前言

學習任何一門程式語言，環境設定往往是最容易被忽略的一步。
然而，如果一開始的環境沒有處理好，接下來的學習過程就可能因為各種小問題而卡關，例如：套件安裝失敗、版本不相容、系統找不到 Python。

因此，在進入語法之前，我們要先花一點時間，把開發環境整理乾淨。這一步就像是出門遠行前先準備行李：雖然看似瑣碎，但能讓後續的旅程順暢無比。

在 Day 1，我們的目標很單純：

1. 安裝最新版本的 Python，確保工具齊全
2. 安裝 VS Code，作為主要的程式編輯器
3. 學會建立 虛擬環境，避免不同專案互相干擾
4. 掌握 pip 的用法，能夠正確安裝第三方套件

完成這一章之後，你就能擁有一個乾淨的開發環境，並順利執行第一支程式。這不僅是 Python 學習的起點，更是未來所有專案能順利推進的基礎。

1. 安裝 Python（務必驗證）

Windows

1. 到 Python 官方網站 下載 Windows installer

2. 安裝時一定要勾選 Add Python to PATH

3. 打開 CMD 檢查安裝：

   python --version
   

   看到版本號（如 Python 3.11.5）就代表安裝成功

macOS

1. 方法一：使用 Homebrew（推薦）

   # 先安裝 Homebrew（如果還沒有）
   /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
   
   # 安裝 Python
   brew install python
   python3 --version
   

2. 方法二：官方安裝檔

   • 到 Python 官方網站 下載 macOS 版本
   • 下載完成後雙擊安裝

注意：macOS 通常使用 python3 指令；之後教學如果寫 python，macOS 使用者請改用 python3。

Linux

大部分 Linux 發行版（如 Ubuntu、Debian、Fedora）都已內建 Python，但版本可能偏舊，建議先檢查：

python3 --version

Ubuntu / Debian

sudo apt update
sudo apt install -y python3 python3-venv python3-pip
python3 --version

Fedora / CentOS

sudo dnf install -y python3 python3-venv python3-pip
python3 --version

2. 安裝 VS Code 與重要延伸功能

VS Code 安裝

1. 到 VS Code 官網 下載對應版本
2. 安裝完成後開啟 VS Code

（Linux 用戶可以下載 .deb 或 .rpm 安裝，或透過套件庫安裝 VS Code）

關於 GitHub Copilot

GitHub Copilot 是 AI 程式碼助手，能自動建議程式碼，但建議初學者先停用：

• 原因：培養基礎語法記憶和思考邏輯
• 停用方式：Ctrl/Cmd + Shift + P → 輸入 Copilot: Disable

3. 建立專案資料夾與虛擬環境

重要概念：每個 Python 專案都應該有自己的虛擬環境，避免套件版本衝突。

Windows（PowerShell）

# 建立並進入專案資料夾
mkdir PythonLearning
cd PythonLearning

# 建立虛擬環境（資料夾名為 .venv）
python -m venv .venv

# 啟動虛擬環境
.\.venv\Scripts\Activate.ps1

macOS／Linux（Terminal）

# 建立並進入專案資料夾
mkdir PythonLearning
cd PythonLearning

# 建立虛擬環境
python3 -m venv .venv

# 啟動虛擬環境
source .venv/bin/activate

成功標誌

啟動成功後，終端機提示符前會出現 (.venv)：

(.venv) PS C:\Users\YourName\PythonLearning>  # Windows
(.venv) username@MacBook PythonLearning %      # macOS
(.venv) username@linux:~/PythonLearning$       # Linux

4. 設定 VS Code 的 Python 解譯器

步驟說明

1. 在 VS Code 中開啟 PythonLearning 資料夾

   • 方法：File → Open Folder → 選擇剛建立的資料夾

2. 選擇 Python 解譯器

   • 按 Ctrl/Cmd + Shift + P 開啟指令面板

   • 輸入 "Python: Select Interpreter"

   • 選擇帶有 .venv 路徑的選項：

     • Windows：.\\.venv\\Scripts\\python.exe
     • macOS/Linux：./.venv/bin/python

3. 驗證設定成功

   • VS Code 狀態列左下角會顯示選中的 Python 版本
   • 開啟內建終端機（Ctrl/Cmd + `）應該會看到 (.venv) 提示符

5. pip 套件管理完整指南

pip 是什麼？

• pip 是 Python 的套件管理工具，全名來自 "Pip Installs Packages"。
• 它的功能類似 Linux 的 apt 或 macOS 的 brew，用來安裝、更新和移除 Python 社群提供的第三方套件。
• 預設會從 PyPI (Python Package Index) 下載套件，目前已收錄超過 50 萬個套件。

為什麼要用 python -m pip？

#  可能會用到全域的 pip，污染系統環境
pip install requests

#  明確指定使用目前 Python 環境的 pip
python -m pip install requests     # Windows
python3 -m pip install requests    # macOS/Linux

這樣可以避免多版本 Python（例如 3.9、3.11 同時存在）造成的混亂。

檢查環境狀態

# 檢查 Python 路徑
python -c "import sys; print(sys.executable)"   # Windows
python3 -c "import sys; print(sys.executable)"  # macOS/Linux

# 檢查 pip 版本和路徑
python -m pip --version

輸出結果應包含 .venv，代表你正在使用虛擬環境的 pip，而不是系統全域的 pip。

常用 pip 指令

# 升級 pip（建議第一次安裝後馬上做）
python -m pip install --upgrade pip

# 安裝套件
python -m pip install requests
python -m pip install numpy pandas matplotlib

# 查看已安裝套件
python -m pip list

# 查看特定套件資訊
python -m pip show requests

# 升級套件
python -m pip install --upgrade requests

# 移除套件
python -m pip uninstall requests

# 安裝特定版本
python -m pip install requests==2.28.0

# 從 requirements.txt 安裝（常用於團隊協作）
python -m pip install -r requirements.txt

# 產生 requirements.txt（記錄目前環境）
python -m pip freeze > requirements.txt

6. 第一支 Python 程式：Hello World!

建立程式檔案

1. 在 VS Code 中，在 PythonLearning 資料夾內新增檔案
2. 檔案命名為 hello.py
3. 輸入程式碼：

# 這是我的第一支 Python 程式
print("Hello, Python!")
print("歡迎來到 Python 的世界！")

# 顯示 Python 版本資訊
import sys
print(f"目前使用 Python 版本：{sys.version}")

執行程式的方法

# Windows
python hello.py
# macOS/Linux
python3 hello.py

7. 開發環境最佳實務

專案結構建議

PythonLearning/
├── .venv/              # 虛擬環境（不要加入版本控制）
├── src/                # 程式碼資料夾
│   └── hello.py
├── tests/              # 測試程式
├── requirements.txt    # 套件依賴清單
├── README.md           # 專案說明