“脸皮厚”的人更长寿，1000多名百岁老人验证了这一点

Python
Basisdaten
Paradigmen:	multiparadigmatisch: objektorientiert, prozedural (imperativ), funktional, strukturiert, reflektiert
Erscheinungsjahr:	20. Februar 1991
Designer:	Guido van Rossum
Entwickler:	Python Software Foundation, Guido van Rossum
Aktuelle Version	3.13.5 (11. Juni 2025)
Typisierung:	stark, dynamisch (?Duck-Typing“)
Wichtige Implementierungen:	CPython, Jython, IronPython, PyPy
Beeinflusst von:	ABC, Algol 68, Modula-3, C, C++, Perl, Java, Lisp, Haskell, APL, CLU, Dylan, ICON, Standard ML
Beeinflusste:	Ruby, Cython
Betriebssystem:	Plattformunabh?ngig
Lizenz:	Python Software Foundation License
www.python.org

百度 　　【经营】　　同一时间对私无房对公有房　　记者探访时，相关经营、接待人员介绍，个别培训中心只接待内部人员，不对外开放，而大多培训中心的经营模式为内部接待为主，同时对外营业。

Python ([?p?a?θn?], [?p?a?θɑn], auf Deutsch auch [?p?y?t?n]) ist eine universell nutzbare, üblicherweise interpretierte, h?here Programmiersprache. Sie hat den Anspruch, einen gut lesbaren, knappen Programmierstil zu f?rdern. So werden beispielsweise Bl?cke nicht durch geschweifte Klammern, sondern durch Einrückungen strukturiert.

Python unterstützt mehrere Programmierparadigmen, z. B. die objektorientierte, die aspektorientierte und die funktionale Programmierung. Ferner bietet es eine dynamische Typisierung. Wie viele dynamische Sprachen wird Python oft als Skriptsprache genutzt. Die Sprache weist ein offenes, gemeinschaftsbasiertes Entwicklungsmodell auf, das durch die gemeinnützige Python Software Foundation gestützt wird, die die Definition der Sprache in der Referenzumsetzung CPython pflegt.

Entwicklungsgeschichte

Guido van Rossum, der Entwickler von Python

Die Sprache wurde Anfang der 1990er Jahre von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam als Nachfolger für die Programmier-Lehrsprache ABC entwickelt und war ursprünglich für das verteilte Betriebssystem Amoeba gedacht.

Der Name geht nicht, wie das Logo vermuten l?sst, auf die gleichnamige Schlangengattung Python zurück, sondern bezog sich ursprünglich auf die englische Komikergruppe Monty Python. In der Dokumentation finden sich daher auch einige Anspielungen auf Sketche aus dem Flying Circus. Trotzdem etablierte sich die Assoziation zur Schlange, was sich unter anderem in der Programmiersprache Cobra sowie dem Python-Toolkit ?Boa“ ?u?ert. Die erste Vollversion erschien im Januar 1994 unter der Bezeichnung Python 1.0. Gegenüber früheren Versionen wurden einige Konzepte der funktionalen Programmierung implementiert, die allerdings sp?ter wieder aufgegeben wurden. Von 1995 bis 2000 erschienen neue Versionen, die fortlaufend als Python 1.1, 1.2 etc. bezeichnet wurden.

Python 2.0 erschien am 16. Oktober 2000. Neue Funktionen umfassten eine voll funktionsf?hige Garbage Collection (automatische Speicherbereinigung) und die Unterstützung für den Unicode-Zeichensatz.

Python 3.0 (auch Python 3000) erschien am 3. Dezember 2008 nach l?ngerer Entwicklungszeit. Es beinhaltete einige tiefgreifende ?nderungen an der Sprache, etwa das Entfernen von Redundanzen bei Befehlss?tzen und veralteten Konstrukten. Da Python 3.0 hierdurch teilweise inkompatibel zu früheren Versionen wurde, beschloss die Python Software Foundation, Python 2.7 parallel zu Python 3 bis Ende 2019 weiter mit neuen Versionen zu unterstützen (für Hinweise zur letzten 2er-Version, zum Support-Ende und zur Migration siehe Abschnitt Ende von Python 2).

Versionen

Version	Patchversion	Ver?ffentlichung	Ende des vollen Supports	Ende der Sicherheitskorrekturen
?ltere Version; nicht mehr unterstützt: 0.9	0.9.9	20. Feb. 1991	29. Juli 1993
?ltere Version; nicht mehr unterstützt: 1.0	1.0.4	26. Jan. 1994	15. Feb. 1994
?ltere Version; nicht mehr unterstützt: 1.1	1.1.1	11. Okt. 1994	10. Nov. 1994
?ltere Version; nicht mehr unterstützt: 1.2		13. Apr. 1995	Unsupported
?ltere Version; nicht mehr unterstützt: 1.3		13. Okt. 1995	Unsupported
?ltere Version; nicht mehr unterstützt: 1.4		25. Okt. 1996	Unsupported
?ltere Version; nicht mehr unterstützt: 1.5	1.5.2	3. Jan. 1998	13. Apr. 1999
?ltere Version; nicht mehr unterstützt: 1.6	1.6.1	5. Sep. 2000	Sep. 2000
?ltere Version; nicht mehr unterstützt: 2.0	2.0.1	16. Okt. 2000	22. Juni 2001
?ltere Version; nicht mehr unterstützt: 2.1	2.1.3	15. Apr. 2001	9. Apr. 2002
?ltere Version; nicht mehr unterstützt: 2.2	2.2.3	21. Dez. 2001	30. Mai 2003
?ltere Version; nicht mehr unterstützt: 2.3	2.3.7	29. Juni 2003	11. M?rz 2008
?ltere Version; nicht mehr unterstützt: 2.4	2.4.6	30. Nov. 2004	19. Dez. 2008
?ltere Version; nicht mehr unterstützt: 2.5	2.5.6	19. Sep. 2006	26. Mai 2011
?ltere Version; nicht mehr unterstützt: 2.6	2.6.9	1. Okt. 2008	24. Aug. 2010	29. Okt. 2013
?ltere Version; nicht mehr unterstützt: 2.7	2.7.18	3. Juli 2010	1. Jan. 2020	1. Jan. 2020
?ltere Version; nicht mehr unterstützt: 3.0	3.0.1	3. Dez. 2008	27. Juni 2009	27. Juni 2009
?ltere Version; nicht mehr unterstützt: 3.1	3.1.5	27. Juni 2009	12. Juni 2011	6. Apr. 2012
?ltere Version; nicht mehr unterstützt: 3.2	3.2.6	20. Feb. 2011	13. Mai 2013	20. Feb. 2016
?ltere Version; nicht mehr unterstützt: 3.3	3.3.7	29. Sep. 2012	8. M?rz 2014	29. Sep. 2017
?ltere Version; nicht mehr unterstützt: 3.4	3.4.10	16. M?rz 2014	9. Aug. 2017	18. M?rz 2019
?ltere Version; nicht mehr unterstützt: 3.5	3.5.10	13. Sep. 2015	8. Aug. 2017	30. Sep. 2020
?ltere Version; nicht mehr unterstützt: 3.6	3.6.15	23. Dez. 2016	24. Dez. 2018	23. Dez. 2021
?ltere Version; nicht mehr unterstützt: 3.7	3.7.17	27. Juni 2018	27. Juni 2020	27. Juni 2023
?ltere Version; nicht mehr unterstützt: 3.8	3.8.20	14. Okt. 2019	3. Mai 2021	Okt. 2024
?ltere Version; noch unterstützt: 3.9	3.9.21	5. Okt. 2020	17. Mai 2022	Okt. 2025
?ltere Version; noch unterstützt: 3.10	3.10.16	4. Okt. 2021	Mai 2023	Okt. 2026
?ltere Version; noch unterstützt: 3.11	3.11.11	24. Okt. 2022	Mai 2024	Okt. 2027
Aktuelle Version: 3.12	3.12.10	2. Okt. 2023	Mai 2025	Okt. 2028
Aktuelle Version: 3.13	3.13.1	1. Okt. 2024	Okt. 2026	Okt. 2029
Zukünftige Version: 3.14		Okt. 2025	Okt. 2027	Okt. 2030

Legende:	?ltere Version; nicht mehr unterstützt	?ltere Version; noch unterstützt	Aktuelle Version	Aktuelle Vorabversion	Zukünftige Version

Ziele

Python wurde mit dem Ziel gr??ter Einfachheit und übersichtlichkeit entworfen. Dies wird vor allem durch zwei Ma?nahmen erreicht. Zum einen kommt die Sprache mit relativ wenigen Schlüsselw?rtern aus. Zum anderen ist die Syntax reduziert und auf übersichtlichkeit optimiert. Dadurch lassen sich Python-basierte Skripte deutlich knapper formulieren als in anderen Sprachen.

Van Rossum legte bei der Entwicklung gro?en Wert auf eine Standardbibliothek, die überschaubar und leicht erweiterbar ist. Dies war Ergebnis seiner schlechten Erfahrung mit der Sprache ABC, in der das Gegenteil der Fall ist. Dieses Konzept erm?glicht, in Python Module aufzurufen, die in anderen Programmiersprachen geschrieben wurden, etwa um Schw?chen von Python auszugleichen. Beispielsweise k?nnen für zeitkritische Teile in maschinenn?heren Sprachen wie C implementierte Routinen aufgerufen werden. Umgekehrt lassen sich mit Python Module und Plug-ins für andere Programme schreiben, die die entsprechende Unterstützung bieten. Dies ist unter anderem bei Blender, Cinema 4D, GIMP, Maya, Nuke, OpenOffice bzw. LibreOffice, PyMOL, SPSS, QGIS oder KiCad der Fall.

Python ist eine Multiparadigmensprache. Das bedeutet, Python zwingt den Programmierer nicht zu einem einzigen Programmierstil, sondern erlaubt, das für die jeweilige Aufgabe am besten geeignete Paradigma zu w?hlen. Objektorientierte und strukturierte Programmierung werden vollst?ndig unterstützt, funktionale und aspektorientierte Programmierung werden durch einzelne Elemente der Sprache unterstützt. Die Freigabe nicht mehr benutzter Speicherbereiche erfolgt durch Referenzz?hlung. Datentypen werden dynamisch verwaltet, eine automatische statische Typprüfung wie z. B. bei C++ gibt es nicht. Jedoch unterstützt Python ab Version 3.5 optionale Typ-Annotationen, um eine statische Typprüfung mithilfe externer Software, wie zum Beispiel Mypy, zu vereinfachen.

Datentypen und Strukturen

Datentypen und Strukturen

Python besitzt eine gr??ere Anzahl von grundlegenden Datentypen. Neben der herk?mmlichen Arithmetik unterstützt es transparent auch beliebig gro?e Ganzzahlen und komplexe Zahlen.

Die üblichen Zeichenkettenoperationen werden unterstützt. Zeichenketten sind in Python allerdings unver?nderliche Objekte (wie auch in Java). Daher geben Operationen, die eine Zeichenkette ver?ndern sollen – wie z. B. durch Ersetzen von Zeichen – immer eine neue Zeichenkette zurück.

In Python ist alles ein Objekt: Klassen, Typen, Methoden, Module etc. Der Datentyp ist jeweils an das Objekt (den Wert) gebunden und nicht an eine Variable, d. h. Datentypen werden dynamisch vergeben, so wie bei Smalltalk oder Lisp – und nicht wie bei Java.

Trotz der dynamischen Typverwaltung enth?lt Python eine gewisse Typprüfung. Diese ist strenger als bei Perl, aber weniger strikt als etwa bei Objective CAML. Implizite Umwandlungen nach dem Duck-Typing-Prinzip sind unter anderem für numerische Typen definiert, sodass man beispielsweise eine komplexe Zahl mit einer langen Ganzzahl ohne explizite Typumwandlung multiplizieren kann.

Mit dem Format-Operator % gibt es eine implizite Umwandlung eines Objekts in eine Zeichenkette. Der Operator == überprüft zwei Objekte auf (Wert-)Gleichheit. Der Operator is überprüft die tats?chliche Identit?t zweier Objekte.

Sammeltypen

Python besitzt mehrere Sammeltypen, darunter Listen, Tupel, Mengen (Sets) und assoziative Arrays (Dictionaries). Listen, Tupel und Zeichenketten sind Folgen (Sequenzen, Felder) und kennen fast alle die gleichen Methoden: über die Zeichen einer Kette kann man ebenso iterieren wie über die Elemente einer Liste. Au?erdem gibt es die unver?nderlichen Objekte, die nach ihrer Erzeugung nicht mehr ge?ndert werden k?nnen. Listen sind z. B. erweiterbare Felder, wohingegen Tupel und Zeichenketten eine feste L?nge haben und unver?nderlich sind.

Der Zweck solcher Unver?nderlichkeit h?ngt z. B. mit den Dictionaries zusammen, einem Datentyp, der auch als assoziatives Array bezeichnet wird. Um die Datenkonsistenz zu sichern, müssen die Schlüssel eines Dictionary vom Typ ?unver?nderlich“ sein. Die ins Dictionary eingetragenen Werte k?nnen dagegen von beliebigem Typ sein.

Sets sind Mengen von Objekten und in CPython ab Version 2.4 im Standardsprachumfang enthalten. Diese Datenstruktur kann beliebige (paarweise unterschiedliche) Objekte aufnehmen und stellt Mengenoperationen wie beispielsweise Durchschnitt, Differenz und Vereinigung zur Verfügung.

Objektsystem

Das Typsystem von Python ist auf das Klassensystem abgestimmt. Obwohl die eingebauten Datentypen genau genommen keine Klassen sind, k?nnen Klassen von einem Typ erben. So kann man die Eigenschaften von Zeichenketten oder W?rterbüchern erweitern – auch von Ganzzahlen. Python unterstützt Mehrfachvererbung.

Die Sprache unterstützt direkt den Umgang mit Typen und Klassen. Typen k?nnen ausgelesen (ermittelt) und verglichen werden und verhalten sich wie Objekte – tats?chlich sind die Typen (wie in Smalltalk) selbst ein Objekt. Die Attribute eines Objektes k?nnen als W?rterbuch extrahiert werden.

Syntax

Eines der Entwurfsziele für Python war die gute Lesbarkeit des Quellcodes. Die Anweisungen benutzen h?ufig englische Schlüsselw?rter, wo andere Sprachen Symbole einsetzen (z. B. or statt ||). Für strukturierte Programmierung besitzt Python die folgenden Elemente:

• Schleifen (wiederholte Ausführung):
  • for … else zur Iteration über die Elemente einer Sequenz
  • while … else zur Wiederholung, solange ein Ausdruck den Boolean-Wert True hat
• Verzweigungen (bedingte Ausführung):
  • if … elif … else für bedingte Verzweigungen
  • match … case … if für strukturiertes Pattern Matching
• Exceptions (Ausführung im Fehlerfall):
  • try … except … else … finally für Ausnahmebehandlungen
  • with zum Ausführen eines Blocks mit einem Kontext-Manager

Im Gegensatz zu vielen anderen Sprachen k?nnen for- und while-Schleifen einen else-Zweig haben. Dieser wird nur ausgeführt, wenn die Schleife vollst?ndig durchlaufen und nicht mittels break, return oder einer Ausnahme abgebrochen wurde.

Strukturierung durch Einrücken

Python benutzt wie Miranda und Haskell Einrückungen als Strukturierungselement. Diese Idee wurde erstmals von Peter J. Landin vorgeschlagen und von ihm off-side rule (?Abseitsregel“) genannt. In den meisten anderen Programmiersprachen werden Bl?cke durch Klammern oder Schlüsselw?rter markiert, w?hrend unterschiedlich gro?e Leerr?ume au?erhalb von Zeichenketten keine spezielle Semantik tragen. Laut van Rossum verhindert Einrückung als Teil der Sprachsyntax Missverst?ndnisse des Programmierers, spart Raum im Vergleich zu Einrückungskonventionen, die Klammern in eine eigene Zeile setzen und setzt Stil-Diskussionen ein Ende.

Hierzu als Beispiel die Berechnung der Fakult?t einer Ganzzahl, einmal in C und einmal in Python:

Fakult?tsfunktion in C:

int factorial(int x) {
    if (x <= 1) {
        return 1;
    }

    return x * factorial(x - 1);
}

Die gleiche Funktion in Python:

def factorial(x):
    if x <= 1:
        return 1

    return x * factorial(x - 1)

Es ist jedoch darauf zu achten, die Einrückungen im gesamten Programmtext gleich zu gestalten. Die gemischte Verwendung von Leerzeichen und Tabulatorzeichen kann zu Problemen führen, da der Python-Interpreter Tabulatoren im Abstand von acht Leerzeichen annimmt. Je nach Konfiguration des Editors k?nnen Tabulatoren optisch mit weniger als acht Leerzeichen dargestellt werden, was zu Syntaxfehlern oder ungewollter Programmstrukturierung führen kann. Als vorbeugende Ma?nahme kann man den Editor Tabulatorzeichen durch eine feste Anzahl von Leerzeichen ersetzen lassen. Die Python-Distribution enth?lt in der Standardbibliothek das Modul tabnanny, welches die Vermischung von Tabulator- und Leerzeichen zu erkennen und beheben hilft.

Man kann die Fakult?tsfunktion aber auch wie in C einzeilig mit tern?rem Operator formulieren:

Die Fakult?tsfunktion in C:

int factorial(int x) {
    return x <= 1 ? 1 : x * factorial(x - 1);
}

Die Fakult?tsfunktion in Python:

def factorial(x):
    return 1 if x <= 1 else x * factorial(x - 1)

Funktionales Programmieren

Coconut und andere Erweiterungen erleichtern das funktionale Programmieren in Python. Darüber hinaus l?sst sich dies auch mit dem herk?mmlichen Python realisieren:

Ausdrucksstarke syntaktische Elemente zur funktionalen Programmierung vereinfachen das Arbeiten mit Listen und anderen Sammeltypen. Eine solche Vereinfachung ist die Listennotation, die aus der funktionalen Programmiersprache Haskell stammt; hier bei der Berechnung der ersten fünf Zweierpotenzen:

zahlen = [1, 2, 3, 4, 5]
zweierpotenzen = [2 ** n for n in zahlen]

Weil in Python Funktionen als Argumente auftreten dürfen, kann man auch ausgeklügeltere Konstruktionen ausdrücken, wie den Continuation-Passing Style.

Pythons Schlüsselwort lambda k?nnte manche Anh?nger der funktionalen Programmierung fehlleiten. Solche lambda-Bl?cke in Python k?nnen nur Ausdrücke enthalten, aber keine Anweisungen. Damit werden solche Anweisungen generell nicht verwendet, um eine Funktion zurückzugeben. Die übliche Vorgehensweise ist stattdessen, den Namen einer lokalen Funktion zurückzugeben. Das folgende Beispiel zeigt dies anhand einer einfachen Funktion nach den Ideen von Haskell Brooks Curry:

def add_and_print_maker(x):
    def temp(y):
        print(f'{x} + {y} = {x + y}')

    return temp

Damit ist auch Currying auf einfache Art m?glich, um generische Funktionsobjekte auf problemspezifische herunterzubrechen. Hier ein einfaches Beispiel:

def curry(func, known_argument):
    return lambda unknown_argument: func(unknown_argument, known_argument)

Wird die curry-Funktion aufgerufen, erwartet diese eine Funktion mit zwei notwendigen Parametern sowie die Parameterbelegung für den zweiten Parameter dieser Funktion. Der Rückgabewert von curry ist eine Funktion, die das Gleiche tut wie func, aber nur noch einen Parameter ben?tigt.

Closures sind mit den o. g. Mechanismen in Python ebenfalls einfach m?glich. Ein simples Beispiel für einen Stack, intern durch eine Liste repr?sentiert:

def stack():
    l = []

    def pop():
        if not is_empty():
            return l.pop()

    def push(element):
        l.append(element)

    def is_empty():
        return len(l) == 0

    return pop, push, is_empty

pop, push, is_empty = stack()

Auf diese Weise erh?lt man die drei Funktionsobjekte pop, push, is_empty, um den Stack zu modifizieren bzw. auf enthaltene Elemente zu prüfen, ohne dabei auf l direkt zuzugreifen.

Ausnahmebehandlung

Python nutzt ausgiebig die Ausnahmebehandlung (englisch exception handling) als ein Mittel, um Fehlerbedingungen zu testen. Dies ist so weit in Python integriert, dass es teilweise sogar m?glich ist, Syntaxfehler abzufangen und zur Laufzeit zu behandeln.

Ausnahmen haben einige Vorteile gegenüber anderen beim Programmieren üblichen Verfahren der Fehlerbehandlung (wie z. B. Fehler-Rückgabewerte und globale Statusvariablen). Sie sind Thread-sicher und k?nnen leicht bis in die h?chste Programmebene weitergegeben oder an einer beliebigen anderen Ebene der Funktionsaufruffolge behandelt werden. Der korrekte Einsatz von Ausnahmebehandlungen beim Zugriff auf dynamische Ressourcen erleichtert es zudem, bestimmte auf Race Conditions basierende Sicherheitslücken zu vermeiden, die entstehen k?nnen, wenn Zugriffe auf bereits veralteten Statusabfragen basieren.

Der Python-Ansatz legt den Einsatz von Ausnahmen nahe, wann immer eine Fehlerbedingung entstehen k?nnte. Nützlich ist dieses Prinzip beispielsweise bei der Konstruktion robuster Eingabeaufforderungen:

while True:
    num = input("Eine ganze Zahl eingeben: ")

    try:
        num = int(num)
    except ValueError:
        print("Eine _Zahl_, bitte!")
    else:
        break

Dieses Programmstück fragt den Benutzer so lange nach einer Zahl, bis dieser eine Zeichenfolge eingibt, die sich per int() in eine Ganzzahl konvertieren l?sst. Durch die Ausnahmebehandlung wird hier vermieden, dass eine Fehleingabe zu einem Laufzeitfehler führt, der das Programm zum Abbruch zwingt.

Ebenso kann auch das hier nicht berücksichtigte Interrupt-Signal (SIGINT, h?ufig Strg+C) mittels Ausnahmebehandlung in Python abgefangen und behandelt werden (except KeyboardInterrupt: …).

Standardbibliothek

Die m?chtige Standardbibliothek ist eine der gr??ten St?rken von Python, wodurch es sich für viele Anwendungen eignet. Der überwiegende Teil davon ist plattformunabh?ngig, so dass auch gr??ere Python-Programme oft auf Unix, Windows, macOS und anderen Plattformen ohne ?nderung laufen. Die Module der Standardbibliothek k?nnen mit in C oder Python selbst geschriebenen Modulen erg?nzt werden.

Die Standardbibliothek ist besonders auf Internetanwendungen zugeschnitten, mit der Unterstützung einer gro?en Anzahl von Standardformaten und -protokollen (wie MIME und HTTP). Module zur Schaffung grafischer Benutzeroberfl?chen, zur Verbindung mit relationalen Datenbanken und zur Manipulation regul?rer Ausdrücke sind ebenfalls enthalten.

Grafische Benutzeroberfl?chen (GUI)

Mit Hilfe des mitgelieferten Moduls Tkinter kann in Python (wie in Perl und Tcl) schnell eine grafische Benutzeroberfl?che (GUI) mit Tk erzeugt werden. Es gibt darüber hinaus eine Vielzahl von weiteren Wrappern von anderen Anbietern. Sie stellen Anbindungen (englisch language bindings) zu GUI-Toolkits wie z. B. PyGTK, PyQt, wxPython, PyObjC und PyFLTK zur Verfügung.

Neben Tkinter wird auch ein Modul zum Zeichnen von Turtle-Grafiken mitgeliefert.

Beispiel zum Tkinter-Modul

→ Hauptartikel: Tkinter

Beispiel für ein einfaches Tkinter-Fenster

from tkinter import *

fenster = Tk()
fenster.geometry("200x100")
label = Label(fenster, text="Hallo Welt!")
label.pack()

def befehl():
    fenster.destroy()

button = Button(fenster, text="OK", command=befehl)
button.pack()
fenster.mainloop()

Weitere Beispiele

• 
  Text-Widget
• 
  Label-Widget
• 
  Der C?sar-Verschlüsseler (v1.1)
• 
  Flip a coin (v1.3)

Beispiel zum Turtle-Grafik-Modul

Ergebnis des angegebenen Quellcodes

import turtle
from turtle import speed, reset, goto

reset()
speed(0)
turtle.x = -200
turtle.y = 200

while turtle.y != -200:
    goto(turtle.x, turtle.y)
    turtle.x = - turtle.x
    turtle.y = - turtle.y
    goto(turtle.x, turtle.y)
    goto(0, 0)
    turtle.y = - turtle.y
    turtle.x = - turtle.x
    turtle.y -= 5

Weitere Grafiken

• 
  Bunter Kreis
• 
  Stern
• 
  Die Turtle zeichnet ein Quadrat

Beispiel

Als nicht triviales Beispiel sei hier der kompakte Sortieralgorithmus Quicksort angegeben:

def quicksort(liste):
    if len(liste) <= 1:
        return liste

    pivotelement = liste.pop()
    links  = [element for element in liste if element < pivotelement]
    rechts = [element for element in liste if element >= pivotelement]

    return quicksort(links) + [pivotelement] + quicksort(rechts)

Hier erm?glicht insbesondere die Listennotation für die Variablen links und rechts eine kompakte Darstellung. Zum Vergleich eine iterative Formulierung dieser zwei Zeilen:

...
    links, rechts = [], []          # leere Listen für links und rechts anlegen
    pivotelement = liste.pop()      # das letzte Element aus der Liste nehmen als Referenz

    for element in liste:           # die restlichen Elemente der Liste durchlaufen ...
        if element < pivotelement:  # ... und mit dem Pivot-Element vergleichen
            links.append(element)   # wenn kleiner, dann an linke Liste anh?ngen
        else:
            rechts.append(element)  # ansonsten, wenn nicht kleiner, dann an rechte Liste anh?ngen
...

Dies ist nur ein Beispiel für die gesparte Schreibarbeit durch die Listennotation. Tats?chlich ist in diesem Fall die iterative Formulierung die schnellere, da pro Durchgang nur einmal über das Feld ?liste“ iteriert wird und nicht zweimal wie in der Listennotation.

Interaktive Benutzung

So wie Lisp, Ruby, Groovy und Perl unterstützt der Python-Interpreter auch einen interaktiven Modus, in dem Ausdrücke am Terminal eingegeben und die Ergebnisse sofort betrachtet werden k?nnen. Das ist nicht nur für Neulinge angenehm, die die Sprache lernen, sondern auch für erfahrene Programmierer: Code-Stückchen k?nnen interaktiv ausgiebig getestet werden, bevor man sie in ein geeignetes Programm aufnimmt.

Darüber hinaus steht mit Python Shell ein Kommandozeileninterpreter für verschiedene unixoide Computer-Betriebssysteme zur Verfügung, der neben klassischen Unix-Shellkommandos auch direkte Eingaben in Python-Form verarbeiten kann. IPython ist eine popul?re interaktive Python-Shell mit stark erweiterter Funktionalit?t.

Implementierungen

Interpreter

CPython ist die offizielle oder Referenzimplementierung der Programmiersprache Python und deren Interpreter.

Daneben gibt es einen in Java implementierten Python-Interpreter namens Jython, mit dem die Bibliothek der Java-Laufzeitumgebung für Python verfügbar gemacht wird.

Compiler

Au?er den oben genannten Interpretern existieren Compiler, die Python-Code in eine andere Programmiersprache übersetzen.

Mit Cython kann Python-Code in effiziente C-Erweiterungen übersetzt oder externer C++- oder C-Code angebunden werden.

Ebenso existiert der Compiler IronPython für die .Net-Framework- bzw. Mono-Plattform.

Um Python als Skriptsprache für Programme in C++ zu nutzen, werden zumeist die Boost-Python-Bibliothek oder (in neueren Projekten) Cython verwendet.

Ein Python-Parser für Parrot und ein in Python geschriebener Just-in-time-Compiler für Python, PyPy, welcher von der EU gef?rdert wurde, sind ebenfalls in Entwicklung.

Auch die Python-Variante Pyston verwendet Just-in-time-Compilierung und beschleunigt so die Ausführung von Python-Programmen.

Au?erdem existiert ein Python-Interpreter für Mikrocontroller namens MicroPython.

Entwicklungsumgebung

Neben IDLE, das oft mit Python installiert wird und haupts?chlich aus einer Textumgebung und einer Shell besteht, wurden auch einige vollwertige Entwicklungsumgebungen (IDEs) für Python entwickelt, beispielsweise Eric Python IDE, Spyder oder PyCharm. Weiterhin gibt es Plug-ins für gr??ere IDEs wie Eclipse, Visual Studio, IntelliJ IDEA und NetBeans. Texteditoren für Programmierer wie Vim und Emacs lassen sich auch für Python anpassen: Ein einfacher Python-Mode ist bereits integriert, und komfortablere Erweiterungen k?nnen hinzugefügt werden.

Für die verschiedenen GUI-Toolkits, wie z. B. Tkinter (GUI-Builder), WxPython (wxGlade), PyQt (Qt Designer), PySide, PyGTK (Glade), Kivy oder PyFLTK gibt es teils eigene Editoren, mit denen sich grafische Benutzeroberfl?chen auf vergleichsweise einfache Art aufbauen lassen.

Paketverwaltung

Python unterstützt die Erstellung von Paketen; dabei helfen distutils und setuptools. Die Pakete werden auf PyPI, dem Python Package Index, gespeichert und von dort zur Installation abgerufen. Als Paketmanager wird üblicherweise pip oder auf alten Systemen auch easy_install eingesetzt. Paketversionen der Anaconda (Python-Distribution) werden von der Paketverwaltung conda verwaltet.

Verbreitung und Einsatz

Python ist für die meisten g?ngigen Betriebssysteme frei erh?ltlich und bei den meisten Linux-Distributionen im Standardumfang enthalten. Um Python in Webserver einzubinden, wird Webserver-umgreifend WSGI verwendet, welches die Nachteile von CGI umgeht. WSGI stellt eine universelle Schnittstelle zwischen Webserver und Python(-Framework) zur Verfügung.

Eine Reihe von Web-Application-Frameworks nutzt Python, darunter Django, Pylons, SQLAlchemy, TurboGears, web2py, Flask und Zope. Ferner gibt es einen Python-Interpreter für das Symbian-Betriebssystem, so dass Python auf verschiedenen Mobiltelefonen verfügbar ist. In der Version 2.5.1 ist Python ein Bestandteil von AmigaOS 4.0.

Kommerzieller Einsatz

Bekannte kommerzielle Projekte, etwa Google Suche und YouTube, basieren in Teilen auf Python. Auch in der Spieleindustrie findet die Sprache bisweilen Einsatz, etwa in EVE Online, World in Conflict und Civilization IV.

In der Lehre

Python wird gern in der Lehre eingesetzt, da Python auf der einen Seite einsteigerfreundlich ist, auf der anderen Seite aber auch leistungsf?hig und m?chtig genug, um theoretische Grundlagen der Programmierung zu vermitteln und um moderne Anwendungen bis hin zu komplexen Datenanalysen, grafischer Programmierung oder Datenbankanwendungen zu entwickeln. Lehrbücher, die sich explizit an junge Menschen ohne Programmiererfahrung wenden, unterstützen und unterstreichen diese Entwicklung.

Im Rahmen des Projektes 100-Dollar-Laptop wird Python als Standardsprache der Benutzeroberfl?che verwendet. Da der 100-Dollar-Rechner für die Schulausbildung von Kindern konzipiert ist, soll bei Benutzung der dafür gestalteten grafischen Benutzeroberfl?che ?Sugar“ auf Knopfdruck der gerade laufende Python-Quellcode angezeigt werden. Damit soll Kindern die M?glichkeit gegeben werden, die dahinter liegende Informationstechnik real zu erleben und nach Belieben ?hinter die Kulissen“ zu schauen.

Der Einplatinen-Computer Raspberry Pi (Python Interpreter) sollte ursprünglich mit einem im ROM integrierten Python-Interpreter ausgeliefert werden. Auch heute ist Python eine der bevorzugtesten Sprachen für den Raspberry Pi. Sein Standard-Betriebssystem Raspberry Pi OS kommt mit einer gro?en Python-Bibliothek zur Ansteuerung der Hardware.

Python wird weltweit in der Informatikausbildung an Schulen und Universit?ten eingesetzt. So steht inzwischen eine Reihe von (kostenlosen) didaktisch konzipierten Online-Lernplattformen zu Python für Schule und Selbststudium ab dem 6. Schuljahr zur Verfügung – meist in mehreren Sprachen. Der Online-Kurs Computer Science Circles z. B. wird von der Universit?t Waterloo in Kanada bereitgestellt. Die deutsche Version wird betrieben von den deutschen Bundesweiten Informatikwettbewerben. TigerJython, gehostet von der P?dagogischen Hochschule Bern, wird vor allem in der Schweiz im Informatikunterricht eingesetzt.

In der Wissenschaft

In der Wissenschaftsgemeinde genie?t Python gro?e Verbreitung, haupts?chlich wegen des einfachen Einstiegs in die Programmierung und der gro?en Auswahl wissenschaftlicher Bibliotheken. Oft wird Python hier innerhalb eines Jupyter Notebooks genutzt. Numerische Rechnungen und die visuelle Aufbereitung der Ergebnisse in Graphen werden meist mit NumPy und der Matplotlib erledigt. Anaconda und SciPy bündeln viele wissenschaftliche Python-Bibliotheken und machen sie somit einfacher zug?nglich. Mit TensorFlow, Keras, Scikit-learn, PyTorch u. a. gibt es gro?e Bibliotheken zur Forschung und Nutzung von maschinellem Lernen und Deep Learning (Künstliche Intelligenz).

Ende von Python 2

Die Unterstützung für Python 2 ist beendet. Die letzte 2er-Version war die 2.7.18 vom 20. April 2020; seit diesem Datum wird Python 2 nicht mehr unterstützt. Es gibt aber vielf?ltige und umfangreiche Dokumentationen zum Umstieg und auch Tools, die bei der Migration helfen oder es erm?glichen, Code zu schreiben, der mit Python 2 und 3 funktioniert.

Kritik

Bei der Definition von Methoden muss der Parameter self, der der Instanz entspricht, deren Methode aufgerufen wird, explizit als Parameter angegeben werden. Dies wird von Andrew Kuchling, Autor und langj?hriger Python-Entwickler, als unelegant und nicht objektorientiert empfunden. Python-Sch?pfer van Rossum verweist hingegen darauf, dass es n?tig sei, um bestimmte wichtige Konstrukte zu erm?glichen. Einer der Python-Grunds?tze lautet zudem ?Explicit is better than implicit“.

Bis zur Version 3.0 wurde kritisiert, dass in einer Methodendefinition der Aufruf der Basisklassenversion derselben Methode die explizite Angabe der Klasse und Instanz erfordert. Dies wurde als Verletzung des DRY-Prinzips (?Don’t repeat yourself“) gesehen; au?erdem behinderte es Umbenennungen. In Python 3.0 wurde dieser Kritikpunkt behoben.

Auf Multiprozessor-Systemen behindert der sogenannte Global Interpreter Lock (GIL) von CPython die Effizienz von Python-Anwendungen, die softwareseitiges Multithreading benutzen. Diese Beschr?nkung existiert unter Jython oder IronPython nicht. Bislang war von offizieller Seite nicht geplant, den GIL zu ersetzen, beginnend mit Version 3.13 kann dieser nun aber mithilfe eines Flags deaktiviert werden. Alternativ wird empfohlen, mehrere miteinander kommunizierende Prozesse anstelle von Threads zu verwenden.

In den vorherrschenden Implementationen ist die Ausführungsgeschwindigkeit niedriger als bei vielen kompilierbaren Sprachen, aber ?hnlich wie bei Perl, PHP, Dart und Ruby. Das liegt zum Teil daran, dass bei der Entwicklung von CPython der Klarheit des Codes gegenüber der Geschwindigkeit Vorrang einger?umt wird. Man beruft sich dabei auf Autorit?ten wie Donald Knuth und Tony Hoare, die von verfrühter Optimierung abraten. Wenn Geschwindigkeitsprobleme auftreten, die nicht durch Optimierung des Python-Codes gel?st werden k?nnen, werden stattdessen JIT-Compiler wie PyPy verwendet oder zeitkritische Funktionen in maschinenn?here Sprachen wie C oder Cython ausgelagert.

Literatur

Für den Einstieg

• Allen B. Downey: Programmieren lernen mit Python. 2. Auflage. O’Reilly, K?ln (u. a.) 2014, ISBN 978-3-95561-806-3, S. 297. 
• Bernd Klein: Einführung in Python 3. Für Ein- und Umsteiger. 4., vollst. überarb. Auflage. Hanser, München 2021, ISBN 978-3-446-46379-0, S. 600 (Inhaltsverzeichnis). 
• Thomas Theis: Einstieg in Python. Ideal für Programmieranf?nger geeignet. 8. Auflage. Rheinwerk Computing, Bonn 2024, ISBN 978-3-367-10123-8, S. 484 (Inhaltsverzeichnis). 
• Mark Lutz: Learning Python. 6. Auflage. O’Reilly, Sebastopol (u. a.) 2025, ISBN 978-1-09-817130-8, S. 1128. 
• Hans Petter Langtangen: A Primer on Scientific Programming with Python. 5. Auflage. Springer, 2016, ISBN 978-3-662-49886-6
• Mark Pilgrim, Florian Wollenschein: Python 3 – Intensivkurs. 1. Auflage. Springer, 2010, ISBN 978-3-642-04376-5
  (Deutsche übersetzung von Dive Into Python 3 google-books)
• Mark Pilgrim: Dive Into Python 3. 2. Auflage. Springer, 2009, ISBN 1-4302-2415-0 (Download verfügbar)
• John Paul Mueller: Python programmieren lernen für Dummies. 2. Auflage. Wiley, Weinheim 2018, ISBN 978-3-527-71490-2, S. 407 (bei der Deutschen Nationalbibliothek). 
• Martina Gl?de (Hrsg.): Programmieren supereasy. Einfacher Einstieg in Scratch und Python. Dorling Kindersley, München 2020, ISBN 978-3-8310-3961-6, S. 224. 
• Warren D. Sande; Carter Sande: Hello World! Programmieren für Kids und andere Anf?nger. 2., akt. u. erw. Auflage. Hanser, München 2014, ISBN 978-3-446-43806-4, S. 475. 
• Michael Bonacina: Python 3 Programmieren für Einsteiger: Der leichte Weg zum Python-Experten, 2. Auflage. BMU Verlag, Landshut 2019, ISBN 978-3-96645-007-2.

Referenzen

• Michael Weigend: Python ge-packt. 8. Auflage. mitp, Frechen 2020, ISBN 978-3-7475-0194-8, S. 656. 
• Johannes Ernesti; Peter Kaiser: Python 3. Das umfassende Handbuch. 7., aktualisierte Auflage. Rheinwerk, Bonn 2023, ISBN 978-3-8362-9129-3 (rheinwerk-verlag.de – OpenBook beim Verlag (5. Auflage)). 
• Mark Lutz: Python. Kurz & gut. 5. Auflage. O’Reilly, K?ln u. a. 2014, ISBN 978-3-95561-770-7, S. 270. 

Weiterführendes

• Luciano Ramalho: Fluent Python. Clear, concise, and effective programming. 2. Auflage. O’Reilly, Sebastopol CA u. a. 2022, ISBN 978-1-4920-5635-5, S. 983. 
• Gregor Lingl: Python für Kids. 4. Auflage. bhv, 2010, ISBN 3-8266-8673-X.
• Farid Hajji: Das Python-Praxisbuch. 1. Auflage. Addison-Wesley, 2008, ISBN 978-3-8273-2543-3.
• Hans P. Langtangen: Python Scripting for Computational Science. 3. Auflage. Springer, 2008, ISBN 3-540-43508-5.
• Michael Weigend: Objektorientierte Programmierung mit Python. mitp-Verlag, 1. Auflage 2006, ISBN 3-8266-0966-2.
• Felix Bittmann: Praxishandbuch Python 3. Konzepte der Programmierung verstehen und anwenden. 1. Auflage. Books on Demand, Norderstedt 2020, ISBN 978-3-7519-0058-4, S. 240 (Inhaltsverzeichnis). 

Weblinks

Commons: Python – Sammlung von Bildern, Videos und Audiodateien

Wikibooks: Python 2 unter Linux – Lern- und Lehrmaterialien

• Offizielle Website (englisch)

Tutorials

Für Anf?nger

• Python Examples (englisch)
• Online-Kurse und Tutorials für Python 2 und 3. Python-Kurs.eu
• Online-Kurs. University of Waterloo (deutsch, englisch, franz?sisch)
• Practical programming for total beginners. Automate the Boring Stuff with Python (englisch)
• Einstieg in Python, Michael Weigend (deutsch)
• Python: Grafische Benutzeroberfl?chen für Python-Skripte erstellen, Veikko Krypczyk (deutsch)

Für Fortgeschrittene

• PythonProgramming.net: Python-Tutorials für Data analysis, Machine learning & GUIs (englisch)
• PyData: Python-Vortr?ge und -Tutorials für Data analysis, Machine learning etc. (englisch)
• Awesome Python: Liste von Frameworks, Bibliotheken und Ressourcen, nach Themen gegliedert (englisch)
• Python 3 – Das umfassende Handbuch: Rheinwerk openbook zu Python 3 (deutsch)

Für Kinder

• Snake Wrangling for Kids – Learning to Program with Python von Jason R. Briggs, für Kinder ab acht Jahren (englisch)
• Schlangengerangel für Kinder – Programmieren Lernen für Kinder (PDF; 2,1 MB) für Kinder ab acht Jahren (deutsch)