你们真牛什么名字都取
Python是什么
Python， 是一种面向对象的解释型计算机程序设计语言，由荷兰人Guido van Rossum于1989年发明，第一个公开发行版发行于1991年。
Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)许可。
Python语法简洁清晰，特色之一是强制用空白符（white space）作为语句缩进。
Python具有丰富和强大的库。
它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。
需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
python数据分析的包 哪些
IPython 是一个在多种编程语言之间进行交互计算的命令行 shell，最开始是用 python 开发的，提供增强的内省，富媒体，扩展的 shell 语法，tab 补全，丰富的历史等功能。
IPython 提供了如下特性： 更强的交互 shell（基于 Qt 的终端） 一个基于浏览器的记事本，支持代码，纯文本，数学公式，内置图表和其他富媒体 支持交互数据可视化和图形界面工具 灵活，可嵌入解释器加载到任意一个自有工程里 简单易用，用于并行计算的高性能工具 由数据分析总监，Galvanize 专家 Nir Kaldero 提供。
GraphLab Greate 是一个 Python 库，由 C++ 引擎支持，可以快速构建大型高性能数据产品。
这有一些关于 GraphLab Greate 的特点： 可以在您的计算机上以交互的速度分析以 T 为计量单位的数据量。
在单一平台上可以分析表格数据、曲线、文字、图像。
最新的机器学习算法包括深度学习，进化树和 factorization machines 理论。
可以用 Hadoop Yarn 或者 EC2 聚类在你的笔记本或者分布系统上运行同样的代码。
借助于灵活的 API 函数专注于任务或者机器学习。
在云上用预测服务便捷地配置数据产品。
为探索和产品监测创建可视化的数据。
由 Galvanize 数据科学家 Benjamin Skrainka 提供。
Pandas pandas 是一个开源的软件，它具有 BSD 的开源许可，为 Python 编程语言提供高性能，易用数据结构和数据分析工具。
在数据改动和数据预处理方面，Python 早已名声显赫，但是在数据分析与建模方面，Python 是个短板。
Pands 软件就填补了这个空白，能让你用 Python 方便地进行你所有数据的处理，而不用转而选择更主流的专业语言，例如 R 语言。
整合了劲爆的 IPyton 工具包和其他的库，它在 Python 中进行数据分析的开发环境在处理性能，速度，和兼容方面都性能卓越。
Pands 不会执行重要的建模函数超出线性回归和面板回归；对于这些，参考 statsmodel 统计建模工具和 scikit-learn 库。
为了把 Python 打造成顶级的统计建模分析环境，我们需要进一步努力，但是我们已经奋斗在这条路上了。
由 Galvanize 专家，数据科学家 Nir Kaldero 提供。
PuLP 线性编程是一种优化，其中一个对象函数被最大程度地限制了。
PuLP 是一个用 Python 编写的线性编程模型。
它能产生线性文件，能调用高度优化的求解器，GLPK,COIN CLP/CBC,CPLEX，和GUROBI，来求解这些线性问题。
由 Galvanize 数据科学家 Isaac Laughlin 提供 Matplotlib matplotlib 是基于 Python 的2D（数据）绘图库，它产生（输出）出版级质量的图表，用于各种打印纸质的原件格式和跨平台的交互式环境。
matplotlib 既可以用在 python 脚本，python 和 ipython 的 shell 界面 （ala MATLAB？ 或 Mathematica?）,web 应用服务器，和6类 GUI 工具箱。
matplotlib 尝试使容易事情变得更容易，使困难事情变为可能。
你只需要少量几行代码，就可以生成图表，直方图，能量光谱（power spectra），柱状图，errorcharts，散点图（scatterplots）等，。
为简化数据绘图，pyplot 提供一个类 MATLAB 的接口界面，尤其是它与 IPython 共同使用时。
对于高级用户，你可以完全定制包括线型，字体属性，坐标属性等，借助面向对象接口界面，或项 MATLAB 用户提供类似（MATLAB）的界面。
Galvanize 公司的首席科学官 Mike Tamir 供稿。
Scikit-Learn Scikit-Learn 是一个简单有效地数据挖掘和数据分析工具（库）。
关于最值得一提的是，它人人可用，重复用于多种语境。
它基于 NumPy,SciPy 和 mathplotlib 等构建。
Scikit 采用开源的 BSD 授权协议，同时也可用于商业。
Scikit-Learn 具备如下特性： 分类（Classification） – 识别鉴定一个对象属于哪一类别 回归（Regression） – 预测对象关联的连续值属性 聚类（Clustering） – 类似对象自动分组集合 降维（Dimensionality Reduction） – 减少需要考虑的随机变量数量 模型选择（Model Selection） –比较、验证和选择参数和模型 预处理（Preprocessing） – 特征提取和规范化 Galvanize 公司数据科学讲师，Isaac Laughlin提供 Spark Spark 由一个驱动程序构成，它运行用户的 main 函数并在聚类上执行多个并行操作。
Spark 最吸引人的地方在于它提供的弹性分布数据集（RDD），那是一个按照聚类的节点进行分区的元素的集合，它可以在并行计算中使用。
RDDs 可以从一个 Hadoop 文件系统中的文件（或者其他的 Hadoop 支持的文件系统的文件）来创建，或者是驱动程序中其他的已经存在的标量数据集合，把它进行变换。
用户也许想要 Spark 在内存中永久保存 RDD，来通过并行操作有效地对 RDD 进行复用。
最终，RDDs 无法从节点中自动复原。
Spark 中第二个吸引人的地方在并行操作中变量的共享。
默认情况下，当 Spark 在并行情况下运行一个函数作为一组不同节点上的任务时，它把每一个函数中用到的变量拷贝一份送到每一任务。
有时，一个变量需要被许多任务和驱动程序共享。
Spark 支持两种方式的共享变量：广播变量，它可以用来在所有的节点上缓存数据。
另一种方式是累加器，这是一种只能用作执行加法的变量，例如在计数器中和加法运算中。
Python是什么？它有哪些优点？
Python （英国发音：/?pa?θ?n/ 美国发音：/?pa?θɑ?n/）， 是一种面向对象的解释型计算机程序设计语言，由荷兰人Guido van Rossum于1989年发明，第一个公开发行版发行于1991年。
Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)许可。
Python语法简洁清晰，特色之一是强制用空白符（white space）作为语句缩进。
Python具有丰富和强大的库。
它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。
需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
优点1、简单：Python是一种代表简单主义思想的语言。
阅读一个良好的Python程序就感觉像是在读英语一样。
它使你能够专注于解决问题而不是去搞明白语言本身。
2、易学：Python极其容易上手，因为Python有极其简单的说明文档 [7] 。
3、速度快：Python 的底层是用 C 语言写的，很多标准库和第三方库也都是用 C 写的，运行速度非常快。
4、免费、开源：Python是FLOSS（自由/开放源码软件）之一。
使用者可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。
FLOSS是基于一个团体分享知识的概念。
5、高层语言：用Python语言编写程序的时候无需考虑诸如如何管理你的程序使用的内存一类的底层细节。
6、可移植性：由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。
这些平台包括Linux、Windows、FreeBSD、Macintosh、Solaris、OS/2、Amiga、AROS、AS/400、BeOS、OS/390、z/OS、Palm OS、QNX、VMS、Psion、Acom RISC OS、VxWorks、PlayStation、Sharp Zaurus、Windows CE、PocketPC、Symbian以及Google基于linux开发的android平台。
7、解释性：一个用编译性语言比如C或C++写的程序可以从源文件（即C或C++语言）转换到一个你的计算机使用的语言（二进制代码，即0和1）。
这个过程通过编译器和不同的标记、选项完成。
运行程序的时候，连接/转载器软件把你的程序从硬盘复制到内存中并且运行。
而Python语言写的程序不需要编译成二进制代码。
你可以直接从源代码运行 程序。
在计算机内部，Python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。
这使得使用Python更加简单。
也使得Python程序更加易于移植。
8、面向对象：Python既支持面向过程的编程也支持面向对象的编程。
在“面向过程”的语言中，程序是由过程或仅仅是可重用代码的函数构建起来的。
在“面向对象”的语言中，程序是由数据和功能组合而成的对象构建起来的。
9、可扩展性：如果需要一段关键代码运行得更快或者希望某些算法不公开，可以部分程序用C或C++编写，然后在Python程序中使用它们。
10、可嵌入性：可以把Python嵌入C/C++程序，从而向程序用户提供脚本功能。
11、丰富的库：Python标准库确实很庞大。
它可以帮助处理各种工作，包括正则表达式、文档生成、单元测试、线程、数据库、网页浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI（图形用户界面）、Tk和其他与系统有关的操作。
这被称作Python的“功能齐全”理念。
除了标准库以外，还有许多其他高质量的库，如wxPython、Twisted和Python图像库等等。
12 、规范的代码：Python采用强制缩进的方式使得代码具有较好可读性。
而Python语言写的程序不需要编译成二进制代码。
python数据分析的包 哪些
展开全部 IPython IPython 是一个在多种编程语言之间进行交互计算的命令行 shell，最开始是用 python 开发的，提供增强的内省，富媒体，扩展的 shell语法，tab 补全，丰富的历史等功能。
IPython 提供了如下特性： 更强的交互 shell（基于 Qt 的终端） 一个基于浏览器的记事本，支持代码，纯文本，数学公式，内置图表和其他富媒体 支持交互数据可视化和图形界面工具 灵活，可嵌入解释器加载到任意一个自有工程里 简单易用，用于并行计算的高性能工具 由数据分析总监，Galvanize 专家 Nir Kaldero 提供。
GraphLab Greate 是一个 Python 库，由 C++ 引擎支持，可以快速构建大型高性能数据产品。
这有一些关于 GraphLab Greate 的特点： 可以在您的计算机上以交互的速度分析以 T 为计量单位的数据量。
在单一平台上可以分析表格数据、曲线、文字、图像。
最新的机器学习算法包括深度学习，进化树和 factorization machines 理论。
可以用 Hadoop Yarn 或者 EC2 聚类在你的笔记本或者分布系统上运行同样的代码。
借助于灵活的 API 函数专注于任务或者机器学习。
在云上用预测服务便捷地配置数据产品。
为探索和产品监测创建可视化的数据。
由 Galvanize 数据科学家 Benjamin Skrainka 提供。
Pandas pandas 是一个开源的软件，它具有 BSD 的开源许可，为 Python编程语言提供高性能，易用数据结构和数据分析工具。
在数据改动和数据预处理方面，Python 早已名声显赫，但是在数据分析与建模方面，Python是个短板。
Pands 软件就填补了这个空白，能让你用 Python 方便地进行你所有数据的处理，而不用转而选择更主流的专业语言，例如 R 语言。
整合了劲爆的 IPyton 工具包和其他的库，它在 Python 中进行数据分析的开发环境在处理性能，速度，和兼容方面都性能卓越。
Pands不会执行重要的建模函数超出线性回归和面板回归；对于这些，参考 statsmodel 统计建模工具和 scikit-learn 库。
为了把 Python打造成顶级的统计建模分析环境，我们需要进一步努力，但是我们已经奋斗在这条路上了。
由 Galvanize 专家，数据科学家 Nir Kaldero 提供。
PuLP 线性编程是一种优化，其中一个对象函数被最大程度地限制了。
PuLP 是一个用 Python编写的线性编程模型。
它能产生线性文件，能调用高度优化的求解器，GLPK,COIN CLP/CBC,CPLEX，和GUROBI，来求解这些线性问题。
由 Galvanize 数据科学家 Isaac Laughlin 提供 Matplotlib matplotlib 是基于 Python 的2D（数据）绘图库，它产生（输出）出版级质量的图表，用于各种打印纸质的原件格式和跨平台的交互式环境。
matplotlib 既可以用在 python 脚本，python 和 ipython 的 shell 界面 （ala MATLAB？ 或 Mathematica?）,web 应用服务器，和6类 GUI工具箱。
matplotlib 尝试使容易事情变得更容易，使困难事情变为可能。
你只需要少量几行代码，就可以生成图表，直方图，能量光谱（powerspectra），柱状图，errorcharts，散点图（scatterplots）等，。
为简化数据绘图，pyplot 提供一个类 MATLAB 的接口界面，尤其是它与 IPython共同使用时。
对于高级用户，你可以完全定制包括线型，字体属性，坐标属性等，借助面向对象接口界面，或项 MATLAB 用户提供类似（MATLAB）的界面。
Galvanize 公司的首席科学官 Mike Tamir 供稿。
Scikit-Learn Scikit-Learn 是一个简单有效地数据挖掘和数据分析工具（库）。
关于最值得一提的是，它人人可用，重复用于多种语境。
它基于NumPy,SciPy 和 mathplotlib 等构建。
Scikit 采用开源的 BSD 授权协议，同时也可用于商业。
Scikit-Learn具备如下特性： 分类（Classification） – 识别鉴定一个对象属于哪一类别 回归（Regression） – 预测对象关联的连续值属性 聚类（Clustering） – 类似对象自动分组集合 降维（Dimensionality Reduction） – 减少需要考虑的随机变量数量 模型选择（Model Selection） –比较、验证和选择参数和模型 预处理（Preprocessing） – 特征提取和规范化 Galvanize 公司数据科学讲师，Isaac Laughlin提供 Spark Spark 由一个驱动程序构成，它运行用户的 main 函数并在聚类上执行多个并行操作。
Spark最吸引人的地方在于它提供的弹性分布数据集（RDD），那是一个按照聚类的节点进行分区的元素的集合，它可以在并行计算中使用。
RDDs 可以从一个 Hadoop文件系统中的文件（或者其他的 Hadoop 支持的文件系统的文件）来创建，或者是驱动程序中其他的已经存在的标量数据集合，把它进行变换。
用户也许想要 Spark在内存中永久保存 RDD，来通过并行操作有效地对 RDD 进行复用。
最终，RDDs 无法从节点中自动复原。
Spark 中第二个吸引人的地方在并行操作中变量的共享。
默认情况下，当 Spark在并行情况下运行一个函数作为一组不同节点上的任务时，它把每一个函数中用到的变量拷贝一份送到每一任务。
有时，一个变量需要被许多任务和驱动程序共享。
Spark支持两种方式的共享变量：广播变量，它可以用来在所有的节点上缓存数据。
另一种方式是累加器，这是一种只能用作执行加法的变量，例如在计数器中和加法运算中。
python 适合做什么开发
展开全部 Python可以做什么？1）网站后端程序员：使用它单间网站，后台服务比较容易维护。
如：Gmail、Youtube、知乎、豆瓣2）自动化运维：自动化处理大量的运维任务3）数据分析师：快速开发快速验证，分析数据得到结果4）游戏开发者：一般是作为游戏脚本内嵌在游戏中5）自动化测试：编写为简单的实现脚本，运用在Selenium/lr中，实现自动化。
6）网站开发：借助django,flask框架自己搭建网站。
7）爬虫获取或处理大量信息：批量下载美剧、运行投资策略、爬合适房源、系统管理员的脚本任务等。
具体日常比如自动备份你的MP3；还有可以做网站，很多著名的网站像知乎、YouTube就是Python写的；也可以做网络游戏的后台，很多在线游戏的后台都是Python开发的。
总之就是能干很多很多事啦！...
你自己常用的python库 还有哪些
展开全部 Python中我们有一些经常看到的库，你们都经常用到哪几个？ 网络 通用 urllib -网络库（stdlib）。
requests -网络库。
grab – 网络库（基于pycurl）。
pycurl – 网络库（绑定libcurl）。
urllib3 – Python HTTP库，安全连接池、支持文件post、可用性高。
httplib2 – 网络库。
RoboBrowser – 一个简单的、极具Python风格的Python库，无需独立的浏览器即可浏览网页。
MechanicalSoup -一个与网站自动交互Python库。
mechanize -有状态、可编程的Web浏览库。
socket – 底层网络接口（stdlib）。
Unirest for Python – Unirest是一套可用于多种语言的轻量级的HTTP库。
hyper – Python的HTTP/2客户端。
PySocks – SocksiPy更新并积极维护的版本，包括错误修复和一些其他的特征。
作为socket模块的直接替换。
异步 treq – 类似于requests的API（基于twisted）。
aiohttp – asyncio的HTTP客户端/服务器（PEP-3156）。
网络爬虫框架 grab – 网络爬虫框架（基于pycurl/multicur）。
scrapy – 网络爬虫框架（基于twisted），不支持Python3。
pyspider – 一个强大的爬虫系统。
cola – 一个分布式爬虫框架。
如果你想学没有软件视频资料可以加qun （二二七） （四三五） （四五零）免费领取 其他 portia – 基于Scrapy的可视化爬虫。
restkit – Python的HTTP资源工具包。
它可以让你轻松地访问HTTP资源，并围绕它建立的对象。
demiurge – 基于PyQuery的爬虫微框架。
HTML/XML解析器 通用 lxml – C语言编写高效HTML/ XML处理库。
支持XPath。
cssselect – 解析DOM树和CSS选择器。
pyquery – 解析DOM树和jQuery选择器。
BeautifulSoup – 低效HTML/ XML处理库，纯Python实现。
html5lib – 根据WHATWG规范生成HTML/ XML文档的DOM。
该规范被用在现在所有的浏览器上。
feedparser – 解析RSS/ATOM feeds。
MarkupSafe – 为XML/HTML/XHTML提供了安全转义的字符串。
xmltodict – 一个可以让你在处理XML时感觉像在处理JSON一样的Python模块。
xhtml2pdf – 将HTML/CSS转换为PDF。
untangle – 轻松实现将XML文件转换为Python对象。
清理 Bleach – 清理HTML（需要html5lib）。
sanitize – 为混乱的数据世界带来清明。
文本处理 用于解析和操作简单文本的库。
通用 difflib – （Python标准库）帮助进行差异化比较。
Levenshtein – 快速计算Levenshtein距离和字符串相似度。
fuzzywuzzy – 模糊字符串匹配。
esmre – 正则表达式加速器。
ftfy – 自动整理Unicode文本，减少碎片化。
转换 unidecode – 将Unicode文本转为ASCII。
字符编码 uniout – 打印可读字符，而不是被转义的字符串。
chardet – 兼容 Python的2/3的字符编码器。
xpinyin – 一个将中国汉字转为拼音的库。
pangu.py – 格式化文本中CJK和字母数字的间距。
Slug化 awesome-slugify – 一个可以保留unicode的Python slugify库。
python-slugify – 一个可以将Unicode转为ASCII的Python slugify库。
unicode-slugify – 一个可以将生成Unicode slugs的工具。
pytils – 处理俄语字符串的简单工具（包括pytils.translit.slugify）。
通用解析器 PLY – lex和yacc解析工具的Python实现。
pyparsing – 一个通用框架的生成语法分析器。
人的名字 python-nameparser -解析人的名字的组件。
电话号码 phonenumbers -解析，格式化，存储和验证国际电话号码。
用户代理字符串 python-user-agents – 浏览器用户代理的解析器。
HTTP Agent Parser – Python的HTTP代理分析器。
特定格式文件处理 解析和处理特定文本格式的库。
通用 tablib – 一个把数据导出为XLS、CSV、JSON、YAML等格式的模块。
textract – 从各种文件中提取文本，比如 Word、PowerPoint、PDF等。
messytables – 解析混乱的表格数据的工具。
rows – 一个常用数据接口，支持的格式很多（目前支持CSV,HTML,XLS,TXT – 将来还会提供更多！）。
Office python-docx – 读取，查询和修改的Microsoft Word2007/2008的docx文件。
xlwt / xlrd – 从Excel文件读取写入数据和格式信息。
XlsxWriter – 一个创建Excel.xlsx文件的Python模块。
xlwings – 一个BSD许可的库，可以很容易地在Excel中调用Python，反之亦然。
openpyxl – 一个用于读取和写入的Excel2010 XLSX/ XLSM/ xltx/ XLTM文件的库。
Marmir – 提取Python数据结构并将其转换为电子表格。
PDF PDFMiner – 一个从PDF文档中提取信息的工具。
PyPDF2 – 一个能够分割、合并和转换PDF页面的库。
ReportLab – 允许快速创建丰富的PDF文档。
pdftables – 直接从PDF文件中提取表格。
Markdown Python-Markdown – 一个用Python实现的John Gruber的Markdown。
Mistune – 速度最快，功能全面的Markdown纯Python解析器。
markdown2 – 一个完全用Python实现的快速的Markdown。
YAML PyYAML – 一个Python的YAML解析器。
CSS cssutils – 一个Python的CSS库。
ATOM/RSS feedparser – 通用的feed解析器。
SQL sqlparse – 一个非验证的SQL语句分析器。
HTTP http-parser – C语言实现的HTTP请求/响应消息解析器。
微格式 opengraph – 一个用来解析Open Graph协议标签的Python模块。
可移植的执行体 pefile – 一个多平台的用于解析和...
选择成都Python,一定要从这几点判断
展开全部 Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)许可。
Python语法简洁清晰，特色之一是强制用空白符（white space）作为语句缩进。
Python具有丰富和强大的库。
它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。
需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
...
python 如何将一系列数字十个一行输出
python 可以采用以下语句将一系列数字十个一行输出：list=[1,1,3,4,5,62,5,3,52,5,3,6,6,8,4,6,4,9,5,6]count=0for i in list: print(i,end=' ') count += 1 if(count%10==0): print(end='\n')#换行输出参考链接：python基础教程拓展资料：Python 是一门简单易学且功能强大的编程语言。
它拥有高效的高级数据结构，并且能够用简单而又高效的方式进行面向对象编程。
Python 优雅的语法和动态类型，再结合它的解释性，使其在大多数平台的许多领域中成为编写脚本或开发应用程序的理想语言。
你可以自由的从 Python 官方点： http://www.python.org，以源代码或二进制形式获取 Python 解释器及其标准扩展库，并可以自由的分发。
此站点同时也提供了大量的第三方 Python 模块、程序和工具，及其附加文档。
你可以很容易的使用 C 或 C++（其它可以通过 C 调用的语言）为 Python 解释器扩展新函数和数据类型。
Python 还可以被用作定制应用程序的一门扩展语言。
python输入换行
Python 用反斜线 （“\”） 作为续行符（换行符）。
在换行时输入“\”即可。
拓展资料：Python（英国发音：/?pa?θ?n/ 美国发音：/?pa?θɑ?n/）， 是一种面向对象的解释型计算机程序设计语言，由荷兰人Guido van Rossum于1989年发明，第一个公开发行版发行于1991年。
Python是纯粹的自由软件， 源代码和解释器CPython遵循 GPL(GNU General Public License)许可。
Python语法简洁清晰，特色之一是强制用空白符（white space）作为语句缩进。
Python具有丰富和强大的库。
它常被昵称为胶水语言，能够把用其他语言制作的各种模块（尤其是C/C++）很轻松地联结在一起。
常见的一种应用情形是，使用Python快速生成程序的原型（有时甚至是程序的最终界面），然后对其中有特别要求的部分，用更合适的语言改写，比如3D游戏中的图形渲染模块，性能要求特别高，就可以用C/C++重写，而后封装为Python可以调用的扩展类库。
需要注意的是在您使用扩展类库时可能需要考虑平台问题，某些可能不提供跨平台的实现。
转载请注明出处51数据库 » python 软件许可
