第一章:最新版零基础学习 PYTHON 教程(第三节 - 下载并安装Python最新版本)

2023-09-19 14:06:43

在这里,我们将讨论如何获得与在 Windows/Linux/mac OS 上安装 Python 相关的所有问题的答案。Python由Guido van Rossum于20世纪90年代初开发,最新版本为3.11,我们可以简称为Python3。 

如何下载并安装Python?

要了解如何安装 Python,您需要了解Python什么以及它实际安装在系统中的位置。让我们考虑几点:

  • Python 是一种广泛使用的通用高级编程语言。
  • Python 的每个版本都是开源的。Python 版本也兼容通用公共许可证 (GPL)。
  • 任何版本的 Python 都可以从Python 软件基金会网站 python.org下载。
  • 大多数语言,特别是 Linux 都提供了包管理器,您可以通过它直接在操作系统上安装 Python

在有关安装和设置的 Python 教程中,您将了解如何在 Windows、Mac OS、Linux、iOS 和 Android 上安装 Python。

在 Windows 10 上安装 Python

由于 Windows 没有预装 Python,因此需要显式安装。在这里,我们将定义如何在 Windows 上安装 Python 的分步教程。请按照以下步骤操作:

在 Windows 10 上下载 Python 的步骤 

第 1 步:第一步也是最重要的一步是打开浏览器并输入 https://www.python.org/downloads/windows/ 

步骤 2:在Windows 的 Python 版本下找到最新的 Python 3 版本 – Python 3.11.2(目前最新的稳定版本是 Python 3.11.2)。

Python安装

步骤 3:在此页面上,移至“文件”,然后单击“ 64 位的 Windows x86-64 可执行安装程序”或“ 32 位的 Windows x86 可执行安装程序” 。

如何安装 python-for-windows-steps

在 Windows 10 上安装 Python 的步骤 

这里提供Python 3.11.2在Windows上的安装过程

  • 运行 Python 安装程序了解如何在 Windows 下载文件夹上安装 Python 
  • 确保标记“将 Python 3.11 添加到 PATH”,否则您将必须显式执行此操作。它将开始在 Windows 上安装 Python。 

添加到路径

  • 安装完成后点击关闭。答对了..!!Python 已安装。现在转到 Windows 并输入 IDLE。 

蟒蛇外壳

  • 这是Python解释器,也称为Python Shell。我打印了 Hello geeks,python 运行顺利。
  • 三个大于 >>> 的符号称为 Python 命令提示符,我们在其中编写程序,只需按一下 Enter 键,就会立即给出结果。 

如何在 Linux 上安装 Python

大多数 Linux 操作系统都预装了 Python。要检查您的设备是否预装了 Python,只需使用 Ctrl+Alt+T 进入终端即可,在包括以下操作系统的每个 Linux 系统上:

  • 乌班图
  • Linux薄荷
  • 德班
  • 开放SUSE
  • 中央操作系统
  • 软呢帽

你会发现Python已经安装好了。您可以从终端使用以下命令进行检查

$ python --版本

要检查 Python 3.xx 的最新版本:

$ python3 --版本

版本检查

显然,它不会是 Python 的最新版本。在 Linux 基础系统上安装 Python 的方法有多种,这完全取决于您的 Linux 系统。对于几乎所有 Linux 系统,以下命令绝对有效。

$ sudo add-apt-repository ppa:deadsnakes/ppa 
$ sudo apt-get update 
$ sudo apt-get install python3.11.2

在 Linux 上下载并安装 Python 的最新版本

要从 Python 源代码安装最新版本,请按照以下步骤操作:

从 python.org 下载 Python 最新版本

第一步也是最重要的一步是打开浏览器并打开Python Source Releases | Python.org 

Python 源代码发布

稳定版本下找到下载 Gzipped 源 tarball(目前最新的稳定版本是 Python 3.11.2)。

安装 Homebrew 包管理器

如果您的系统上没有安装自制程序,请按照以下步骤从应用程序 -> 实用程序打开 macOS 的终端应用程序。Bash 终端将打开,您可以在其中输入命令在 macOS 终端中输入以下命令

/bin/bash -c“$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”

如果出现提示,请输入系统密码。这将在您的操作系统上安装 Homebrew 包管理器。当您看到一条名为“安装成功”的消息后。您已准备好在 macOS 上安装 Python 版本 3。 

在 MacOS 上安装 Python

要安装 Python,只需从应用程序 -> 实用程序打开终端应用程序,然后输入以下命令

brew install python3

命令处理完成后,Python 的版本 3 将安装在您的 Mac 上。 

要验证安装,请在终端应用程序中输入以下命令

python
pip3

在 mac-1 上安装 python-

更多推荐

pytest框架前后置设置,以及pytest默认规则

一、pytest框架的默认规则1、模块名默认必须以test开头或者以test结尾2、测试类必须以Test开头,并且不能有__init__方法3、测试方法默认必须以test开头当然以后的一些默认规则除测试类不能使用__init__方法外其余的都是可配置的,当然一般情况下我们也不会去修改这些默认配置。二、使用setup与t

《PostgreSQL与NoSQL:合作与竞争的关系》

🌷🍁博主猫头虎(🐅🐾)带您GotoNewWorld✨🍁🐅🐾猫头虎建议程序员必备技术栈一览表📖:🛠️全栈技术FullStack:📚MERN/MEAN/MEVNStack|🌐Jamstack|🌍GraphQL|🔁RESTfulAPI|⚡WebSockets|🔄CI/CD|🌐Git&Versio

盐碱地改良通用技术 铁尾砂改良学习

声明本文是学习GB-T42828.1-2023盐碱地改良通用技术第1部分:铁尾砂改良.而整理的学习笔记,分享出来希望更多人受益,如果存在侵权请及时联系我们1范围本文件描述了铁尾砂改良盐碱地技术的技术原理,规定了技术要求、田间管理和效果评价。本文件适用于铁矿山企业采用经破碎、粉磨、磁选物理工艺选矿后得到的高硅铁尾砂对板结

时间复杂度讲解(数据结构)

目录引言什么是数据,结构和算法时间复杂度的概念如何计算时间复杂度总结引言hello大家好,我是boooooom君家宝。在前期的博客中博主呢对c语言的一些重要知识点进行了讲解,接下来博主的博客内容将为大家呈现的是数据结构算法的知识讲解,纯c语言版本。由于c语言对于数据结构和算法的进阶知识不是非常的契合,所以暂时只用c语言

kafka

1.Kafka概述2.Kafka安装部署3.Kafka架构深入1.Kafka概述1.1定义(1)Kafka是一个分布式的基于发布/订阅模式的消息队列(MessageQueue),主要应用于大数据实时处理领域。(传统使用)分布式:多台服务器干一件事。发布/订阅:消息的发布者不会将消息直接发送给特点的订阅者,而是将发布的消

现场总线学习

文章目录1.现场总线现状2.数据编码2.1数字数据的数字编码2.2数字数据的模拟编码3.通信方式!!!4.局域网及其拓扑结构5.工业总线协议6.为什么要在can协议的控制器和bus总线之间,连接一个can收发器?7.那其他协议也需要这种收发器么?8.OSI网络协议体系1.现场总线现状2.数据编码2.1数字数据的数字编码

PyTorch实战:实现Cifar10彩色图片分类

目录前言一、Cifar10数据集classtorch.utils.data.Datasettorch.utils.data.DataLoader二、定义神经网络普通神经网络:定义损失函数和优化器训练网络-NetCPU训练模型准确率​编辑GPU训练训练网络-LeNet模型准确率点关注,防走丢,如有纰漏之处,请留言指教,非

【智能家居-大模型】构建未来,聆思大模型智能家居交互解决方案正式发布

LISTENAI近日,国内11家大模型陆续通过《生成式人工智能服务管理暂行办法》备案,多家大模型产品已正式开放,激发了新一轮大模型热潮。大模型在自然语言理解方面的巨大突破,实现了认知智能的技术跃迁,带来了时代的智慧涌现,更是为智能家居行业带来了重大的发展契机。依托通用认知大模型,聆思率先上线了面向智能家居领域的大模型人

BEiT: BERT Pre-Training of Image Transformers 论文笔记

BEiT:BERTPre-TrainingofImageTransformers论文笔记论文名称:BEiT:BERTPre-TrainingofImageTransformers论文地址:2106.08254]BEiT:BERTPre-TrainingofImageTransformers(arxiv.org)代码地址

Self-paced Multi-grained Cross-modal Interaction Modeling for Referring Expression Comprehension论文阅读

Self-pacedMulti-grainedCross-modalInteractionModelingforReferringExpressionComprehension论文阅读笔记一、Abstract二、引言三、相关工作A、指代表达式理解B、TransformerC、自定进度学习四、方法A、动机和框架总览B、多

论文阅读《ESSWC2018:Modeling Relational Data with Graph Convolutional Networks》

论文链接本文就是大名鼎鼎的R-GCN,由于是比较早的工作了,在这篇博客中我们只讨论它的链接预测部分和模型结构部分。工作简介本文引入了关系图卷积网络(R-GCNs),并将其应用于两个标准的知识库完成任务:链接预测和实体分类。通过使用GNN编码器模型来丰富用于链接预测的因子分解模型DistMult,可以显著改善链接预测的结

热文推荐