Что за язык
Python — язык общего назначения: программу не собирают заранее, файл с текстом выполняет интерпретатор
python. Главная мысль в его устройстве — код читают чаще, чем пишут. Поэтому блоки отмечают отступом, а не
скобками, служебных символов мало, а типовые вещи уже лежат в стандартной библиотеке. Сам язык говорит об этом
прямо — у него есть встроенный манифест:
python -c "import this"
# The Zen of Python, by Tim Peters
#
# Beautiful is better than ugly.
# Explicit is better than implicit.
# Simple is better than complex.
# Complex is better than complicated.
# Flat is better than nested.
# Sparse is better than dense.
# Readability counts.
Как это выглядит в деле — пять самых частых слов в тексте лицензии Python:
from collections import Counter
words = open("license.txt", encoding="utf-8").read().lower().split()
print(Counter(words).most_common(5))
# [('the', 189), ('of', 121), ('or', 119), ('and', 97), ('in', 84)]
На C то же самое — своя хэш-таблица, выделение памяти и разбор строки вручную, несколько десятков строк. Python медленнее C, но время программиста стоит дороже времени процессора — на этом размене язык и вырос.
Отступы вместо фигурных скобок — решение окончательное, и интерпретатор отвечает на просьбу вернуть скобки так:
python -c "from __future__ import braces"
# SyntaxError: not a chance
Название — не от змеи. Гвидо ван Россум, автор языка, читал тогда сценарии «Летающего цирка Монти Пайтона»
и хотел имя короткое и немного загадочное. Поэтому в документации примеры называются spam и eggs, а не
foo и bar, а import antigravity открывает в браузере комикс xkcd про Python.
Как Python стал главным — и где не стал
Главный язык менялся вместе с главной задачей: сайты на общем хостинге, потом данные, потом нейросети. В каждой эпохе выигрывал тот, кому было проще решить её.
1989–2000: язык для админов между C и shell
Гвидо работал в нидерландском институте CWI над распределённой ОС Amoeba. Администрировать её приходилось либо программами на C — долго писать, — либо скриптами Bourne shell — неудобно, как только задача сложнее пары команд. Он хотел язык посередине: читаемый, как учебный язык ABC, над которым он работал раньше, но расширяемый и с доступом к системе. Начал на рождественских каникулах 1989-го, в феврале 1991-го выложил в USENET. От ABC достались отступы и встроенные списки и словари. Расширения на C были в языке с самого начала — это окупится через 15 лет.
2000–2010: сайты пишут на PHP, Python — у админов
Веб в это время — PHP. Причина не в языке, а в хостинге: модуль mod_php встроен в Apache на любом
дешёвом хостинге, файл .php загружаем по FTP — и он работает. Python для сайта требовал постоянно
запущенного процесса: стандарт WSGI появился в 2003-м, Django — в 2005-м, но под них нужен свой сервер
и администратор («Веб-серверы с 2008 года»).
Python занял другую нишу — скрипты и автоматизацию, где раньше правил Perl. У Perl репутация «языка только для записи»: написать быстро, прочитать через полгода трудно, а Python читается как текст. Гвидо с 2005-го по 2012-й работал в Google, где Python был одним из основных языков. Крупные сайты на нём тоже появились: Instagram вырос на Django.
В конце 2008-го вышел Python 3 — несовместимый со вторым. Самая заметная правка — print "x" стал
print("x"), и миллионы строк кода пришлось переписывать. Переезд занял 11 лет: поддержку Python 2
прекратили 1 января 2020-го.
2006–2015: данные переезжают в Python
Учёные и аналитики считали в MATLAB — он платный — и R, где статистический тест пишется одной строкой, а веб-запрос или работа с файлами — уже возня. Вокруг Python сложился бесплатный набор: NumPy (2006) для массивов, pandas (2008) для таблиц, scikit-learn для машинного обучения, блокноты IPython, ставшие в 2014-м Jupyter. Выиграли расширения на C: тяжёлый счёт делает скомпилированный код, а на Python — всё вокруг: скачать данные, почистить, построить график, выложить результат. Один язык на весь путь вместо трёх.
2015–2026: нейросети
В ноябре 2015-го Google открыл TensorFlow, следом Facebook выпустил PyTorch — оба с Python снаружи и C++ и CUDA внутри. Исследователи и так сидели на NumPy и Jupyter, и новые библиотеки пришли туда, где уже были пользователи. Дальше сработал снежный ком: код к новым моделям публикуют на Python, поэтому следующую работу начинают на нём же. В октябре 2021-го Python впервые возглавил рейтинг TIOBE — до этого первыми бывали только C и Java.
Сам Гвидо в 2018-м сложил с себя титул «великодушного пожизненного диктатора» — после спора об одном
операторе, :=. С тех пор язык ведёт выборный совет из пяти человек.
Кто главный в 2026-м
Одного короля нет — у каждой задачи свой:
| Задача | Лидер | Почему |
|---|---|---|
| Сайты | PHP | по W3Techs на 21.10.2026 — 69,3 % сайтов с известным серверным языком; один WordPress — 39,6 % всех сайтов. У Python — 1,1 %, его бэкенды обычно прячутся за API и снаружи не видны |
| Браузер | JavaScript, TypeScript | других языков в браузере нет. По GitHub Octoverse 2025 TypeScript в августе 2025-го обогнал Python по числу авторов кода |
| Данные и ИИ | Python | NumPy, pandas, PyTorch и код к моделям |
| Инфраструктура | Go | на нём написаны Docker, Kubernetes, Traefik, CrowdSec, Caddy |
| Системы, движки | C, C++, Rust | ядра ОС, браузеры, базы данных, внутренности PyTorch |
| Корпоративные системы | Java, C# | банки, учёт, большие команды с долгой поддержкой |
Почему медленный язык считает нейросети
Цикл на чистом Python
c = [[sum(a[i][k] * b[k][j]
for k in range(N))
for j in range(N)]
for i in range(N)]Матрицы 300 × 300 — 2,4 с. Интерпретатор выполняет каждое из 27 миллионов умножений сам.
То же через NumPy
c = a @ bТе же матрицы — 5–12 мс, в 200–500 раз быстрее, результат совпадает. Умножает код на C, оптимизированный под процессор; Python только передаёт ему матрицы.
Так устроен весь ИИ на Python: PyTorch отдаёт вычисления видеокарте через CUDA, а на Python остаётся то, что меняют чаще всего, — устройство модели, данные, цикл обучения.
текст в редакторе
- Скрипт
train.pyОбычный текстовый файл. Отступы — часть синтаксиса: ими отмечают, что внутри цикла, условия, функции. - Интерпретатор
python train.pyПрограммаpythonчитает файл и выполняет строку за строкой. Сборки нет: поправили — запустили снова. - Стандартная библиотека
import pathlibМодули, которые ставятся вместе с Python: файлы и пути, сеть, архивы, JSON, случайность для паролей. - Пакеты
pip install torchВсё остальное — из каталога PyPI: NumPy, pandas, PyTorch, Django. Ставим в виртуальное окружение проекта. - Код на C, C++, CUDA
a @ bВнутри тяжёлых пакетов — скомпилированный код. Python вызывает его как свою функцию, а считает он на процессоре или видеокарте.
результат: файлы, ответ, обученная модель
В цикле обучения почти всё время работает код на CUDA, а Python между вызовами отдаёт следующую команду — поэтому медленный интерпретатор обучение не тормозит.
Где применяют
ИИ и модели
PyTorch, TensorFlow, JAX — обучение; Hugging Face Transformers — готовые модели; vLLM — запуск моделей на сервере. SDK к API моделей — тоже на Python («Первый запрос к API»).
Данные и наука
NumPy — массивы, pandas — таблицы, Jupyter — блокнот, где код, графики и выводы лежат рядом.
Бэкенды сайтов
Django — сайт с админкой и базой из коробки, FastAPI — API с проверкой данных по типам.
Серверы и автоматизация
На Python написаны Ansible и cloud-init («cloud-init»); в Ubuntu он стоит из коробки, потому что на нём
работают системные утилиты. Корни языка — здесь.
Скрипты для себя
Файлы, фото, пароли, проверки сайтов: задача на вечер и рабочий результат — шаги этого набора.
Почему модель пишет скрипт, а не делает сама
Агент, которому поручили переименовать 2000 фото по дате, не переименовывает их по одному — он пишет скрипт на 15 строк и запускает один раз. Так дешевле и точнее, и причин три.
- Модель плохо считает в уме. Она видит токены, а не буквы и цифры: сколько букв «р» в слове, сумма столбца, длина строки — частые промахи («Где модели ошибаются»). Скрипт считает точно, поэтому «посчитай кодом» — рабочая просьба.
- Промежуточные данные не идут через модель. Каждый вызов инструмента — это вопрос и ответ в контексте, то есть токены и время («Агенты и инструменты»). Скрипт обходит 2000 файлов внутри себя, а модели возвращает одну строку итога. В примере Anthropic (ноябрь 2025-го) задача «перенести расшифровку встречи из Google Drive в Salesforce» прямыми вызовами заняла 150 000 токенов, кодом — 2 000. Код в том примере, к слову, на TypeScript: принцип не привязан к языку. Но когда модель в чате считает таблицу или строит график, в песочнице у неё обычно Python.
- Скрипт можно прочитать и повторить. 20 строк проверяем глазами до запуска, а с пробным прогоном — и результат («Разобрать «Загрузки»»). Две тысячи отдельных действий так не проверить.
Отсюда практический вывод: даже если код за нас пишет модель, читать его нужно уметь. Для этого и набор.
Чем ещё решают эти задачи
Описаны по документации на октябрь 2026, кроме Python не запускались.
| Где сильнее всего | Чем отличается от Python | |
|---|---|---|
| Python | ИИ, данные, автоматизация, бэкенды | читается почти как текст; скорость — из библиотек на C, C++ и CUDA |
| JavaScript, TypeScript | всё, что в браузере; бэкенды на Node.js | единственный язык браузера; TypeScript добавляет типы — ошибку видно до запуска, в том числе в коде от ИИ |
| PHP | сайты, WordPress | запускается на любом хостинге без настройки; вне веба почти не встречается |
| Go | сетевые сервисы, инфраструктура | собирается в один файл без зависимостей, параллельная работа встроена в язык; библиотек для ИИ мало |
| Java, C# | большие корпоративные системы | строгие типы и долгие сроки поддержки; кода на ту же задачу больше |
| C++, Rust | движки: браузеры, базы, ядро PyTorch | быстрее всего, но кода и времени на ту же задачу — в разы больше; часто это слой под Python |
| bash, PowerShell | команды на сервере, настройки Windows | склеивают готовые программы; списки, словари и ошибки неудобны уже на 30 строках |
| Если… | Берём |
|---|---|
| модели, данные, автоматизация, скрипт для себя | Python |
| интерфейс в браузере или расширение | TypeScript |
| сайт на общем хостинге, WordPress | PHP |
| сетевой сервис или утилита, которую поставят без Python | Go |
| ядро, где важна каждая миллисекунда | C++ или Rust, снаружи — часто Python |
| три-пять команд подряд на сервере | bash |
Что получаем и чем платим
Получаем
- Результат в первый вечер. Сборки нет, а файлы, сеть и пароли — в стандартной библиотеке.
- Один язык от скрипта до модели.
import, функции и словари из первых шагов набора — те же, что в коде обучения. - Один скрипт на всех системах.
pathlibсам ставит\или/в путях; тот же файл работает на Windows и на сервере. - Ошибка говорит, где сломалось. Вывод при падении называет файл, строку и причину:
FileNotFoundError: [Errno 2] No such file or directory: 'notes.txt'.
Платим
- Свой цикл на Python медленный. На матрицах — в 200–500 раз медленнее NumPy. Считаем библиотекой, а не своими циклами; в скриптах на файлы и сеть разницы не видно — там ждём диск и сеть.
- Один поток считает за раз. Глобальная блокировка (GIL) не даёт потокам выполнять код на Python параллельно; с 3.13 есть сборка без неё, библиотеки к ней подтягиваются. Код на C и CUDA внутри библиотек блокировку отпускает.
- Ошибки типов — только при запуске. Python не проверяет заранее, что в функцию пришло число, а не строка; подсказки типов и проверка
mypy— по желанию. - Python нужен там, где запускаем. Скрипт другу на Windows без Python не запустится; на Ubuntu он есть, на Windows — нет.
- Пакеты конфликтуют. Два проекта хотят разные версии одного пакета — поэтому у каждого своё виртуальное окружение («QR-код Wi-Fi»).
С чего начать
Начинаем с задач на вечер: в коде моделей те же понятия, а результат виден сразу и без видеокарты. Задачи и главы собраны в разделе Python. Практика — рабочие скрипты: что понадобится, объяснено в самом мануале. Главы идут от первого запуска до модулей и классов, в главе — одно понятие. Первая задача — «Файлы на телефон»: ставим Python и одной командой открываем папку для телефона в той же Wi-Fi.
Если не работает
Пишем python, а открывается Microsoft Store
- Причина
- Python не установлен, и Windows подставляет заглушку — псевдоним, который ведёт в магазин.
- Делаем
- Ставим Python install manager и открываем новое окно терминала («Файлы на телефон»).
Command 'python' not found, did you mean: command 'python3'
- Причина
- В Ubuntu команда называется
python3,pythonбез цифры по умолчанию нет. - Делаем
- Пишем
python3или ставимpython-is-python3.
error: externally-managed-environment при pip install
- Причина
- Ubuntu 23.04 и новее не дают ставить пакеты в системный Python: он нужен самой системе (PEP 668).
- Делаем
- Создаём виртуальное окружение:
python3 -m venv .venv, потом.venv/bin/pip install ….
ModuleNotFoundError: No module named '…'
- Причина
- Пакет поставлен в другой Python: другую версию или мимо виртуального окружения.
- Делаем
- Ставим тем же интерпретатором, что запускаем:
python -m pip install …вместо гологоpip.