大家好，课程的第一个阶段，也是参与度最高的阶段，我们会讲解 Python 语言，这是一门脱胎于 C 语言但是与 C 有本质区别的语言。
一个显著的区别是，Python 程序具有前向不可兼容性。举例而言，部分 Python 2 的代码不能在 Python 3 中运行，然后 Python 3.3 的代码也有可能不能在 Python 3.10 中使用。
当我们所写的工程越来越多之后，他们所依赖的 Python 环境会各不相同。倘若都安装在统一的 Python 环境当中，比如 MacOS 原生的 Python 环境，那么这一 Python 环境会非常的拥肿，而且可能会因为不同工程需要的 Python 版本库之间的不同，导致 A 工程能正常运行而 B 工程不能。
为了防止这件事情的发生，我们采用了环境管理器 conda 来管理 Python 环境。
Conda 是一个开源的 Python 软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。
理论上，最好为每个 Python 工程创建一个单独的 conda 环境。比如我电脑上的 conda 环境如下。
接下来，请按照下方教程来配置原生 Python 环境、conda 环境与 jupyter 环境。我们准备了 Windows 版本与 MacOS 版本，倘若您使用 Linux，应该不需要教程自行配置即可。
请注意，配置环境过程中，如果配置成功，没有出现报错，Unix 系统默认不会有返回值，如果你想查看是否配置成功，尝试运行如下指令：
echo $?
倘若返回 0，即为成功，如下例：