－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
1. 總體來講，找?guī)妆究孔V的書，由淺入深，邊看邊練。
我是從去年下半年開始學習Python / ML / CV，利用每天晚上22:00- 01:00的業(yè)余時間，每天進行，幾乎很少間斷。
2. 以下是我自己訓(xùn)練Python的一些小經(jīng)驗。
2.1 基礎(chǔ)入門
當然是因工作需要而學，所以有傾向性，會以Data Analysis或者現(xiàn)在時髦的說法叫Data Science方向為主。
01-《a byte of python 中文版》絕對入門級，掃盲，零基礎(chǔ)的人都可以看。當時我大概花了三天擼完，照著敲了一遍代碼。稍微有點感覺了。
02- 看斯坦福的在線教程，入門級。Python Numpy Tutorial英文好的同學可以看看，這個教程我看的不多。主要是因為自己喜歡看紙質(zhì)書。
03-同時繼續(xù)夯實python語言本身，建議看《Python Cookbook 中文版》，我也時不時的會看
2.2 以上基本概念弄熟練后。接下來看你要做什么了？選個方向。
- 1、Web開發(fā)方向
那么建議看簡單的框架flask，那么推薦《Flask Web開發(fā)：基于Python的Web應(yīng)用開發(fā)實戰(zhàn)》。（我只掃一眼目錄，因主要方向不在此處）
- 2、數(shù)據(jù)分析方向
建議看《利用Python進行大數(shù)據(jù)分析》，非常棒！強烈建議看。主要講Pandas庫，講數(shù)據(jù)分析。很多金融巨頭，用Python進行數(shù)據(jù)分析。引用大神Kirat的話說，“它正在快速代替主流金融機構(gòu)中使用的工具和語言，并成為事實上的標準”。我花了1個月左右時間，一個字一個字啃完。同時邊敲代碼。
- 3、科學計算方向
建議看《python_sci用python進行科學計算》。
- 4、AI的機器學習方向
建議看《Hands-on ML with Scikit-learn and TensorFlow》，還沒有中文版，我在看。若有同學需要中文版，可以告知我，我視需求而定，是否將其翻譯成中文版。
- 5、AI的計算機視覺方向
建議看《Python計算機視覺編程》，我還在看，雖然看得不多。
- 6、網(wǎng)絡(luò)爬蟲方向
這里不多作介紹。
2.3 夯實：若有同學對【數(shù)據(jù)分析方向】感興趣
這里強烈推薦Yupeng Jiang博士撰寫的《三天搞定Python基本功》，只用三天時間可以了解Python數(shù)據(jù)分析的廣度和所涉及的概念，是誠意之作，十分難得！因原文是用英文寫成，給英國倫敦大學學院的本科生、研究生上課用的。我將其翻譯成了中文，便于自己將來快速復(fù)習用。在征得jiang博士的同意后，分享給大家。鏈接：
英文原版可見鏈接：三天搞定Python基本功
2.4. 進階：順著【數(shù)據(jù)分析】這個方向，把金融類的數(shù)據(jù)分析搞透徹。
在看完《利用Python進行數(shù)據(jù)分析》之后，強烈建議看《Python 金融大數(shù)據(jù)分析》一書。
我是自學的Python。從對Python一無所知，到在博客上寫Python相關(guān)的系列文章（Python快速教程），前后有將近三年的時間。期間有不少門檻，但也充滿樂趣。樂趣是自學的最大動力。Python是一個容易編寫，又功能強大的動態(tài)語言。使用Python，可以在短短幾行內(nèi)實現(xiàn)相當強大的功能。通過自己寫一些小程序，迅速的看到效果，發(fā)現(xiàn)問題，這是學習Python最便利的地方。
在學習Python之前，可以了解一下Python的特點和設(shè)計理念(Python簡史)。在設(shè)計之初，Python就試圖在復(fù)雜、強大的C和方便、功能有限的bash之間，找到一個平衡點。Python的語法比較簡單，用起來很方便，因此有些人把它當作腳本語言使用。但Python要比普通的腳本語言功能強大很多。通過良好的可拓展性，Python的功能相當全面，應(yīng)用面很廣：web服務(wù)器，網(wǎng)絡(luò)爬蟲，科學運算，機器學習，游戲開發(fā)…… 當然，天下沒有免費的午餐，也沒有完美的語言，Python為了達到上述兩點，有意的犧牲了Python的運行速度。如果你是在編寫高業(yè)務(wù)量、運算量的程序，可能Python并不是最好的選擇。
Python的主體內(nèi)容大致可以分為以下幾個部分：
面向過程。包括基本的表達式，if語句，循環(huán)，函數(shù)等。如果你有任何一個語言的基礎(chǔ)，特別是C語言的基礎(chǔ)，這一部分就是分分鐘了解下Python規(guī)定的事。如果你沒有語言基礎(chǔ)，建議從Python Programming為參考書。這本書是計算機導(dǎo)論性質(zhì)的教材，不需要編程基礎(chǔ)。
面向?qū)ο?，包括面向?qū)ο蟮幕靖拍?，類，方法，屬性，繼承等。Python是面向?qū)ο蟮恼Z言，“一切皆對象”。面向?qū)ο笫呛茈y回避的。Python的面向?qū)ο髾C制是相對比較松散的，不像Java和C++那么嚴格。好處是容易學，容易維護，壞處是容易犯錯。
應(yīng)用功能，包括IO，數(shù)據(jù)容器如表和詞典，內(nèi)置函數(shù)，模塊，格式化字符串等。這些在其它語言中也經(jīng)常出現(xiàn)，有比較強的實用性。
高級語法，上下文管理器，列表推導(dǎo)，函數(shù)式編程，裝飾器，特殊方法等。這些語法并不是必須的，你可以用前面比較基礎(chǔ)的語法實現(xiàn)。學這些高級語法的主要原因是：它們太方便了。比如列表推導(dǎo)一行可以做到的事情，用循環(huán)結(jié)構(gòu)要好幾行才行。
學習Python主體最好的參考書是Learning Python，它非常全面，滿滿的都是干貨。雖然很厚，讀起來并不難讀。另一個是參考官網(wǎng)的教程Python.org
Python號稱“Battery Included"，也就是說，功能都已經(jīng)包含在了語言中。這一自信，主要來自Python功能全面的標準庫。標準庫提供了許多功能模塊，每個模塊是某一方面功能的接口，比如文件管理，操作系統(tǒng)互動，字符處理，網(wǎng)絡(luò)接口，編碼加密等等。
The Python Standard Library中，你可以看到標準庫模塊的列表。這里也是標準庫最好的學習資料。如果想找書，我只看到過兩本關(guān)于標準庫的：
Python Essential Reference
The Python Standard Library by Example
說實話，這兩本都不算很好的標準庫教材，而標準庫的參考書也確實很難寫。因為標準庫只是調(diào)用功能的接口，最終實現(xiàn)的是Python和系統(tǒng)的互動。這需要很強的系統(tǒng)知識，比如文件系統(tǒng)知識，進程管理，http原理，socket編程，數(shù)據(jù)庫原理…… 如果這些知識都已經(jīng)準備充分，那么標準庫學起來完全沒有難度。然而，這些背景知識的學習并非一朝一夕的事情。
更深入的Python學習也是如此，需要大量的背景知識，而不是Python自身。如果你對Python的編譯和運行機制感興趣，你可以往Python底層這一深度挖。如果你對應(yīng)用感興趣，你可以多學習幾個自己用的上的第三方包。學到這個時候，就是要自己探索的廣闊空間了。
基本上，學過主體內(nèi)容之后，Python還是要靠做項目來練習。有不少小練習題類型的資料，比如Python Cookbook。但更好的方式是自己去想一些應(yīng)用場景，用Python來解決。Python功能全面，所以不要擔心自己想的問題Python解決不了 (基本上Python解決不了的問題，別的語言也沒戲)。比如我學習多線程的動力，就因為要并行的下載大量的文件?；旧弦粋€項目下來，會用到Python好幾塊的內(nèi)容，知識會特別鞏固。
最后，和其它任何知識的學習一樣，筆記和總結(jié)很重要。在看參考書和看網(wǎng)頁時，可以做一些筆記。等到學了一段時間后，可以把筆記整理成更有條理的參考卡片(reference card)，或者寫博客。這也是我寫“Python快速教程”的主要原因。另外這個教程內(nèi)容的順序，也是我認為的比較合理的學習順序，僅供參考。
作者：MurphyWan
鏈接：https://www.zhihu.com/question/20702054/answer/236412402
來源：知乎
著作權(quán)歸作者所有。商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請注明出處。
