python能开发游戏吗？

Python08

python能开发游戏吗？,第1张

能，但不适合。

用锤子能造汽车吗？ 谁也没法说不能吧？历史上也确实曾经有些汽车，是用锤子造出来的。但一般来说，还是用工业机器人更合适对吗？

比较大型的，使用Python的游戏有两个，一个是《EVE》，还有一个是《文明》。但这仅仅是个例，没有广泛意义。

一般来说，用来做游戏的语言，有两种。一是C++。。一是C#。。

Python理论上，不仅不适合做游戏，而是只要大型的程序，都不适合。只适合写比较小型的东西，比如一个计算器，一个爬虫等。

主要有2个方面，一是速度慢，二是语法缺陷。

也许你一定觉得，Python的语法又干净，又优雅，怎么还有缺陷？但仔细想想，为什么别的语言没有这么干净？没有这么优雅？明明可以直接a=123 干嘛非要写成 int a=123；呢？难道是其他语言的设计者，都有强迫症吗？道理很简单，有得必有失。

如果数据类型，只有字符串和数字，省略掉声明变量的过程，当然不是问题。但只要逻辑一复杂，情况就完全不同了。。。游戏中，你用C#或C++写起来，大概会是这样。

技能 a=xxxx；

武器 b=xxxx；

角色 c=xxxx；

药水 d=xxxx；

音乐 e=xxxx；

而Python呢？大概是这个样子

a=xxxx

b=xxxx

c=xxxx

d=xxxx

如果你的代码很少，显然是Python比较方便。但如果你创建几百个对象，代码超过1万行。。。写到几千行的时候，遇到一个叫x的对象，你还知道它到底是个啥吗？是一把武器？还是一瓶药水？还是一张图片？一段音频？一盏灯光？一座房子？

不要以为1万行代码很多。。。。1万行连个《斗地主》都写不完。。

用Python写大程序的感觉就是，当你第一天，只写了50行代码，创建了3个类，5个对象。你会觉得太爽了，这绝对是世界上最好的语言。。。第二天，你又创建了2个类，5个对象的时候，就觉得有点晕晕的了。第三天，又创建了2个类之后，你会发现自己必须非常仔细的看一遍注释，否则就不会写了。第四天，你一整天都在看注释。。。。

这就是动态语言的劣根性。一开始代码量少，看不出任何缺点，各种省事，各种爽。代码量越多，脑子越乱。一般500行以上，效率就会被JAVA，C#之类的语言反超。。1000行，就必须要各种加注释才能看懂了。。2000行，注释比代码还多了。。5000行，注释已经完全不管用了，自己根本看不懂自己的代码，需要准备弃坑了。

基于以下三个原因，我们选择Python作为实现机器学习算法的编程语言：(1) python的语法清晰；(2) 易于操作纯文本文件；(3) 使用广泛，存在大量的开发文档。

可执行伪代码

Python具有清晰的语法结构，大家也把它称作可执行伪代码(executable pseudo-code)。默认安装的Python开发环境已经附带了很多高级数据类型，如列表、元组、字典、集合、队列等，无需进一步编程就可以使用这些数据类型的操作。使用这些数据类型使得实现抽象的数学概念非常简单。此外，读者还可以使用自己熟悉的编程风格，如面向对象编程、面向过程编程、或者函数式编程。

Python语言处理和操作文本文件非常简单，非常易于处理非数值型数据。Python语言提供了丰富的正则表达式函数以及很多访问Web页面的函数库，使得从HTML中提取数据变得非常简单直观。

Python比较流行

Python语言使用广泛，代码范例也很多，便于读者快速学习和掌握。此外，在开发实际应用程序时，也可以利用丰富的模块库缩短开发周期。

在科学和金融领域，Python语言得到了广泛应用。SciPy和NumPy等许多科学函数库都实现了向量和矩阵操作，这些函数库增加了代码的可读性，学过线性代数的人都可以看懂代码的实际功能。另外，科学函数库SciPy和NumPy使用底层语言(C和Fortran)编写，提高了相关应用程序的计算性能。本书将大量使用Python的NumPy。

Python的科学工具可以与绘图工具Matplotlib协同工作。Matplotlib可以绘制2D、3D图形，也可以处理科学研究中经常使用到的图形，所以本书也将大量使用Matplotlib。

Python开发环境还提供了交互式shell环境，允许用户开发程序时查看和检测程序内容。

Python开发环境将来还会集成Pylab模块，它将NumPy、SciPy和Matplotlib合并为一个开发环境。在本书写作时，Pylab还没有并入Python环境，但是不远的将来我们肯定可以在Python开发环境找到它。

Python语言的特色

诸如MATLAB和Mathematica等高级程序语言也允许用户执行矩阵操作，MATLAB甚至还有许多内嵌的特征可以轻松地构造机器学习应用，而且MATLAB的运算速度也很快。然而MATLAB的不足之处是软件费用太高，单个软件授权就要花费数千美元。虽然也有适合MATLAB的第三方插件，但是没有一个有影响力的大型开源项目。

Java和C等强类型程序设计语言也有矩阵数学库，然而对于这些程序设计语言来说，最大的问题是即使完成简单的操作也要编写大量的代码。程序员首先需要定义变量的类型，对于Java来说，每次封装属性时还需要实现getter和setter方法。另外还要记着实现子类，即使并不想使用子类，也必须实现子类方法。为了完成一个简单的工作，我们必须花费大量时间编写了很多无用冗长的代码。Python语言则与Java和C完全不同，它清晰简练，而且易于理解，即使不是编程人员也能够理解程序的含义，而Java和C对于非编程人员则像天书一样难于理解。

所有人在小学二年级已经学会了写作，然而大多数人必须从事其他更重要的工作。

——鲍比·奈特

也许某一天，我们可以在这句话中将“写作”替代为“编写代码”，虽然有些人对于编写代码很感兴趣，但是对于大多数人来说，编程仅是完成其他任务的工具而已。Python语言是高级编程语言，我们可以花费更多的时间处理数据的内在含义，而无须花费太多精力解决计算机如何得到数据结果。Python语言使得我们很容易表达自己的目的。

Python语言的缺点

Python语言唯一的不足是性能问题。Python程序运行的效率不如Java或者C代码高，但是我们可以使用Python调用C编译的代码。这样，我们就可以同时利用C和Python的优点，逐步地开发机器学习应用程序。我们可以首先使用Python编写实验程序，如果进一步想要在产品中实现机器学习，转换成C代码也不困难。如果程序是按照模块化原则组织的，我们可以先构造可运行的Python程序，然后再逐步使用C代码替换核心代码以改进程序的性能。C++ Boost库就适合完成这个任务，其他类似于Cython和PyPy的工具也可以编写强类型的Python代码，改进一般Python程序的性能。

如果程序的算法或者思想有缺陷，则无论程序的性能如何，都无法得到正确的结果。如果解决问题的思想存在问题，那么单纯通过提高程序的运行效率，扩展用户规模都无法解决这个核心问题。从这个角度来看，Python快速实现系统的优势就更加明显了，我们可以快速地检验算法或者思想是否正确，如果需要，再进一步优化代码。