1.2　開發環境搭建

1.2.1　AI領域的標準編程語言：Python

Python是最適合初學者的編程語言，也是目前IT行業入門簡單、功能強大的工業級開發平臺的語言。

Python已經是機器學習、神經網絡等人工智能開發領域的工業標準編程語言。

1.入門簡單

任何熟悉JavaScript腳本、Visual Basic、C語言、Delphi的用戶，通常一天即可學會Python。

即使是不會編程的設計師、打字員，一周內也能熟練掌握Python，學習難度絕對不會高于Photoshop、五筆輸入法，至少筆者和許多程序員一樣，也不會使用五筆輸入法。

2.功能強大

海量級的Python模塊庫，提供了IT行業最前沿的開發功能。

·　大數據：pandas已經逐步超越R語言。

·　CUDA：高性能計算，Python、C（C++）與Fortran是NVIDIA官方認可的3種編程語言，也是目前唯一適合PC平臺的CUDA編程工具。

·　機器學習：scikit-learn、Theano、Pattern是國際上熱門的機器學習平臺。

·　自然語言：NLTK，全球首選的自然語言處理平臺；spaCy，工業級的NLP平臺。

·　人臉識別：OpenCV，光流算法、圖像匹配、人臉算法，簡單優雅。

·　游戲開發：Pygame提供圖像、音頻、視頻、手柄、AI等全套游戲開發模塊庫。

·　字體設計：Fontforge，是唯一商業級的字體設計開源軟件，內置的腳本語言和底層核心的Fonttools，都是基于Python而開發的。

·　電腦設計：blend、GIMP、Inkscape、MAYA、3DS都內置或擴展了Python語言支持。

既然Python如此美好，而且是100%免費的開源軟件，學習Python的人越來越多，為什么Python始終還只是一種小眾語言呢？

筆者認為，Python的“大眾化”之路，存在以下兩個瓶頸。

·　配置：軟件行業有一句俗話“搞懂了軟件配置，就學會了一半”。對于Python和Linux等許多開源項目而言，80%的問題，都出現在配置方面，尤其是模塊庫的配置。

·　OOP（面向對象程序設計）：大部分人都認為Python是一種“面向對象”的編程語言，而業界公認OOP的編程風格比較繁雜。

如果能夠解決好以上兩個問題，Python的學習難度可以降低90%，在應用領域可以瞬間提升數十倍效能，而且這種提升是零成本的。

1.2.2　zwPython：難度降低90%，性能提高10倍

筆者在WinPython軟件包的基礎上，推出了“zwPython”——字王集成式Python開發平臺。

·　提出“零配置、零對象”研發理念，綠色軟件封裝模式，類似Mac開箱即用風格，無須安裝，解壓即可直接使用，還可以放入U盤，支持Mob-App移動式開發編程。

·　具有“外掛”式“核彈”級開發功能，內置很多功能強大的開發模塊庫，例如OpenCV視覺、人臉識別、CUDA高性能GPU并行計算（OpenCL）、pandas大數據分析、機器學習、NLTK自然語言處理。

·　便于擴展，用戶可以輕松增刪相關模塊庫，全程智能配置，無須用戶干預，就好像拷貝文件一樣簡單，而且支持U盤移動便攜模式，真正實現了“一次安裝，隨處可用”。

·　針對中文開發文檔缺乏、零散的不足，內置多部中文版OpenCV、Fontforge和Python入門教材。

·　內置多款中文開源TrueType字庫。

·　大量示例腳本源碼，涵蓋OpenCV、CUDA、OpenCL、Pygame等。

如此種種只是為了便于IT行業外的用戶能夠“零起步”，快速入門，并且短時間內應用到生產環節當中去。

zwPython前身是zw2015sdk：字王智能字模設計平臺，原設計目標是向廣大設計師提供一款統一的、可編程的字體設計平臺，以便于大家交流。

·　設計師、美工都是文藝青年、IT小白，所以，簡單是必需的，開箱即用也必須是標配。

·　由于設計師做設計，所以圖像處理PIL、Matplotlib模塊是必需的。

·　集成了OpenCV作為圖像處理、匹配模塊，自然也提供了機器學習功能。

·　字模處理數據量很大，屬于大數據范疇，須集成SciPy、NumPy和pandas數據分析模塊。

·　由于原生Python速度慢，所以增加了PyCUDA、OpenCL高性能GPU計算模塊。

如此一而再，再而三地擴充，發現zwPython已經基本覆蓋了目前Python和IT編程90%的應用領域，因此又增加了部分模塊，將zwPython擴展成為一個通用的、集成式Python開發平臺。

1.2.3　“零對象”編程模式

雖然，很多人認為Python是一種“面向對象”的編程語言。

但對于初學者而言，把Python視為一種BASIC風格的、過程式入門語言，學習難度可以降低90%，基本上學習一小時即可動手編寫學習代碼。

有人說，“面向對象”最大的好處是方便把人腦子攪亂。

Windows、Linux、UNIX、Mac OS X內核都是C語言編寫的。有一種系統是C++寫的內核，就是諾基亞的塞班系統，據說代碼量很大，連他們自己的程序員都無法維護，最后就死掉了。

簡而言之，“面向對象”風格的代碼：一個字“繁”、兩個字“繁繁”、三個字“繁繁繁”。

“零對象編程模式，用BASIC的方式學習Python”，是筆者向Python編程語言的入門用戶提出的一種全新的學習理論，一家之言，僅供參考。

Talk is cheap,show me the code！大家還是多多動手。

大家很容易理解“零配置”，下面關于“零對象”再補充幾點。

·　不寫“面向對象”風格的代碼不等于不能使用，對于各種采用“對象”模式開發的模塊庫，我們仍然可以直接調用。

·　將Python視為非“面向對象”語言并非大逆不道，事實上，許多人認為，Python也是一種類似LISP的“函數”編程語言。

·　筆者從事編程十多年，從未用過“面向對象”模式編寫過一行“class”（類對象）代碼，依然可以應對各種編程工作。

·　目前“面向對象”編程理論在業界仍然爭論不休，入門者功力不夠，最好避開強者間的火力殺傷。

·　“面向對象”過于復雜，與“人生苦短，我用Python”的優雅風格天生不合。

1.2.4　開發平臺搭建

本節主要講解Python開發環境和數據包的配置、應用流程方面的知識。

本書所有案例程序均采用純Python語言開發，除特別指明外，均默認使用Python 3語法，且經過zwPython平臺測試。

zwPython是極寬公司推出的一個Python集成版本，功能強大，屬于免費開源軟件。系統內置了數百種專業的Python模塊庫，無須安裝，解壓即用。

本書所有案例程序可用于zwPython平臺，以及各種支持Python 3的設備平臺，包括Linux操作系統、Mac蘋果電腦，以及安卓系統、樹莓派。

其他非zwPython用戶運行本書程序，如果出現問題，通常是缺少有關的Python模塊庫，可以根據調試信息安裝相關的Python模塊庫，再運行相關程序。

限于篇幅，關于Python語言和pandas數據分析軟件的基本操作，請讀者查看有關圖書。

zwPython下載地址，請參見TOP極寬量化網站“資源中心”：

http://www.topquant.vip，或http://www.ziwang.com。

1.2.5　程序目錄結構

本書配套程序的工作目錄是zwPython\kb_demo，這個目錄也是默認的工作目錄，凡是沒有標注目錄的腳本文件，一般都位于該目錄。有關的程序會定時在讀者群發布更新，請讀者及時下載。

kb_demo目錄收錄的是本書課件配套代碼和所需數據，kb_demo目錄也可以復制到其他目錄，建議放到zwPython根目錄下。

zwPython目錄結構中的其他子目錄如下。

·　\zwPython\doc\：用戶文檔中心，包括用戶手冊和部分中文版的模塊庫資料。

·　\zwPython\py36\：Python 3.6版本系統目錄，除增加、刪除模塊庫外，一般不需要改動本目錄下的文件，以免出錯。另外，如果日后Python版本升級，這個目錄也會變化，如Python 3.7，會采用py37目錄。

·　\zwPython\demo\：示例腳本源碼。

·　\zwPython\zwrk\：zw工作目錄，用戶編寫的腳本代碼文件建議放在本目錄下。

·　\zwPython\TopQuant\：極寬量化系統源碼。

案例1-1：重點模塊版本測試

案例1-1文件名是kb101_ver.py，主要用于重點模塊版本號的測試，因為Python發展很快，許多配套的第三方軟件模塊也更新頻繁，有時會出現API接口變化，從而造成版本沖突。

這種版本測試，是工程一線特別是團隊項目起步階段規范開發環境常用的一種手段。

案例1-1源碼很簡單，需要注意的是源碼頭部的import模塊庫導入語句。

import導入常用的模塊和模塊的縮寫。前面的import模塊語句都很正常，請注意最后兩行語句。

tflearn模塊有兩種導入方式。嚴格說來，第二種方式不是標準的模塊導入命令，而是一種別名，是長變量名稱的縮寫。這是因為，tflearn本身是TensorFlow系統內置的第三方模塊，目前也有獨立版本的tflearn模塊，不過兩者的源碼并非完全同步，筆者在測試TF-GPU 1.2和tflearn 0.31時，就發現有版本沖突問題。

為了程序的兼容性，通常采用以下的模式。

案例1-1的核心代碼也很簡單，就是輸出相關模塊的版本號。

以上代碼中，需要注意的是使用的版本顯示命令。

這個雖然不是標準的Python語法，但已經是一種約定俗成，有時，也被稱為魔法語句。

對應的輸出信息如下。

以上輸出信息中，需要注意的是開頭的輸出信息。

以上輸出信息，表示使用TensorFlow作為后端程序，import導入Keras模塊庫時自動輸出。這條信息只在第一次運行程序時出現，大家可以多運行幾次，看看效果。

此外，需要注意的還有最后一條輸出信息。

tflearn沒有版本號，這是因為tflearn模塊不支持相關的版本命令。

這可能是因為tflearn原本是TensorFlow內置的模塊，所以沒有加入相關的版本語句，即使我們采用import導入獨立的tfearn模塊，也無法顯示相關的版本號。

目前，我們使用的tflearn版本號是0.31，為了避免版本沖突，還是希望tflearn開發團隊在未來的更新當中增加相關的版本號信息，

案例1-1介紹了機器學習結合金融工程、量化回溯、數據分析等項目時常用的Python模塊。

·　TensorFlow是神經網絡、深度學習開發平臺。

·　tflearn、Keras、TensorLayer是TensorFlow的簡化接口。

·　NLTK是語義分析模塊。

·　pandas是新一代數據分析工具。

·　Plotly是新一代互動型數據可視化繪圖工具。

·　Arrow是新一代優雅、簡潔的時間模塊。

·　Matplotlib是經典的繪圖模塊。

·　Tushare是國內股票數據的采集模塊。

以上模塊和對應的版本，我們均已集成在最新版本的zwPython當中。使用其他平臺，如Mac、Linux，或者其他Python開發環境的用戶，請自行升級安裝以上模塊，并注意相關的版本號。

升級安裝相關模塊庫時，請注意相關的依賴模塊軟件，特別是手動升級獨立的安裝包時。

筆者在升級以上模塊庫時，就遇到提示說，新版本的pandas缺乏某種屬性，無法使用。后來在Stack Overflow這個全球最大的IT答問網站才找到答案。原來是配套的Dash模塊也必須升級到最新的Dash 0.14.3版本。