https://www.cnblogs.com/kendrick/p/7478304.html
基本语法差异
核心类差异
Python3对Unicode字符的原生支持
Python2中使用 ASCII 码作为默认编码方式导致string有两种类型str和unicode，Python3只支持unicode的string。python2和python3字节和字符对应关系为：
Python3采用的是绝对路径的方式进行import。
Python2中相对路径的import会导致标准库导入变得困难（想象一下，同一目录下有file.py，如何同时导入这个文件和标准库file）。Python3中这一点将被修改，如果还需要导入同一目录的文件必须使用绝对路径，否则只能使用相关导入的方式来进行导入。
Python2中存在老式类和新式类的区别，Python3统一采用新式类。新式类声明要求继承object，必须用新式类应用多重继承。
Python3使用更加严格的缩进。Python2的缩进机制中，1个tab和8个space是等价的，所以在缩进中可以同时允许tab和space在代码中共存。这种等价机制会导致部分IDE使用存在问题。Python3中1个tab只能找另外一个tab替代，因此tab和space共存会导致报错：TabError: inconsistent use of tabs and spaces in indentation.
废弃类差异
print语句被python3废弃，统一使用print函数
exec语句被python3废弃，统一使用exec函数
execfile语句被Python3废弃，推荐使用exec(open("./filename").read())
不相等操作符"<>"被Python3废弃，统一使用"!="
long整数类型被Python3废弃，统一使用int
xrange函数被Python3废弃，统一使用range，Python3中range的机制也进行修改并提高了大数据集生成效率
Python3中这些方法再不再返回list对象：dictionary关联的keys()、values()、items()，zip()，map()，filter()，但是可以通过list强行转换：
mydict={"a":1,"b":2,"c":3}mydict.keys()#<built-in method keys of dict object at 0x000000000040B4C8>list(mydict.keys())#['a', 'c', 'b']
迭代器iterator的next()函数被Python3废弃，统一使用next(iterator)
raw_input函数被Python3废弃，统一使用input函数
字典变量的has_key函数被Python废弃，统一使用in关键词
file函数被Python3废弃，统一使用open来处理文件，可以通过io.IOBase检查文件类型
apply函数被Python3废弃
异常StandardError 被Python3废弃，统一使用Exception
修改类差异
浮点数除法操作符/和//区别
Python2:/是整数除法，//是小数除法
Python3:/是小数除法，//是整数除法。
异常抛出和捕捉机制区别
Python2
raiseIOError,"file error"#抛出异常exceptNameError, err:#捕捉异常
Python3
raiseIOError("file error")#抛出异常exceptNameErroraserr:#捕捉异常
for循环中变量值区别
Python2，for循环会修改外部相同名称变量的值
i = 1print（'comprehension: ', [iforiinrange(5)]）print（'after: i =', i ）#i=4
Python3，for循环不会修改外部相同名称变量的值
i = 1print（'comprehension: ', [iforiinrange(5)]）print（'after: i =', i ）#i=1
round函数返回值区别
Python2，round函数返回float类型值
isinstance(round(15.5),int) #True
Python3，round函数返回int类型值
isinstance(round(15.5),float)#True
比较操作符区别
Python2中任意两个对象都可以比较
11 <'test' #True
Python3中只有同一数据类型的对象可以比较
11 <'test' # TypeError: unorderable types: int() < str()
新增类差异
所有在Python3.X中增加的新特性在Python2中都不支持，这些新特性的说明在官网中有详细的说明：
3.1 https://docs.python.org/3.1/whatsnew/
3.2 https://docs.python.org/3.2/whatsnew/3.2.html
3.3 https://docs.python.org/3.3/whatsnew/3.0.html
3.4 https://docs.python.org/3.4/whatsnew/3.4.html
3.5 https://docs.python.org/3.5/whatsnew/3.5.html
3.6 https://docs.python.org/3.6/whatsnew/3.6.html
国内有对这些特性中的重要点进行介绍的博文，可以作为参考：http://www.cnblogs.com/animalize/p/5633215.html
第三方工具包
我们在pip官方下载源pypi搜索Python2.7和Python3.5的第三方工具包数可以发现，Python2.7版本对应的第三方工具类目数量是28523,Python3.5版本的数量是12457，这两个版本在第三方工具包支持数量差距相当大。
https://pypi.python.org/pypi?:action=browse&c=532
https://pypi.python.org/pypi?:action=browse&c=607
我们从数据分析的应用角度列举了常见实用的第三方工具包（如下表），并分析这些工具包在Python2.7和Python3.5的支持情况：
分类工具名用途
数据收集scrapy网页采集，爬虫
数据收集scrapy-redis分布式爬虫
数据收集seleniumweb测试，仿真浏览器
数据处理beautifulsoup网页解释库，提供lxml的支持
数据处理lxmlxml解释库
数据处理xlrdexcel文件读取
数据处理xlwtexcel文件写入
数据处理xlutilsexcel文件简单格式修改
数据处理pywin32excel文件的读取写入及复杂格式定制
数据处理Python-docxWord文件的读取写入
数据分析numpy基于矩阵的数学计算库
数据分析pandas基于表格的统计分析库
数据分析scipy科学计算库，支持高阶抽象和复杂模型
数据分析statsmodels统计建模和计量经济学工具包
数据分析scikit-learn机器学习工具库
数据分析gensim自然语言处理工具库
数据分析jieba中文分词工具库
数据存储MySQL-pythonmysql的读写接口库
数据存储mysqlclientmysql的读写接口库
数据存储SQLAlchemy数据库的ORM封装
数据存储pymssqlsql server读写接口库
数据存储redisredis的读写接口
数据存储PyMongomongodb的读写接口
数据呈现matplotlib流行的数据可视化库
数据呈现seaborn美观的数据可是湖库，基于matplotlib
工具辅助jupyter基于web的python IDE，常用于数据分析
工具辅助chardet字符检查工具
工具辅助ConfigParser配置文件读写支持
工具辅助requestsHTTP库，用于网络访问
工具安装问题
windows环境
Python2 无法安装mysqlclient。Python3 无法安装MySQL-python、 flup、functools32、Gooey、Pywin32、 webencodings。
matplotlib在python3环境中安装报错：The following required packages can not be built:freetype, png。需要手动下载安装源码包安装解决。
scrapy在python3环境中安装报错，需安装VC++2015安装包： http://landinghub.visualstudio.com/visual-cpp-build-tools
scipy在Python3环境中安装报错，numpy.distutils.system_info.NotFoundError，需要自己手工下载对应的安装包，依赖numpy,pandas必须严格根据python版本、操作系统、64位与否。
运行matplotlib后发现基础包numpy+mkl安装失败，需要自己下载，国内暂无下载源
centos环境下
python2无法安装mysql-python和mysqlclient包，报错：EnvironmentError: mysql_config not found，解决方案是安装mysql-devel包解决。使用matplotlib报错：no module named _tkinter，安装Tkinter、tk-devel、tc-devel解决。
pywin32也无法在centos环境下安装。
工具测试结果
解决上述的安装问题后，编写了测试脚本(附录)运行上述工具包的简单案例，测试结果均通过，表明上述第三方工具包安装成功后在Windows和Centos环境下均可以成功运行。
