float,long）、字符串（ASCII和Unicode）、集合（list)和字典等
支持面向对象编程，支持类和多继承
支持代码模块和库
支持异常捕获。允许抛出异常获得更清晰的错误信息
动态类型，但有限支持强类型。不兼容的类型一起运算（例如字符串和整形相加）会导致抛出异常，帮助快速定位错误。
支持高级编程特性，例如generator（类似C#的迭代器）,列表生成式等
自动内存管理。不必从代码手动管理内存
现在来看个LeetCode上经典问题两数之和的例子，粗略感受下语法差异。这两段代码都要从数组nums里面，找出相加和等于target的两个整数，用数组的形式返回：
Python
class
Solution:
def
twoSum(
self
, nums, target):
dict
=
{}
for
i
in
range
(
len
(nums)):
n
=
nums[i]
t
=
target
-
n
if
t
in
dict
:
return
[
dict
[t],i]
dict
[n]
=
i
return
None
|
C#
public
class
Solution {
public
int
[] TwoSum(
int
[] nums,
int
target) {
var
dict=
new
Dictionary<
int
,
int
>();
for
(
var
i=0;i<nums.Length;i++){
var
t=target-nums[i];
if
(dict.ContainsKey(t)){
return
new
int
[]{dict[t],i};
}
else
{
dict[nums[i]]=i;
}
}
return
null
;
}
}
|
同样的一段逻辑，借助一个字典快速找出两个目标数字。但是从代码结构上来看，至少有以下几点差异：
Python代码不以;号换行
Python以缩进来确定代码层级，这个槽点比较多（游标卡尺梗）
Python不使用public之类的访问修饰符
Python不要求声明对象类型（可以主动声明），动态类型
Python使用def定义方法，同时不要求声明返回值类型（可以主动声明）
循环语句和条件语句与C#语法不同，使用:号声明代码块，后续会详细介绍
这也是大多熟悉C语言系语法的开发人员不习惯Python的原因，其独特的语法需要我们先熟悉。
编写Pyhton代码的思考方式和我们编写C++/C#时是完全不一样的，对于其它语言的开发人员下面的几个建议是非常棒的：
python.org的文档非常棒，简洁明了。好消息是官方文档有中文版，不用破费钱包去买书了也不用担心英文看不懂，官方文档完全够了
尽早扫一遍内置的库和函数名，熟悉这些内置函数，可以大大减少你的代码量！
丢掉大部分花括号和分号，Python里大部分场景都不会用到
Python的字符串也是不可变的，每次改动都会创建一个新的字符串对象。这点和C#一致
Python不支持函数重载。但函数参数为动态类型且可传递动态数量的参数，因此可以达到接近函数重载的效果
Python没有指针，一切都是对象引用
至少阅读一次官方教程，然后浏览下函数库参考文档（至少看一下目录，你遇到的大部分问题里面可能会有可以帮到你的）
Conda和开发环境
对.NET开发人员而言，Conda（Anaconda）是个陌生的工具，但它可谓是目前机器学习必备的开发环境。Anaconda是一套数据科学工具包，在全球拥有 2000 多万用户，是单台机器上进行Python/R 数据科学和机器学习开发最简单的方法。它是世界上最流行的Python分发平台，包含了使用数千个开源包和库，个人版是开源免费的。
我们的目标是让C#开发者也能使用Python进行机器学习开发，因此采用Anaconda作为Python开发环境。下面开始安装Anaconda,这里我们安装Windows版：https://repo.anaconda.com/archive/Anaconda3-2020.02-Windows-x86_64.exe
目前Anaconda默认可选的Python版本有两个，分别是3.7和2.7。鉴于2.7已经不再更新，因此对于新程序的开发，采用Python 3更合适。
安装过程没什么难度，这里建议勾选“将Anaconda添加到Path环境变量”。这样可以直接使用conda命令，熟练后在PowerShell里直接操作命令行会非常方便。
PyCharm是一款流行的功能强大的IDE，这里提供了针对Anaconda的免费社区版，推荐使用。同时强烈安利微软的VSCode，对Anaconda的集成也做得很棒。
一旦安装完成，在开始菜单中即可看到Anaconda Navigator和Jupytor Notebook等应用。Anaconda Navigator是一个可视化管理conda环境的应用，可以管理Python环境、切换包来源和安装工具。所有功能均可以通过命令行操作，熟练之后使用CLI命令会效率更高。
由于Conda原始源在国内速度较慢，建议切换到国内源。这里推荐华中科技大学的conda源，添加方法如下：
conda config --add channels https:
//mirrors
.ustc.edu.cn
/anaconda/pkgs/free/
conda config --add channels https:
//mirrors
.ustc.edu.cn
/anaconda/pkgs/main/
conda config --
set
show_channel_urls
yes
|
此外，如您电脑此前无python环境，此时默认的python环境将会成为conda的环境。
关于conda的教程我这里不再赘述，大家可以自行查阅Conda文档以了解。
Jupyter Notebook
和Conda一样，Jupyter Notebook同样是机器学习必不可缺的一款Python可视化交互编程软件。它允许我们像记笔记一样，将文本和代码混合到一起，并能将代码执行结果可视化展示，提供非常直观的开发体验。
Jupyter Notebook目前支持超过40多种编程语言，包括Python和C#；同时允许将notebook导出为多种格式，包括HTML、图片, 视频, LaTeX, 和自定义MIME类型的文件.；此外很多大数据工具和语言都集成了它，例如Apache Spark, Python, R 、Scala、pandas, scikit-learn, ggplot2, TensorFlow等等。
conda默认就包含了Jupyter Notebook因此可以直接启动，这会打开一个浏览器窗口，这就是Jupyter notebook的入口。在这里可以操作文件，编写notebook。
点击右上角New按钮，即可创建新笔记本。此时要为笔记本选择一个Kenerl（运行环境），我这里集成了C#的插件，因此可以看到.NET运行环境：
这里我分别创建一个Python笔记本notebook-py.和一个C#笔记本notebook-c#,分别运行上面的示例代码，效果如下：
关于如何安装C#插件到Jupyter Notebook,请查看微软官方博客：
https://devblogs.microsoft.com/dotnet/net-core-with-juypter-notebooks-is-here-preview-1/
总结
最后，本章就先介绍Pyhton和必备组件就先到这里了，后续将详细介绍Python的核心语法，欢迎订阅。
本文的notebook均可在Github获取到，欢迎下载😀： https://github.com/ChangweiZhang/Python-Tour-For-dotnet