python编程开发是随着互联网的不断发展而逐渐受到程序员所关注和学习的一门编程技术,而今天我们就一起来了解一下,学习python编程开发语言需要了解哪些内容。
一、Cpython
CPython属于Python参考实现方案,可算是所有其他Python衍生发行版的一套标准化版本。CPython利用C语言编写而成,而其编写者包含多位Python语言决策层中的核心人员。CPython在优化方面表现得为保守。当然,这并不是缺点,而是设计取向。Python的维护者们希望将CPython打造为Python具广泛兼容性与标准化的实现方案。CPython适合对Python标准的兼容性与一致性要求较高的用户。此外,CPython同样适用于希望以基本方式使用Python并愿意为此放弃某些便捷性的专业人士。
二、AnacondaPython
Anaconda源自Anaconda公司之手(原名为ContinuumAnalytics),其设计目标在于服务那些需要由商业供应商提供支持且具备企业支持服务的Python开发者。AnacondaPython的主要用例包括数学、统计学、工程、数据分析、机器学习以及其他相关应用。Anaconda捆绑有Python商业与科学使用场景当中的各类常用库——包括SciPy、NumPy以及Numba等等,同时通过一套定制化软件包管理系统提供更多库访问能力。
三、ActivePython
与Anaconda类似,ActivePython同样由营利性企业创建及维护——ActiveState公司。该公司还在销售多种语言运行时以及多语言KomodoIDE。ActivePython主要面向企业用户与数据科学家——即希望使用Python语言,但又不愿把大量精力浪费在Python的组装与管理方面。ActivePython使用Python中的常规pip软件包管理器,但同时亦以认证压缩包的形式提供数百套通用库,外加英特尔数学核心库等其他一些具有三方依赖关系的公共库。
四、PyPy
PyPy属于CPython解释器的替代品,其利用即时(JIT)编译以加速Python程序的执行。根据实际执行的任务情况,其性能提升可能非常显著。人们对于Python——特别是CPython的抱怨之声,主要围绕其速度表现展开。在默认情况下,Python的运行速度远不及C语言——差距甚至可能达到数百倍。PyPyJIT将Python代码编译为机器语言,从而带来平均7.7倍于CPython的运行速度。在某些特定任务中,其提速效果能够达到50倍。
五、Jython
JVM(Java虚拟机)能够作为除Java之外的多种语言的运行时选项。这份长的名单包括Groovy、Scala、Clojure、Kotlin、Python以及——没错,当然还有Jython。Jython大的弊端在于其仅支持Python的2.x版本。目前对Python3.x版本的支持能力尚在开发当中,但仍需要相当一段时间。当下,还没有任何相关版本放出。
六、IronPython
类似于Jython的JVM上Python实现方案定位,IronPython属于一套立足.Net运行时——或者CLR(公共语言运行时)——的Python实现方案。IronPython利用CLR的DLR(动态语言运行时)以允许Python程序以等同于CPython的动态水平实现运行。与Jython类似,IronPython目前只支持Python2.x版本。不过IronPython3.x实现方案已经处于紧锣密鼓的开发当中。
【免责声明】:本内容转载于网络,转载目的在于传递信息。文章内容为作者个人意见,本平台对文中陈述、观点保持中立,不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。