Pour les articles homonymes, voir Python.

Python
Date de première version	20 février 1991, 34 ans[1]
Paradigmes	Objet, impératif et fonctionnel
Auteur	Guido van Rossum
Développeurs	Python Software Foundation
Dernière version	3.13.7 (14 août 2025)[2]
Version en développement	3.14.0rc2 (14 août 2025)[2]
Typage	Fort, dynamique, duck typing
Influencé par	ABC, C, Eiffel, ICON, Modula-3, Java, Perl, Smalltalk, Tcl
A influencé	Ruby, Groovy, Boo, Julia, Mojo
Implémentations	CPython, Jython, IronPython, PyPy
Écrit en	C pour CPython, Java pour Jython, C# pour IronPython et en Python lui-même pour PyPy
Système d'exploitation	Multiplateforme
Licence	Licence libre : Python Software Foundation License
Site web	https://python.org/
Extensions de fichiers	.py, .pyc, .pyd, .pyo
modifier

Python (prononcé /pi.tɔ̃/) est un langage de programmation interprété, multiparadigme et multiplateformes. Il favorise la programmation impérative structurée, fonctionnelle et orientée objet. Il est doté d'un typage dynamique fort, d'une gestion automatique de la mémoire par ramasse-miettes et d'un système de gestion d'exceptions ; il est ainsi similaire à Perl, Ruby, Scheme, Smalltalk et Tcl.

Le langage Python est placé sous une licence libre proche de la licence BSD et fonctionne sur la plupart des plateformes informatiques, des smartphones aux ordinateurs centraux, de Windows à Unix avec notamment GNU/Linux en passant par macOS, ou encore Android, iOS, et peut aussi être traduit en Java ou .NET. Il est conçu pour optimiser la productivité des programmeurs en offrant des outils de haut niveau et une syntaxe simple à utiliser.

Il est également apprécié par certains pédagogues qui y trouvent un langage où la syntaxe, clairement séparée des mécanismes de bas niveau, permet une initiation aisée aux concepts de base de la programmation^[3].

Selon l'Index TIOBE, notamment en raison de son efficacité pour l'apprentissage automatique, sa popularité va croissante ; en 2022, elle n'avait toujours pas montré de signe de ralentissement^[4]. En août 2025, Python occupe la première place de ce classement^[5].

Python est un langage de programmation qui peut s'utiliser dans de nombreux contextes grâce à des bibliothèques spécialisées.

Il est utilisé comme langage de script pour automatiser des tâches comme la récupération de la météo sur Internet ou l'enchaînement d'actions en conception assistée par ordinateur (voir la section Adoption). On l'utilise également comme langage de développement de prototype lorsqu'on a besoin d'une application fonctionnelle avant de l'optimiser avec un langage compilé. Il est particulièrement répandu dans le monde scientifique, et possède des bibliothèques optimisées pour le calcul numérique^[6].

C'est l'un des langages utilisés dans le domaine du big data^[7], de l'informatique quantique^[8] et de l'intelligence artificielle incluant l'apprentissage automatique^[6],[9].

À la fin des années 1980, le programmeur Guido van Rossum participe au développement du langage de programmation ABC au Centrum voor Wiskunde en Informatica (CWI) d'Amsterdam, aux Pays-Bas. Il travaille alors dans l'équipe du système d'exploitation Amoeba dont les appels systèmes sont difficilement interfaçables avec le Bourne shell utilisé comme interface utilisateur. Il estime alors qu'un langage de script inspiré d'ABC pourrait être intéressant comme interpréteur de commandes pour Amoeba^[10].

En 1989, profitant d'une semaine de vacances durant les fêtes de Noël, il utilise son ordinateur personnel^[11] pour écrire la première version du langage. Fan de la série télévisée Monty Python's Flying Circus, il décide de baptiser ce projet Python^[12]. Il s'est principalement inspiré d'ABC, par exemple pour l'indentation comme syntaxe ou les types de haut niveau mais aussi de Modula-3 pour la gestion des exceptions, du langage C et des outils UNIX^[13].

Durant l'année suivante, le langage commence à être adopté par l'équipe du projet Amoeba, Guido poursuivant son développement principalement pendant son temps libre. En février 1991, la première version publique, numérotée 0.9.0^[14], est postée sur le forum Usenet alt.sources. La dernière version sortie au CWI est Python 1.2.

En 1995, Van Rossum continue son travail sur Python au CNRI (en) à Reston, aux États-Unis, où il sort plusieurs versions du logiciel.

À partir d'août 1995, l'équipe Python travaille au CNRI sur Grail^[15] un navigateur web utilisant Tk. Il est l'équivalent pour Python du navigateur HotJava, permettant d'exécuter des applets dans un environnement sécurisé. La première version publique, disponible en novembre, est la 0.2^[16]. Il entraîne le développement de modules pour la bibliothèque standard comme rexec^[17], htmllib^[18] ou urllib^[19]. La version 0.6 sera la dernière de Grail ; elle est publiée en avril 1999^[20].

En 1999, le projet Computer Programming for Everybody^[21] (CP4E) est lancé conjointement entre le CNRI et la DARPA. Il s'agit d'utiliser Python comme un langage d'enseignement de la programmation. Cette initiative conduira à la création de l'environnement de développement IDLE. Cependant, du fait du manque de financement du projet par la DARPA, et du départ de nombreux développeurs Python du CNRI (dont Guido van Rossum), le projet s'éteint en 2000^[22]. Python 1.6 est la dernière version sortie au CNRI.

En 2000, l'équipe principale de développement de Python déménage à BeOpen.com pour former l'équipe PythonLabs de BeOpen. Python 2.0 est la seule version sortie à BeOpen.com. Après cette version, Guido Van Rossum et les autres développeurs de PythonLabs rejoignent Digital Creations (à présent connue sous le nom de Zope Corporation)^[23].

Andrew M. Kuchling publie en décembre 1999^[24] un texte nommé Python Warts^[25], qui synthétise les griefs les plus fréquents exprimés à l'encontre du langage. Ce document aura une influence certaine sur les développements futurs du langage^[26].

Python 2.1 est une version dérivée de Python 1.6.1 et de Python 2.0. Sa licence est renommée Python Software Foundation License. Tout code, documentation et spécification ajouté, depuis la sortie de Python 2.1 alpha, est détenu par la Python Software Foundation (PSF), une association sans but lucratif fondée en 2001, modelée d'après l'Apache Software Foundation.

Afin de réparer certains défauts du langage (par exemple l'orienté objet avec deux types de classes), et pour nettoyer la bibliothèque standard de ses éléments obsolètes et redondants, Python a choisi de casser la compatibilité ascendante dans la nouvelle version majeure, Python 3.0, publié en décembre 2008. Cette version est rapidement suivie par une version 3.1 qui corrige les erreurs de jeunesse de la version 3.0.

Selon l'Index TIOBE, « Python, qui est devenu un élément incontournable de la science des données, du DevOps et du développement web, est aussi désormais le langage le plus populaire dans le classement de TIOBE. Classé troisième langage le plus populaire de l'index au début de l'année 2021, Python s'est hissé à la première place en octobre 2022 »^[4].

Python a été conçu pour être un langage lisible. Il vise à être visuellement épuré. Par exemple, il possède moins de constructions syntaxiques que des langages structurés tels que C, Perl, ou Pascal. Les commentaires sont indiqués par le caractère croisillon #^[27].

Les blocs sont identifiés par l'indentation^[28], au lieu d'accolades comme en C ou C++ ; ou de begin ... end comme en Pascal ou Ruby. Une augmentation de l'indentation marque le début d'un bloc, et une réduction de l'indentation marque la fin du bloc courant. Par convention, l'indentation est de quatre espaces en Python selon le standard de codage PEP 8^[29].

int factorielle(int n) {
    if (n < 2) {
        return 1;
    } else {
        return n * factorielle(n - 1);
    }
}

def factorielle(n):
    if n < 2:
        return 1
    else:
        return n * factorielle(n - 1)

Remarque : L'indentation pourrait être modifiée ou supprimée dans la version en C sans modifier son comportement. De même, la fonction Python peut être écrite avec une expression conditionnelle^[30]. Cependant, une indentation correcte permet de détecter plus aisément des erreurs en cas d'imbrication de plusieurs blocs et facilite donc l'élimination de ces erreurs. C'est pourquoi il est préférable d'indenter convenablement les programmes en C. La version courte s'écrirait ainsi :

int factorielle(int n)
{                       // appel récursif
    return n < 2 ? 1 : n * factorielle(n-1);
}

def factorielle(n):          # appel récursif
    return 1 if n < 2 else n * factorielle(n-1)

print([factorielle(nbr) for nbr in range(6)])
# [1, 1, 2, 6, 24, 120]

Les mots-clés réservés du langage Python sont fournis dans la liste keyword.kwlist du module keyword^[31].

Les mots-clés de Python 2.7.5 sont les suivants : and, as, assert, break, class, continue, def, del, elif, else, except, exec, finally, for, from, global, if, import, in, is, lambda, not, or, pass, print, raise, return, try, while, with, yield.

À partir de Python 3.0, print et exec ne sont plus des mots-clés du langage, mais des fonctions du module builtins^[32]. Sont ajoutés aux mots-clés : True, False, None et nonlocal. Les trois premiers étaient déjà présents dans les versions précédentes, mais ils ne sont plus modifiables (auparavant, l'affectation True = 1 était possible)^[33]. nonlocal a été introduit par le PEP 3104^[34], et permet, dans une fonction définie à l'intérieur d'une autre fonction, de modifier une variable d'un niveau supérieur de portée. Avant cela, seules les variables locales à la fonction, et globales (niveau module) étaient modifiables. Toutefois, il était possible, et ça l'est toujours sans le mot-clé nonlocal, de modifier un objet affecté à une variable d'un niveau de portée supérieur, par exemple une liste avec la méthode append - c'est évidemment impossible pour un objet immuable.

À partir de Python 3.10, il y a 3 mots-clés contextuels (« soft keywords » en anglais) : match, case, _ identique à l’instruction switch-case.

match valeur: 
    case condition_1:
        expression_1
    case condition_2:
        expression_2
    case _: # `case _´ est accédé si toutes les autres conditions sont fausses.
        expression_par_défaut

Les types de base en Python sont relativement complets et puissants. Il y a, entre autres :

• Les objets numériques
  • int est le type des entiers relatifs. Avant la version 3.0, ce type était dénommé long, et le type int correspondait à un entier de 32 ou 64 bits. Néanmoins, une conversion automatique en type long évitait tout débordement. Maintenant, ce type correspond aux entiers relatifs avec une précision illimitée sans restriction de taille.
  • long est le type des entiers relatifs, illimités de plus de 32 bits en Python 2, remplacé par le type int en Python 3
  • float est le type flottant équivalent au type double du C, soit tout nombre entre −1,7 × 10³⁰⁸ et 1,7 × 10³⁰⁸ sur les plateformes conforme à l'IEEE 754.
  • complex est le type des approximations des nombres complexes (c'est-à-dire deux float).
• Les objets « itérables »
  • Les objets tuple (n-uplet) sont des listes immuables d'objets hétérogènes.
  • Les objets typename obtenus avec la fonction namedtuple() sont des variantes des tuple permettant d'accéder à un élément du tuple avec un nom se comportant comme une variable. Contrairement aux dict, ils sont immuables^[35],[36].
  • Les objets list sont des tableaux dynamiques (ils étendent automatiquement leur taille lorsque nécessaire) et acceptent des types de données hétérogènes.
  • Les objets set sont des ensembles non ordonnés d'objets.
  • Les objets frozenset forment une variante immuable des set.
  • Les objets dict sont des tableaux associatifs (ou dictionnaires) permettant d'associer un objet (une clef) à un autre.
  • Les objets str sont des chaînes de caractères. À partir de la version 3.0, les caractères sont en Unicode sur 16 ou 32 bits ; les chaines d'octets sont des objets bytes^[37]. Dans les versions précédentes, ces objets étaient respectivement de type unicode et str. Les objets str et bytes sont immuables.
  • Les objets bytearray sont des chaînes d'octets modifiables. La version d'Unicode employée par Python peut être déterminée à l'aide de la variable unidata_version du module unicodedata.
  • Les objets file correspondent à un fichier obtenu grâce à la méthode open()
  • Il existe aussi d'autres types d'objets itérables, notamment range obtenu via la méthode range()et enumerate obtenu via la méthode enumerate()^[38] et les types liés aux méthodes de dictionnaires .keys(), .values() et .items(). La plupart d'entre eux sont immuables.
• Les autres objets, n'étant ni numériques ni itérables
  • None est simplement le type d'un « vide ». Il sert à dénoter qu'une variable est vide.
  • type est le type du type des objets, obtenu grâce à la méthode type().
  • object est le type basique dont tous les autres types « héritent »
  • slice est une partie de type ou un objet extensible
  • NotImplementedType est, comme son nom l'indique, une absence d'implémentation du type auquel on essaie d'accéder.
  • bool est un booléen, soit le type de True et False renvoyés par exemple lors de comparaisons hors de l'utilisation de méthodes is_x().
  • exception est le type d'un message d'erreur lancé lorsque le code lève une exception.
  • function est le type d'une fonction, utilisé lors de l'appel des mots-clef def et lambda.
  • module est le type d'un module, utilisé lors de l'appel des mots-clef import et from.

Les objets itérables sont parcourus à l'aide d'une boucle for de la manière suivante :

for element in objet_iterable:
    traiter(element)

Pour une chaîne de caractères, l'itération procède caractère par caractère.

Il est possible de dériver les classes des types de base pour créer ses propres types. On peut également fabriquer ses propres types d'objets itérables sans hériter des itérables de base en utilisant le protocole d'itération du langage.

Python permet de programmer dans un style fonctionnel. Il dispose également des compréhensions de listes, et plus généralement les compréhensions peuvent produire des générateurs, des dictionnaires ou des ensembles^[39]. Par exemple, pour construire la liste des carrés des entiers naturels plus petits que 10, on peut utiliser l'expression :

liste = [x**2 for x in range(10)]
# liste = [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]

La liste des nombres pairs :

liste = [entier for entier in range(10) if entier % 2 == 0]
# liste = [0, 2, 4, 6, 8]

Une table de passage des lettres de l'alphabet vers leur code ASCII :

{chr(n): n for n in range(65, 91)}
# {'A': 65, 'B': 66, 'C': 67, ..., 'X': 88, 'Y': 89, 'Z': 90}

L'ensemble des lettres d'un mot (produit l'ensemble {'r', 'c', 'd', 'b', 'a'}) :

s = "abracadabra"
{c for c in s}

Une compréhension peut comprendre plusieurs boucles et filtres, et il existe une correspondance avec le code réalisant le même calcul à l'aide d'instructions for et if :

[ i + j if i != j else 0
    for i in range(n)
        if i % 2 != 0
            for j in range(n)
                if j % 3 != 0 ]

a = []
for i in range(n):
    if i % 2 != 0:
        for j in range(n):
            if j % 3 != 0:
                a.append(i + j if i != j else 0)

Cependant, une différence notable dans la version sans compréhension est que les variables i et j existent, avec la valeur qu'elles avaient lors de leur dernier tour de boucle. Ce n'est pas le cas pour des constructions par compréhension.

Une forme limitée de fonction anonyme est possible :

lambda x: x + 2

Les fonctions lambda peuvent être définies en ligne et utilisées comme arguments dans des expressions fonctionnelles :

 filter(lambda x: x < 5, une_liste)

retournera une liste constituée des éléments de une_liste inférieurs à 5. Le même résultat peut être obtenu avec

 [x for x in une_liste if x < 5]

Les lambdas de Python n'admettent que des expressions et ne peuvent être utilisées comme fonctions anonymes généralisées ; mais en Python, toutes les fonctions sont des objets, elles peuvent donc être passées en arguments à d'autres fonctions, et appelées lorsque c'est nécessaire. En effet, une fonction définie avec def peut être créée à l'intérieur d'une autre fonction et on obtient ainsi une définition de fonction dans une variable locale, par exemple :

def filtre_inferieur_a_5(une_liste):
    def mon_filtre(x): # variable locale mon_filtre
        return x < 5
    return filter(mon_filtre, une_liste)

Une fonction locale peut modifier l'environnement de la fonction qui l'a créée, grâce au mot-clé nonlocal (voir Fermeture (informatique)) :

from typing import Callable # type le retour de fonction
def accum(pas) -> Callable[[int], int]: # retourne une fonction appelable
    total = 0 # initialise une fois l'accumulateur
    def ajoute(germe) -> int:
        nonlocal total # accède à l'accumulateur de la fonction accum
        total += germe * pas # incrémente l'accumulateur du germe fois le pas
        return total # retourne la valeur accumulée
    return ajoute # retourne la fonction accumulateur paramétrée par le pas

paire = accum(2) # retourne la fonction ajoute avec un pas de 2
assert isinstance(paire, Callable)   # paire est une fonction appelable
print([cell.cell_contents for cell in paire.__closure__]) # environnement initial : [2, 0]

print ([paire(1) for _ in range(5)]) # affiche la liste des cinq premiers nombres paires
# [2, 4, 6, 8, 10]
print ([paire(1) for _ in range(3)]) # affiche la suite à partir du dernier compteur précédent
# [12, 14, 16]
print([cell.cell_contents for cell in paire.__closure__]) # environnement final : [2, 16]

On peut ainsi créer plusieurs accumulateurs, faisant chacun référence à son propre total. Il est possible d'accéder à l'environnement d'une fonction locale à l'aide de l'attribut __closure__.

Tous les types de base, les fonctions, les instances de classes (les objets « classiques » des langages C++ et Java) et les classes elles-mêmes (qui sont des instances de méta-classes) sont des objets.

Une classe se définit avec le mot-clé class. Les classes Python supportent l'héritage multiple ; il n'y a pas de surcharge statique comme en C++, ou de restrictions sur l'héritage comme c'est le cas en Java (une classe implémente plusieurs interfaces et hérite d'une seule classe) mais le mécanisme des arguments optionnels et par mot-clé est plus général et plus flexible. En Python, l'attribut d'un objet peut référencer une variable d'instance ou de classe (le plus souvent une méthode). Il est possible de lire ou de modifier un attribut dynamiquement avec les fonctions :

• getattr(objet, "nom_attribut")
• setattr(objet, "nom_attribut", nouvel_attribut)

Exemple de deux classes simples :

class Personne:
    def __init__(self, nom, prenom):
        self.nom = nom
        self.prenom = prenom
    def presenter(self):
        return self.nom + " " + self.prenom

class Etudiant(Personne):
    def __init__(self, niveau, nom, prenom):
        Personne.__init__(self, nom, prenom)
        self.niveau = niveau
    def presenter(self):
        return self.niveau + " " + Personne.presenter(self)

e = Etudiant("Licence INFO", "Dupontel", "Albert")
assert e.nom == "Dupontel"

Python fournit un mécanisme élégant et orienté objet pour définir un ensemble prédéfini d'opérateurs : tout objet Python peut se voir doté de méthodes dites spéciales.

Ces méthodes, commençant et finissant par deux tirets de soulignement (underscores), sont appelées lors de l'utilisation d'un opérateur sur l'objet : + (méthode __add__), += (méthode __iadd__), [] (méthode __getitem__), () (méthode __call__), etc. Des méthodes comme __repr__ et __str__ permettent de définir la représentation d'un objet dans l'interpréteur interactif et son rendu avec la fonction print.

Les possibilités sont nombreuses et sont décrites dans la documentation du langage^[40].

Par exemple on peut définir l'addition de deux vecteurs à deux dimensions avec la classe suivante :

class Vector2D:
    def __init__(self, x, y):
        # On utilise un tuple pour stocker les coordonnées
        self.coords = (x, y)

    def __add__(self, other):
        # L'instruction a+b sera résolue comme a.__add__(b)
        # On construit un objet Vector2D à partir des coordonnées propres à l'objet, et à l'autre opérande
        return Vector2D(self.coords[0]+other.coords[0], self.coords[1]+other.coords[1])

    def __repr__(self):
        # L'affichage de l'objet dans l'interpréteur
        return "Vector2D(%s, %s)" %self.coords

a = Vector2D(1, 2)
b = Vector2D(3, 4)
print(a + b) # Vector2D(4, 6)

Le mot-clef yield utilisé dans une fonction permet de faire de cette fonction un générateur. L'appel de cette fonction renvoie un objet de type generator, qui peut être utilisé dans une boucle for, par exemple.

À chaque appel, le générateur effectue son traitement jusqu'à rencontrer le mot-clé yield, renvoie la valeur de l'expression yield, et à l'appel suivant, reprend son déroulement juste après le yield. Par exemple pour calculer la suite de Fibonacci, on peut écrire :

def gen_fibonacci():
    """Générateur de la suite de Fibonacci"""
    a, b = 0, 1
    while True:
        yield a  # Renvoie la valeur de "a", résultat de l'itération en cours
        a, b = b, a + b

fi = gen_fibonacci()
for i in range(20):
    print(next(fi))

Le module itertools permet de manipuler les générateurs. Par exemple, pour extraire les 10 premiers éléments du générateur précédent :

import itertools
list(itertools.islice(gen_fibonacci(), 10))
# renvoie [0, 1, 1, 2, 3, 5, 8, 13, 21, 34]

Depuis Python 3.3, il est possible de produire un générateur à partir d'une fonction récursive, grâce à la syntaxe yield from, apparue dans le PEP 380^[41] et qui « délègue » le calcul à un sous-générateur. L'exemple suivant calcule les permutations des dames correspondant aux solutions du problème des huit dames étendu à un échiquier de taille n × n.

Problème des huit dames

def QueenSolver(nbrFile, lstColumn=[]): '''Résoudre nbrFile Dames sans prise sur un échiquier de nbrFile colonnes''' if (nbrRank := len(lstColumn)) == nbrFile: yield lstColumn # Solution itérable trouvée else: for indFile in [col for col in range(1,nbrFile+1) if col not in lstColumn]: isQueenUnderAttack = False; indRank = nbrRank for col in lstColumn: if col in [indFile+indRank,indFile-indRank]: # Diagonale ? isQueenUnderAttack = True; break # colonne col à rejeter indRank -= 1 # Rangée précédente if not(isQueenUnderAttack): # Dame non attaquée ? # appel récursif en insérant dans la liste la Dame en indFile yield from QueenSolver(nbrFile, lstColumn + [indFile]) sum(1 for _ in QueenSolver(8)) # Nombre de solutions # 92

a b c d e f g h 8 8 7 7 6 6 5 5 4 4 3 3 2 2 1 1 a b c d e f g h Solution 92

# ChessCoord([8, 4, 1, 3, 6, 2, 7, 5]) -> "h8, d7, a6, c5, f4, b3, g2, e1"
def ChessCoord(lstColumn) -> str:
    """Convertit une liste de colonnes en notation algébrique"""
    return ", ".join( #  chr(ascii) -> str; ord(str) -> ascii
        f"{chr(indFile + ord('a') - 1)}{8 - indRank}"
        # Boucle sur le rang et colonne dans lstColumn
        for indRank, indFile in enumerate(lstColumn)
    )
for solution in QueenSolver(8): # Pour chaque solution
    print(ChessCoord(solution)) # afficher la notation algébrique

Un générateur peut sembler identique à une fonction qui retourne une liste par return, mais contrairement à une liste qui contient tous ses éléments, un générateur calcule ses éléments un par un.

import timeit # chronomètre
[n * n for n in range(10)]       # une liste est entre crochets
# [0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
36 in [n * n for n in range(10)] # 36 est-il dans la liste des carrés ?
# True

(n * n for n in range(10))       # un générateur est entre parenthèses
# <generator object <genexpr> at 0x0000022DCAED1490> # l'adresse hexadécimale peut changer
36 in (n * n for n in range(10)  # 36 est-il dans un des premiers résultats du générateur ?
# True

timeit.timeit(stmt='36 in [n * n for n in range(100)]', number=1_000_000) # quand range(maxNbr) augmente,
# 7.3 s
timeit.timeit(stmt='36 in (n * n for n in range(100))', number=1_000_000) # le générateur peut être plus rapide.
# 1.2 s

Ainsi, le test 36 in [n * n for n in range(10)] va s'effectuer sur la liste calculée en entier, alors que dans 36 in (n * n for n in range(10)), qui utilise un générateur, le calcul des carrés s'arrête dès que 36 est trouvé. On peut s'en convaincre en remplaçant n * n par un appel de fonction réalisant un effet de bord, par exemple un affichage à l'écran.

Grâce à un usage intensif des dictionnaires (conteneur associatif développé avec des tables de hachage), Python permet d'explorer les divers objets du langage (introspection) et dans certains cas de les modifier (intercession).

Le typage est dynamique^[42]. Il n'est pas vérifié à la compilation mais à l'exécution. Il n'est pas nécessaire d'indiquer le type des variables : Python est sans typage statique explicite.

Python est fortement typé. Il interdit à l'exécution des opérations ayant peu de sens. Par exemple : concaténer par l'opérateur + un nombre réel ou entier à une chaîne str pour l'afficher avec print().

Il n'y a pas de conversion automatique. Python propose les fonctions int() et str() permettant de convertir un nombre dans un autre type :

floatPoint = 3.2 # Python découvre dynamiquement que floatPoint est du type float
print("Tu as " + floatPoint + " points !") # Génère l'erreur de typage :
# TypeError: can only concatenate str (not "float") to str

# intPoint est du type int : entier. La fonction int() force la conversion.
intPoint = int(floatPoint) # Sa valeur 3 est arrondie à l'unité inférieure.
print("Tu as " + intPoint + " points !")
# TypeError: can only concatenate str (not "int") to str

strPoint = str(intPoint) # strPoint est du type str : chaîne de caractères
print("Tu as " + strPoint + " points !") # affiche "Tu as 3 points !"'

En pratique, il n'est pas utile de préfixer les noms de variables par leur type. La conversion d'un nombre vers str est automatique avec une chaîne préfixée par f en mettant la variable entre accolades à l'intérieur de la chaîne sans opérateur + :

nbrPoint = 3.2 # Python reconnaît dynamiquement que nbrPoint est du type float
print(f"Tu as {nbrPoint} points.")      # affiche "Tu as 3.2 points."
print(f"Tu as {int(nbrPoint)} points.") # affiche "Tu as 3 points."
print(f"Tu as {nbrPoint:.0f} points.")  # affiche "Tu as 3 points." avec zero décimale

Python utilise le typage dynamique dénommé duck typing : lors de l'exécution, si une méthode invoquée sur un objet a la même signature qu'une méthode déclarée sur cet objet, alors c'est cette dernière méthode qui est exécutée. De ce fait, invoquer une méthode qui n'existe pas sur un objet va échouer, signifiant que l'objet en question n'est pas du bon type.

Python propose aussi un mécanisme de typage statique pour les attributs des classes grâce à l'API trait^[43] ou au patron de conception decorators.

Depuis la version 3.0, Python propose l'annotation des variables dans les fonctions (introduit dans la PEP 3107^[44]). Ce qui permet de rendre le code plus lisible sans pour autant faire office de solution de typage statique puisque rien n'oblige à suivre ces annotations^[45].

def hello(name: str) -> str:
    return "Hello {} !".format(name)

hello("Alice") # Appel suggéré par les annotations
hello(True) # Appel non conforme mais tout à fait fonctionnel

En complément, depuis la version 3.5, Python propose le module typing^[46] (introduit dans la PEP 484^[47]).

from typing import List

def split_string(string: str) -> List[str]:
    return string.split(" ")

Il est possible d'effectuer une analyse statique des modules Python avec des outils comme Pylint^[48], mypy^[49], ou PyChecker. Sans nécessiter une exécution, ces outils repèrent des fautes ou des constructions déconseillées. Par exemple, une classe qui hérite d'une classe abstraite et qui ne redéfinit pas les méthodes abstraites, ou bien des variables utilisées avant d'être déclarées, ou encore des attributs d'instance déclarés en dehors de la méthode __init__.

Il est aussi possible de générer un code intermédiaire (bytecode) Python.

Des outils comme PyInstaller^[50] ou d'autres plus spécifiques comme cx_Freeze sous Unix, Windows et macOS, py2app^[51] sous macOS et py2exe sous Windows permettent de « compiler » un programme Python sous forme d'un exécutable comprenant le programme et un interpréteur Python.

Le programme ne tourne pas plus rapidement (il n'est pas compilé sous forme de code machine) mais cela simplifie largement sa distribution, notamment sur des machines où l'interpréteur Python n'est pas installé.

En Python, tout est objet, dans le sens qu'une variable peut contenir une référence vers tous les éléments manipulés par le langage : nombres, méthodes, modules, etc.^[52]. Néanmoins, avant la version 2.2, les classes et les instances de classes étaient un type d'objet particulier, ce qui signifiait qu'il était par exemple impossible de dériver sa propre sous-classe de l'objet list.

Le modèle objet de Python est inspiré de celui de Modula-3^[53]. Parmi ces emprunts se trouve l'obligation de déclarer l'instance de l'objet courant, conventionnellement nommée self, comme premier argument des méthodes, et à chaque fois que l'on souhaite accéder à une donnée de cette instance dans le corps de cette méthode. Cette pratique n'est pas naturelle pour des programmeurs venant par exemple de C++ ou Java, la profusion des self étant souvent critiquée comme étant une pollution visuelle qui gêne la lecture du code. Les promoteurs du self explicite estiment au contraire qu'il évite le recours à des conventions de nommage pour les données membres et qu'il simplifie des tâches comme l'appel à une méthode de la superclasse ou la résolution d'homonymie entre données membres^[54].

Python reconnaît trois types de méthodes :

• les méthodes d'instance, qui sont celles définies par défaut. Elles reçoivent comme premier argument une instance de la classe où elles ont été définies.
• les méthodes de classe, qui reçoivent comme premier argument la classe où elles ont été définies. Elles peuvent être appelées depuis une instance ou directement depuis la classe. Elles permettent de définir des constructeurs alternatifs comme la méthode fromkeys() de l'objet dict. Elles sont déclarées avec le décorateur @classmethod.
• les méthodes statiques, qui ne reçoivent pas de premier argument implicite. Elles sont déclarées avec le décorateur @staticmethod.

Le langage a un support très limité de l'encapsulation. Il n'y a pas, comme en Java par exemple, de contrôle de l'accessibilité par des mots clefs comme protected ou private.

La philosophie de Python est de différencier conceptuellement l'encapsulation du masquage d'information. Le masquage d'information vise à prévenir les utilisations frauduleuses, c'est une préoccupation de sécurité informatique. Le module bastion de la bibliothèque standard, qui n'est plus maintenu dans les dernières versions du langage, permettait ainsi de contrôler l'accès aux attributs d'un objet dans le cadre d'un environnement d'exécution restreint.

L'encapsulation est une problématique de développement logiciel. Le slogan des développeurs Python est we're all consenting adults here^[55] (nous sommes entre adultes consentants). Ils estiment en effet qu'il suffit d'indiquer, par des conventions d'écriture, les parties publiques des interfaces et que c'est aux utilisateurs des objets de se conformer à ces conventions ou de prendre leurs responsabilités. L'usage est de préfixer par un underscore les membres privés. Le langage permet par ailleurs d'utiliser un double underscore pour éviter les collisions de noms, en préfixant automatiquement le nom de la donnée par celui de la classe où elle est définie.

L'utilisation de la fonction property() permet de définir des propriétés qui ont pour but d'intercepter, à l'aide de méthodes, les accès à une donnée membre. Cela rend inutile la définition systématique d'accesseurs et le masquage des données comme il est courant de le faire en C++ par exemple.

Python supporte l'héritage multiple. Depuis la version 2.3, il utilise l'algorithme C3, issu du langage Dylan^[56], pour résoudre l'ordre de résolution de méthode (MRO). Les versions précédentes utilisaient un algorithme de parcours en profondeur qui posait des problèmes dans le cas d'un héritage en diamant^[57].

Python possède une grande bibliothèque standard, fournissant des outils convenant à de nombreuses tâches diverses. Le nombre de modules de la bibliothèque standard peut être augmenté avec des modules spécifiques écrits en C ou en Python.

La bibliothèque standard est particulièrement bien conçue pour écrire des applications utilisant Internet, avec un grand nombre de formats et de protocoles standards gérés (tels que MIME et HTTP). Des modules pour créer des interfaces graphiques et manipuler des expressions rationnelles sont également fournis. Python inclut également un framework de tests unitaires (unittest, anciennement PyUnit avant version 2.1) pour créer des suites de tests exhaustives.

Bien que chaque programmeur puisse adopter ses propres conventions pour l'écriture de code Python, Guido van Rossum a mis un guide à disposition, référencé comme PEP 8^[29]. Publié en 2001, il est toujours maintenu pour l'adapter aux évolutions du langage. Google propose également un guide^[58].

Python possède plusieurs modules disponibles pour la création de logiciels avec une interface graphique. Le plus répandu est Tkinter^[59]. Ce module convient à beaucoup d'applications et peut être considéré comme suffisant dans la plupart des cas. Néanmoins, d'autres modules ont été créés pour pouvoir lier Python à d'autres bibliothèques logicielles (« toolkit »), pour davantage de fonctionnalités, pour une meilleure intégration avec le système d'exploitation utilisé, ou simplement pour pouvoir utiliser Python avec sa bibliothèque préférée. En effet, certains programmeurs trouvent l'utilisation de Tkinter plus pénible que d'autres bibliothèques. Ces autres modules ne font pas partie de la bibliothèque standard et doivent donc être obtenus séparément.

Les principaux modules donnant accès aux bibliothèques d'interface graphique sont Tkinter et Pmw (Python megawidgets)^[60] pour Tk, wxPython pour wxWidgets, PyGTK pour GTK, PyQt et PySide pour Qt, et enfin FxPy pour le FOX Toolkit. Il existe aussi une adaptation de la bibliothèque SDL : Pygame, un binding de la SFML : PySFML, ainsi qu'une bibliothèque écrite spécialement pour Python : Pyglet.

Il est aussi possible de créer des applications Silverlight en Python sur la plateforme IronPython.

Guido van Rossum est le principal auteur de Python, un langage de programmation largement utilisé dans divers domaines, allant du développement web à l'intelligence artificielle. Son rôle central dans l'évolution de Python lui a valu le titre humoristique de « Dictateur bienveillant à vie » (Benevolent Dictator for Life, BDFL). Cependant, en juillet 2018, Guido van Rossum a annoncé sa retraite de ce rôle, se déclarant en « vacances permanentes » de ses responsabilités de BDFL^[61]. Par la suite, en novembre 2019, il a également retiré sa candidature au conseil directeur du langage Python^[62].

Après le retrait de van Rossum, la gouvernance de Python est passée à un modèle plus démocratique, sous la direction d'un Conseil directeur composé de cinq membres élus. Ces membres sont principalement issus de la communauté des core developers, une équipe de développeurs ayant un accès en écriture au dépôt de CPython, l'implémentation de référence du langage Python. Cette équipe se coordonne principalement via la liste de diffusion python-dev, où sont discutées et décidées les évolutions du langage et de sa bibliothèque standard.

Les contributions de la communauté sont encouragées, et les développeurs tiers peuvent soumettre des améliorations via la plateforme de gestion de bugs et de suivi de tâches Roundup, qui a remplacé l'ancien système basé sur SourceForge. La transition vers GitHub en 2017 a également facilité la collaboration ouverte et la contribution au code source de Python.

Les utilisateurs et développeurs de bibliothèques tierces peuvent échanger via diverses autres ressources en ligne, notamment le forum Usenet anglophone comp.lang.python, ainsi que des forums, mailing lists, et réseaux sociaux plus modernes comme Reddit ou Discord.

Les références aux Monty Python, une troupe comique britannique, sont un élément récurrent dans la culture Python. Les tutoriels du langage utilisent souvent les termes spam et eggs comme variable métasyntaxique, en référence au célèbre sketch Spam des Monty Python, où le SPAM (un jambon en conserve) est omniprésent dans le menu. Ce sketch a d'ailleurs donné son nom au phénomène du courriel non sollicité, illustrant l'humour décalé et omniprésent dans la communauté Python.

Plusieurs entreprises ou organismes mentionnent sur leur site officiel^[63] qu'elles utilisent Python :

• Google (Guido van Rossum a travaillé au sein de cette entreprise entre 2005 et 2012)^[64] ;
• Microsoft : depuis 2020, Guido van Rossum a rejoint cette entreprise^[9] ;
• Industrial Light & Magic ;
• la NASA^[65] ;
• et CCP Games, les créateurs du jeu vidéo EVE Online.

Python est aussi le langage de commande d'un grand nombre de logiciels libres :

• FreeCAD, logiciel de CAO 3D
• Blender, logiciel de modélisation 3D et d'édition vidéo
• Inkscape, logiciel de dessin vectoriel
• LibreOffice et Apache OpenOffice, les deux branches de développement d'une suite bureautique issue de StarOffice
• Portage (en), le gestionnaire de paquets du système d'exploitation Gentoo
• ParaView, logiciel de visualisation de données numériques
• Kodi, un lecteur multimédia
• QGIS, un logiciel de cartographie
• Weblate, un outil de traduction
• gedit, un éditeur de texte (les plugins sont écrits en Python)
• SageMath, un logiciel de calcul formel

Et commerciaux :

• Wing IDE, environnement de développement intégré spécialisé sur Python, et écrit en Python
• Corel Paint Shop Pro, logiciel de traitement d'image et d'édition graphique
• capella, logiciel de notation musicale
• ArcGIS, un logiciel de cartographie^[66]

Python est utilisé comme langage de programmation dans l'enseignement secondaire et supérieur, notamment en France^[67]. Depuis 2013, il y est enseigné à tous les étudiants de classes préparatoires scientifiques dans le cadre du tronc commun (informatique commune). Auparavant, l'enseignement d'informatique était limité à une option en MP, l'enseignement se faisant en langage Caml ou Pascal. Cette option existe toujours, mais Pascal a été abandonné à partir de la session 2015 des concours et Caml a, lui, été enlevé au profit de OCaml dans cet enseignement. Les premières épreuves de concours portant sur le langage Python sont également celles de la session 2015^[68],[69].

Outre la version de référence, nommée CPython (car écrite en langage C), il existe d'autres systèmes mettant en œuvre le langage Python^[70] :

• Stackless Python, une version de CPython n'utilisant pas la pile d'appel du langage C ;
• Jython, un interprète Python pour machine virtuelle Java. Il a accès aux bibliothèques fournies avec l'environnement de développement Java ;
• IronPython, un interprète / compilateur (expérimental) pour plateforme .Net / Mono ;
• Brython^[71], une implémentation de Python 3 pour les navigateurs web ;
• MicroPython, variante légère pour microcontrôleurs ;
• PyPy un interprète Python écrit dans un sous-ensemble de Python compilable vers le C ou LLVM ;
• un compilateur (expérimental) pour Parrot, la machine virtuelle de Perl 6 ;
• Shed Skin^[72], un compilateur d'un sous-ensemble de Python produisant du code en C++ ;
• Unladen Swallow (en)^[73], une version de CPython optimisée et basée sur LLVM, maintenant abandonnée (la dernière version remonte à octobre 2009) ;
• RustPython, projet d'implémentation en Rust^[74].
• PySpark est une interface de programmation permettant d'utiliser Spark à partir du langage Python pour faire des calculs distribués.

Ces autres versions ne bénéficient pas forcément de la totalité de la bibliothèque de fonctions écrites en C pour la version de référence, ni des dernières évolutions du langage.

Différentes distributions sont disponibles, qui incluent des paquets dédiés à un domaine donné :

• La version officielle^[75],[76] de la fondation logicielle Python. Les bibliothèques complémentaires sont à installer à la demande avec pip, conda ou poetry.
• ActivePython^[77] : disponible en version gratuite (ne pouvant être « utilisée en production ») ou commerciale.
• Enthought (en) Canopy : distribution commerciale à usage scientifique, disponible en version gratuite sous le nom de Canopy Express^[78].
• Anaconda ou Miniconda^[79] optimisée en taille : distribution à usage scientifique, disponible en version gratuite ou commerciale.
• Intel Distribution for Python : distribution installable par conda ou pip, intégrant la bibliothèque oneMKL du noyau mathématique Python (en) d'Intel afin d'accélérer les calculs numériques^[65] de NumPy et SciPy. Elle est disponible gratuitement seule, ou bien intégrée à Intel Parallel Studio, qui nécessite une licence payante.
• Pyzo : distribution scientifique destinée à être facile d'utilisation^[80].
• WinPython^[81] : distribution à usage scientifique avec l'éditeur Spyder.

Ce ne sont pas des implémentations différentes du langage Python : elles sont basées sur la référence CPython, mais sont livrées avec plus ou moins de bibliothèques préinstallées. Ces modules tiers^[9] peuvent être en versions différentes d'une distribution à l'autre, introduire des contraintes de dépendance ou avoir des cycles de développement propres qui peuvent ne pas être synchronisés avec la dernière version officielle.

Les propositions d'amélioration de Python (ou PEP : Python Enhancement Proposal) sont des documents textuels qui ont pour objet d'être la voie d'amélioration de Python et de précéder toutes ses modifications^[82]. Un PEP est une proposition d'orientation pour le développement (process PEP), une proposition technique (Standard Track PEP) ou une simple recommandation (Informational PEP). La PEP la plus connue est la PEP 8^[29] pour son guide sur le style de code.

L'historique présente un extrait des nouveautés majeures du logiciel Python par version avec la date de début de sortie et celle de fin de support. Les mises à jour de sécurité sont assurées jusqu'à la date entre parenthèses.

Chaque nouveauté correspond à une proposition d'amélioration de Python (PEP) acceptée dont le numéro apparaît en dernière colonne. Ce tableau n'est pas exhaustif. Se reporter, en première colonne, à chaque version pour l'ensemble des liens des PEP avec leurs auteurs.

>>> nbr = 42
>>> print(f'f-string = {nbr}') # f-string = 42

>>> pi = 3.14
>>> print(t'Améliore f-string dans Python {pi!s}.')

En 2009, c'est la version 3 de Python, qui remplace de plus en plus la version 2 (le projet était au départ appelé « Python 3000 » ou « Py3K »), sans compatibilité descendante avec la série des versions 2.x, dans le but d'éliminer les faiblesses du langage. La ligne de conduite du projet était de « réduire la redondance de Python par la suppression de méthodes obsolètes ». Python 3.0a1, la première version alpha, avait été publiée le 31 août 2007^[114], et il existe un PEP^[115] qui détaille les changements prévus, ainsi qu'une page pour orienter les programmeurs dans leur choix de Python 2 ou 3^[116].

Les calculatrices supportant Python^[117] destinées aux lycéens fonctionnent en Python 3. Ces calculatrices peuvent échanger des programmes avec des ordinateurs personnels.

Python 3 a été développé avec la même philosophie que dans ses versions antérieures, donc toute référence à la philosophie de Python s'appliquera aussi bien à la version 3. Cependant, le langage avait fini par accumuler nombre de méthodes redondantes. En recherchant à supprimer ce qui est redondant dans le langage et ses modules, Python 3 suit la ligne directrice de Python « Ne devrait subsister qu'une seule méthode à la fois optimale et naturelle pour chaque chose ».

Python 3 reste un langage multiparadigme. Les programmeurs auront encore le choix entre l'orientation objet, la programmation structurée, la programmation fonctionnelle et d'autres paradigmes ; Python 3 a pour but d'être utilisé de manière plus naturelle que dans les versions 2.x, bien que son print nécessite l'emploi de parenthèses contrairement à Python 2.

Python 3.0a1, la première version alpha de Python 3.0, fut publiée le 31 août 2007. Les versions 2.x et 3.x de Python seront publiées en parallèle pendant plusieurs cycles de développement, pendant lesquels la série des 2.x subsistera principalement pour la compatibilité, en incluant quelques caractéristiques importées depuis Python 3.x. Le PEP 3000^[118] contient plus d'informations à propos du processus de publication d'une version.

Comme Perl 6, Python 3.0 rompt la compatibilité descendante (rétrocompatibilité). L'utilisation de code écrit pour les séries 2.x n'est pas garantie avec Python 3.0. Ce dernier apporte des changements fondamentaux, comme le passage complet à l'Unicode et pour cette raison une nécessaire distinction entre les chaînes de caractère et les objets « bytes ». Le typage dynamique associé à certaines méthodes sur les objets de type dictionnaire rend une transition parfaite de Python 2.x vers Python 3.0 très délicat. Un outil nommé « 2to3 » traduit le plus gros des versions 2.x vers les versions 3.x et indique les zones de code demandant des finitions par des commentaires spéciaux et des mises en garde. Dans sa préversion, 2to3 semble réussir franchement à réaliser une traduction correcte^[119]. Dans le cadre d'une migration de Python 2.x vers Python 3.x, le PEP 3000 recommande de conserver le code original comme base des modifications et de le traduire pour la plateforme 3.x en utilisant 2to3.

Python 2.6 fournit un début de compatibilité ascendante, aussi bien qu'un mode « mise en garde » qui devrait faire prendre conscience des problèmes potentiels de transition pour le passage à Python 3^[120].

Il existe des versions de Python adaptées pour Android et iPhone en version 2.5 ou 2.6. Disponible en Jailbreak d'iOS sur iOS grâce à "setup tools", et sur Android grâce à SL4A qui donne même une possibilité de faire des petites interfaces graphiques grâce au module "android" et qui permet d'envoyer des SMS, d'allumer la caméra^[121], ou encore de faire vibrer le téléphone. Les quelques lignes suivantes montrent comment faire ça :

droid = android.Android() # client lié au serveur local lancé par l'application SL4A
       # pour contrôler un téléphone distant à l'adresse 192.168.0.5, avec SL4A lancé sur le port 9887
       # il suffit de faire : android.Android('192.168.0.5', 9887)

droid.vibrate(2.5) # fait vibrer le téléphone (local ou distant) pendant 2.5 secondes

Un portage de Python sur les terminaux Blackberry est sorti en juin 2012, pour le système BlackBerry OS 10^[122]. Une version allégée est sortie en septembre 2012, appelée « BlackBerry-Tart »^[123],[124], en raison d'un jeu de mots en anglais : « a "tart" is lighter-weight than a "pie" », en référence à la traditionnelle « apple pie ». Elle est basée sur Python 3.2.2.

• Gérard Swinnen, Apprendre à programmer avec Python 3, Eyrolles, coll. « Noire », 2 février 2012, 3^e éd., 436 p. (ISBN 978-2-212-13434-6, lire en ligne). 
• (en) Allen B. Downey, Jeffrey Elkner et Chris Meyers (préf. Jeffrey Elkner), How to Think like a Computer Scientist: Learning with Python [« Pensez en Python »], O'Reilly, 2016, 2^e éd. (ISBN 978-1-0981-5543-8, lire en ligne).  :

  « Il faut treize paragraphes pour expliquer un Hello, World! en C++, seulement deux en Python »

• (en) Mark Lutz, Learning Python : Powerful Object-Oriented Programming, O'Reilly, 2009, 4^e éd. (ISBN 978-1-4493-7932-2, lire en ligne). 
• Patrick Fuchs et Pierre Poulain, Programmation en Python pour les sciences de la vie, Dunod, 2024, 320 p. (ISBN 978-2-1008-6411-9, lire en ligne). 
• Luciano Ramalho (trad. Daniel Rougé), Programmer en Python : Apprendre la programmation de façon claire, concise et efficace [« Fluent Python: Clear, concise and effective programming. Éd. O'Reilly »], Éditions First, 2019 (ISBN 978-2-4120-4716-3).
• Bob Cordeau et Laurent Pointal (préf. Gérard Swinnen), Python 3 : apprendre à programmer dans l'écosystème Python, Dunod, 2025, 240 p. (ISBN 978-2-1008-7612-9, lire en ligne). 
• (en) Doug Hellmann, The Python Standard Library by Example, Addison-Wesley, 2017.

• Bibliothèques scientifiques :
  • Calcul : NumPy, SciPy, Pandas, PyIMSL Studio, Sympy, SageMath
  • Système expert : pyCLIPS, pyswip, pyDatalog, pyKE (« Python Knowledge Engine »)
  • Visualisation : pydot, Matplotlib, pyngl, MayaVi
  • Exploration de données : Orange
  • Simulation : simPy
  • Chimie : PyMOL, MMTK, Chimera, PyQuante
  • Biologie : Biopython
• Utilitaire : eGenix, ctype, Askbot
• Analyseur syntaxique : PyParsing, PLY (« Python Lex & Yacc »), NLTK (« Natural Language Toolkit »), SpaCy
• Générateur de documentation : Sphinx
• Graphisme : PIL / « Pillow » Soya 3D, Vpython, pymedia, NodeBox, Mahotas
• Jeux : Pygame, Panda3D
• Framework web : Django, Karrigell, webware, Grok, TurboGears, Pylons (en), Flask, Bottle
• Serveur web, CMS : Plone, Zope, Google App Engine, CherryPy, MoinMoin, django CMS
• Cartographie : TileCache, FeatureServer, Cartoweb 4, Shapely, GeoDjango, PCL
• Protocoles :
  • pyTango
  • Sérialisation : SimpleJSON
  • TCP, UDP, SSL/TLS, multicast, Unix sockets, HTTP, NNTP, IMAP, SSH, IRC, FTP : Twisted
• Vecteur : GeoJSON, OWSLib, Quadtree, Rtree, Shapely, WorldMill, ZCO
• ORM : SQLObject, SQLAlchemy, Storm, Django ORM
• Driver SGBD : PyGresQL, Psycopg, MySQL-python
• Apprentissage : Keras

• Zen de Python : principes de design et d'utilisation de Python
• Pip : gestionnaire de paquets des paquets Python.
• Cython : langage permettant d'écrire des modules compilables pour Python.
• IPython : terminal interactif.
• RUR-PLE : outil éducatif pour apprendre le Python de façon ludique en pilotant un robot virtuel.
• PyPI : dépôt tiers officiel.

v · m Python
Implémentation	CPython IronPython Jython Numba Psyco PyPy PyS60 Shed Skin Stackless Python Unladen Swallow
Framework	Bottle CherryPy Django Flask Mako Porcupine Pylons PyObjC (en) Quixote Qt PyQt PySide PyGTK Scrapy TurboGears Web2py
IDE	Anjuta Aptana Boa Constructor IDLE KDevelop Komodo Microsoft Visual Studio PyCharm PyDev Spyder
Organisations	Python Software Foundation Django Software Foundation Django Girls PyLadies
Autres	Python Software Foundation License Pip Liste de logiciels Python Guido van Rossum PyCon PyPI

v · m Langages de programmation
Concurrents	Ada Erlang Go Modula-2
Déclaratifs	Clips Prolog Mercury
Fonctionnels	Clojure Common Lisp Erlang F# Gallina Haskell Lisp ML OCaml Opa Scheme Standard ML
Impératifs	Algol APL Assembleur Basic BCPL C Cobol DOPE Forth Fortran Julia Limbo Lua Modula-2 MUMPS Natural NQC NXC OPL Pascal Perl PL/I RPG PowerShell Rust Tcl WLangage
Orientés objet	ActionScript AppleScript C++ C# CoffeeScript D Delphi Eiffel Groovy Haxe Java JavaScript Lisaac Logo Objective-C PHP Python Ruby Scala Scratch Simula Smalltalk Swift Kotlin Visual Basic
Liste de langages de programmation

v · m Langages serveurs
Compilés	C Pascal Fortran Go Python
Interprété	Perl Python shell PHP ColdFusion ASP
Les deux	JavaScript Ruby

• Portail de l’informatique
• Portail des logiciels libres
• Portail de la programmation informatique