好久不见
－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－
1. 总体来讲，找几本靠谱的书，由浅入深，边看边练。
我是从去年下半年开始学习Python / ML / CV，利用每天晚上22:00- 01:00的业余时间，每天进行，几乎很少间断。
2. 以下是我自己训练Python的一些小经验。
2.1 基础入门
当然是因工作需要而学，所以有倾向性，会以Data Analysis或者现在时髦的说法叫Data Science方向为主。 01-《a byte of python 中文版》绝对入门级，扫盲，零基础的人都可以看。当时我大概花了三天撸完，照着敲了一遍代码。稍微有点感觉了。 02- 看斯坦福的在线教程，入门级。Python Numpy Tutorial英文好的同学可以看看，这个教程我看的不多。主要是因为自己喜欢看纸质书。 03-同时继续夯实python语言本身，建议看《Python Cookbook 中文版》，我也时不时的会看
2.2 以上基本概念弄熟练后。接下来看你要做什么了？选个方向。
- 1、Web开发方向
那么建议看简单的框架flask，那么推荐《Flask Web开发：基于Python的Web应用开发实战》。（我只扫一眼目录，因主要方向不在此处）
- 2、数据分析方向
建议看《利用Python进行大数据分析》，非常棒！强烈建议看。主要讲Pandas库，讲数据分析。很多金融巨头，用Python进行数据分析。引用大神Kirat的话说，“它正在快速代替主流金融机构中使用的工具和语言，并成为事实上的标准”。我花了1个月左右时间，一个字一个字啃完。同时边敲代码。
- 3、科学计算方向
建议看《python_sci用python进行科学计算》。
- 4、AI的机器学习方向
建议看《Hands-on ML with Scikit-learn and TensorFlow》，还没有中文版，我在看。若有同学需要中文版，可以告知我，我视需求而定，是否将其翻译成中文版。
- 5、AI的计算机视觉方向
建议看《Python计算机视觉编程》，我还在看，虽然看得不多。
- 6、网络爬虫方向
这里不多作介绍。
2.3 夯实：若有同学对【数据分析方向】感兴趣
这里强烈推荐Yupeng Jiang博士撰写的《三天搞定Python基本功》，只用三天时间可以了解Python数据分析的广度和所涉及的概念，是诚意之作，十分难得！因原文是用英文写成，给英国伦敦大学学院的本科生、研究生上课用的。我将其翻译成了中文，便于自己将来快速复习用。在征得jiang博士的同意后，分享给大家。链接：
- 《三天搞定Python基础概念之第一天》Day1
- 《三天搞定Python基础概念之第二天》Day2
- 《三天搞定Python基础概念之第三天》 Day3
英文原版可见链接：三天搞定Python基本功
2.4. 进阶：顺着【数据分析】这个方向，把金融类的数据分析搞透彻。
在看完《利用Python进行数据分析》之后，强烈建议看《Python 金融大数据分析》一书。
我是自学的Python。从对Python一无所知，到在博客上写Python相关的系列文章（Python快速教程），前后有将近三年的时间。期间有不少门槛，但也充满乐趣。乐趣是自学的最大动力。Python是一个容易编写，又功能强大的动态语言。使用Python，可以在短短几行内实现相当强大的功能。通过自己写一些小程序，迅速的看到效果，发现问题，这是学习Python最便利的地方。
在学习Python之前，可以了解一下Python的特点和设计理念(Python简史)。在设计之初，Python就试图在复杂、强大的C和方便、功能有限的bash之间，找到一个平衡点。Python的语法比较简单，用起来很方便，因此有些人把它当作脚本语言使用。但Python要比普通的脚本语言功能强大很多。通过良好的可拓展性，Python的功能相当全面，应用面很广：web服务器，网络爬虫，科学运算，机器学习，游戏开发…… 当然，天下没有免费的午餐，也没有完美的语言，Python为了达到上述两点，有意的牺牲了Python的运行速度。如果你是在编写高业务量、运算量的程序，可能Python并不是最好的选择。
Python的主体内容大致可以分为以下几个部分：
- 面向过程。包括基本的表达式，if语句，循环，函数等。如果你有任何一个语言的基础，特别是C语言的基础，这一部分就是分分钟了解下Python规定的事。如果你没有语言基础，建议从Python Programming为参考书。这本书是计算机导论性质的教材，不需要编程基础。
- 面向对象，包括面向对象的基本概念，类，方法，属性，继承等。Python是面向对象的语言，“一切皆对象”。面向对象是很难回避的。Python的面向对象机制是相对比较松散的，不像Java和C 那么严格。好处是容易学，容易维护，坏处是容易犯错。
- 应用功能，包括IO，数据容器如表和词典，内置函数，模块，格式化字符串等。这些在其它语言中也经常出现，有比较强的实用性。
- 高级语法，上下文管理器，列表推导，函数式编程，装饰器，特殊方法等。这些语法并不是必须的，你可以用前面比较基础的语法实现。学这些高级语法的主要原因是：它们太方便了。比如列表推导一行可以做到的事情，用循环结构要好几行才行。
学习Python主体最好的参考书是Learning Python，它非常全面，满满的都是干货。虽然很厚，读起来并不难读。另一个是参考官网的教程Python.org
Python号称“Battery Included"，也就是说，功能都已经包含在了语言中。这一自信，主要来自Python功能全面的标准库。标准库提供了许多功能模块，每个模块是某一方面功能的接口，比如文件管理，操作系统互动，字符处理，网络接口，编码加密等等。
The Python Standard Library中，你可以看到标准库模块的列表。这里也是标准库最好的学习资料。如果想找书，我只看到过两本关于标准库的： Python Essential Reference The Python Standard Library by Example
说实话，这两本都不算很好的标准库教材，而标准库的参考书也确实很难写。因为标准库只是调用功能的接口，最终实现的是Python和系统的互动。这需要很强的系统知识，比如文件系统知识，进程管理，http原理，socket编程，数据库原理…… 如果这些知识都已经准备充分，那么标准库学起来完全没有难度。然而，这些背景知识的学习并非一朝一夕的事情。
更深入的Python学习也是如此，需要大量的背景知识，而不是Python自身。如果你对Python的编译和运行机制感兴趣，你可以往Python底层这一深度挖。如果你对应用感兴趣，你可以多学习几个自己用的上的第三方包。学到这个时候，就是要自己探索的广阔空间了。
基本上，学过主体内容之后，Python还是要靠做项目来练习。有不少小练习题类型的资料，比如Python Cookbook。但更好的方式是自己去想一些应用场景，用Python来解决。Python功能全面，所以不要担心自己想的问题Python解决不了 (基本上Python解决不了的问题，别的语言也没戏)。比如我学习多线程的动力，就因为要并行的下载大量的文件。基本上一个项目下来，会用到Python好几块的内容，知识会特别巩固。
最后，和其它任何知识的学习一样，笔记和总结很重要。在看参考书和看网页时，可以做一些笔记。等到学了一段时间后，可以把笔记整理成更有条理的参考卡片(reference card)，或者写博客。这也是我写“Python快速教程”的主要原因。另外这个教程内容的顺序，也是我认为的比较合理的学习顺序，仅供参考。
作者：MurphyWan 链接：https://www.zhihu.com/question/20702054/answer/236412402 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
