黑马程序员
1、选择Python版本
对于Python工程师来说，Python的版本则是你们的工作环境。所以在学习之前一定要考虑选择一个合适自己的版本，Python3对零基础的小白很友好，易上手。选好版本后就可以开始学习了。
2、学习Python基础知识
Python 是一个有条理的、强大的面向对象的程序设计语言。
首先需要学习Python的基础知识，下载、安装、导入库、字符串处理、函数使用等等。
如果你的英语不是很好，这里可以给你推荐一个超赞的网站一译中文文档，这里会提供Python、pandas、numpy、NLTk、Django等文档的中文翻译，赶紧添加到收藏夹里。如果你更喜欢看视频，可以上网找一些入门教程观看，有很多IT学习网站可以找到，这里就不推荐了。
此外，在基础知识都学会之后，你要开始练习写一个程序，需要文本编辑器——PythonEditors
3、确定学习方向
Python职业学习方向很多，职业方向大体上分为以下六个：
Web全栈工程师、爬虫开发工程师、人工智能工程师、Python开发工程师、游戏开发工程师、搜索引擎工程师。
以下选了几个标准库是学习Python用得上且必须了解的：
Django**、Flask**、Tornado**、NumPy**、Pandas**、Matplotlib**、Requests**、Scrapy**、threading**、scikit-learn**、TensorFlow**
4、寻找项目练手
只会埋头敲代码的Python开发肯定不是各大公司HR抢着要的，谨记：多找项目多找项目！多练手多练手！只有自己多动手写具体项目，才能更多的犯错，解决问题，位置后工作踩坑，现在练习踩的坑越多，以后和HR谈薪资的时候才会更有底气。
Github内的项目丰富，想找哪个项目可以先去Github上面搜索，例如：你想写一个知乎爬虫，在搜索框搜索“知乎”，然后在语言那一栏里选择Python就可以找到你想要的项目了。
5、找工作
基础知识学会，多个项目练手完成，你就可以尝试找一份Python相关工作了。
写在最后：
互联网科技发展蓬勃兴起，人工智能时代来临，抓住下一个风口。为帮助那些往想互联网方向转行想学习，却因为时间不够，资源不足而放弃的人。我找了几个在互联网领域有丰富经验的大牛搜集整理了一套有价值的学习资料，包括运营技巧、SEO优化等，比自己在网上零散收集的结构性和连贯性更强，只为帮助那些想学习的人！需要的同学请私信回复关键词“资料”。
中公优就业
根据我在BAT的经验，Python可以说是少有的现在应用十分广泛，却又非常容易自学的编程语言了。在开始介绍如何学习Python之前，我可以先介绍我身边同事自学Python成功的经历，给大家增加些信心。
我们有个服务器，是提供公司级服务的。为了响应所谓的服务稳定性号召，我们得对这些Tomcat进行稳定性监控，以及宕机重启监控。这个监控以及重启，就是由Python写的脚本。负责实现这个事情的同事是一个入职2年，但是从没接触过Python的半新手，刚开始也是很头疼，并不知道用什么语言合适，后来，另一个入职了4年的同事稍微指点了他，说用Python可以实现。基本就花了一个下午查阅资料，他就写出了监控，重启，切Nginx三个功能。
所以啊，Python真的是一门对新手非常友好，入门非常容易的语言。如果你之前对其他编程语言有过了解，那么学习Python就更加容易了。
首先，我介绍两个免费的网站，可以在这两个网站上学习Python的基本概念。分别是Python菜鸟教程与廖雪峰的Python教程，为了避免广告，我就不放网址了，大家可以用这两个关键字自行去百度搜索。这两个网站的功能是相似的，可以选择一个进行学习就够了。
在学习的过程中，一定要勤于做笔记以及反复将知识进行对比。比如我在看廖雪峰的网站的时候，就发现Python与java等语言不同，在创建变量的时候，无须指定变量的类型是int还是str，而且像list和tuple是通过[],()这种标志来区分的，也就是说[1,2,'a']是一个list，而(1,2,'a')就是一个tuple了，不仅如此，在后面用到dic和set的时候，还有其他的差异。
在第一次看的时候，可能走马观花的就觉得自己记住了，但是如果能够在看的时候，自己主动回忆起过去的知识并积极对比，就能帮助加深记忆，提高学习效率。
这两个网站从Python最基本的知识，讲到网络编程，数据库开发，到最后的IO访问，可以说是相当全面了。在掌握了这些知识后，就要自己去写一个小工程来检验自己的学习成果了。由于Python对环境的要求并不高，自己编写程序调试的成本也低，因此非常建议在学习过程中，就主动寻找demo，多敲代码，尽早加深对所学知识的理解与掌握。
等到你能够用Python把自己的想法付诸于代码之后，就可以把自己的想法发布共享在论坛上，其他Python爱好者通常会给你一些有用的建议，反复在这个过程中提高自己，你的Python能力就能不断提高，最终达到工业级水平。
以上是我的浅见，欢迎各位在下方评论区与我沟通交流。
我是苏苏思量， 来自BAT的Java开发工程师，每日分享科技类见闻，欢迎关注我，与我共同进步。
一个存在感小透明
根据我在BAT的经验，Python可以说是少有的现在应用十分广泛，却又非常容易自学的编程语言了。在开始介绍如何学习Python之前，我可以先介绍我身边同事自学Python成功的经历，给大家增加些信心。
我们有个服务器，是提供公司级服务的。为了响应所谓的服务稳定性号召，我们得对这些Tomcat进行稳定性监控，以及宕机重启监控。这个监控以及重启，就是由Python写的脚本。负责实现这个事情的同事是一个入职2年，但是从没接触过Python的半新手，刚开始也是很头疼，并不知道用什么语言合适，后来，另一个入职了4年的同事稍微指点了他，说用Python可以实现。基本就花了一个下午查阅资料，他就写出了监控，重启，切Nginx三个功能。
所以啊，Python真的是一门对新手非常友好，入门非常容易的语言。如果你之前对其他编程语言有过了解，那么学习Python就更加容易了。
灬亦凡
Python 语言应该如何入门，记得我几年前也碰到过这样的问题，当时网上随便搜了一下饥不择食的找了一些书开始啃起来，结果发现很疑惑，感觉吃力，走了很多弯路。若不得法还会降低初学者的兴趣，现在我就说说自己对Python 入门的理解.
学Python和学其他的语言其实是相同的，我给新同事讲课的时候就说学编程和练武功其实是很相似，入门大致这样几步:
找本靠谱的书
找个靠谱的师傅
找一个地方开始练习
学语言也是的：选一本通俗易懂的书，找一个好的视频资料，然后自己装一个IDE工具开始边学变写。下面我具体来讲讲:
希望对初学者能有一点帮助，能帮到一些人少走一点弯路.也就不枉我大半夜在这里码字了~~分享个Python学习q u n {227+435+450}里面有软件视频资料。想学的速度噢
找一本靠谱的书：
难度一定要是入门级别，千万不能太复杂，不要一下子陷进去，会打乱节奏，学东西要循序渐进，不能一口吃个胖子.打个比方，学过java的同学都听过大名鼎鼎的thinking in java,这边书很厚很全，若一上来就学，肯定会吃力，时间长了就会失去兴趣，因此对初学者来说，一定要找一个通熟易懂的，简单的书。入门的书非常关键。
入门的书很多，但是我个人强烈推荐"A Byte of Python\
糖宝Python
我记得当初我接触python的时候，在网上找到了《简明python教程》的PDF版。
由于对python有极大的兴趣，我跑去打印店把PDF版的《简明python教程》给全部打印出来了。《简明python教程》应该是python书籍中最薄的一本，但还是花了我十几块的打印费。
感觉当初傻兮兮的，不知道网上有免费的廖雪峰老师的python教程这一回事。不知道有菜鸟教程这一回事。
进入了python的大门后，也接触到了许多许多的学习python的资料，但这都是后话了。
回归主题，如何入门python？答案有万千种，归于一条:找到任意一个python教程就开始学就对了。
爱吃西瓜的番茄酱
python入门还算是比较简单的，按照我的方法，半个月写个局域网聊天工具完全没有问题。
1、基础知识（3天）
廖雪峰的python教程
python菜鸟教程，这个比较适合当做工具书查阅
可以关注我的头条号，每天都会有基础语法知识的讲解和练习作业
数据类型
循环控制
基本运算
文件IO
2、进阶（2天）
面向对象编程
网络编程
多线程
异常处理
3、练手小项目（7天）
独立完成计算器的开发
完成图片转成字符串画的项目
完成一个简单的文件下载器
完成飞机大战的小游戏（包括GUI）
编程镇魔司
Python入门来说，其实非常容易，作为一门面向大众的编程语言，Python设计之初就是为了简化编程，提高开发效率，降低编程入门的门槛，下面我简单分享一下学习Python的过程及相关资料，主要内容如下：
Python开发环境
这个是最基本的，学习Python开发，首先得有一个本地的Python运行环境，这里简单介绍2种搭建本地Python运行环境的方法，一种是Python安装包，一种是Anaconda，具体搭建如下：
1.Python安装包：这种方式是最基础、简单的，只带有Python标准库，开发环境为自带的IDLE，功能比较单一也比较弱，但对于初学者来说，非常锻炼基本功，下载的话，直接到Python官网上下载就行，如下，选择适合自己平台的一个版本就行：
2.Anaconda：这是一个Python集成软件，自带有Python解释器，及大量常用的第三方库，像常见的机器学习scikit-learn、可视化matplotlib、数据处理pandas等，除此之外，还自带有Spyder，IPython Notebook等开发环境，使用起来非常不错，对于初学者来说，也是一个非常不错的选择，安装的话，直接到官网Anaconda上下载就行：
Python学习资料
Python的学习资料其实很多，常见的编程网站都有Python教程可供学习，下面我简单分享几个网站，这里你也找一本专业书籍，一边学习一边练习，最主要的还是要多调试代码，掌握好基本功，包括常见的数据类型、函数、类、文件操作、异常处理、常用模块等：
1.菜鸟教程：这是一个专注于编程基础的网上，所有学习资料都是免费的，涉及的面也比较广，包括前端、后台、数据库等，当然，也包括Python，都很基础，非常适合初学者学习和掌握，这里你也可以在线运行Python程序：
2.w3cschool：这个网站的功能和菜鸟教程差不多，也是一个编程网站，各种编程语言都有所设置，资料非常丰富，也非常适合初学者学习：
3.慕课网：这也是一个编程学习网站，只不过所有的资料都以视频教学为主，讲解的比较基础，也有相关项目案例，对于人们学习来说，也是一个非常不错的选择：
Python开发软件
Python开发的软件其实非常多，大部分代码编辑器或者IDE都支持Python开发，下面我简单分享几个不错的Python开发环境：
1.VS Code：这个软件大部分开发人员都应该使用过，微软开发的一个免费、开源、跨平台的代码编辑器，插件扩展丰富，语法提示、代码高亮、自动补全、Git等功能都非常不错，安装Python插件后，也可以直接编辑运行Python程序，如下：
2.Atom：这也是一个代码编辑器，免费、开源、跨平台，由GitHub开发，支持几十种编程语法，插件扩展也很丰富，代码高亮、自动补全、语法检查等功能也非常不错，对于Python开发来说，也是一个非常不错的选择：
3.PyCharm：这是一个比较专业的Python开发环境，在Python开发中比较常用，也非常受欢迎，功能强大，使用起来非常不错，有社区免费版的，非常值得学习和使用：
就分享这么多吧，总的来说，入门的话，还是以掌握好基本功为准，多练习多编写代码，后期就是多做项目，积累相关经验，感兴趣的朋友可以搜索一下相关资料，非常丰富，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言。
小小猿爱嘻嘻
在别的地方看到大神总结，供参考。
热门资源博客 Mybridge AI 比较了 18000 个关于 Python 的项目，并从中精选出 45 个最具竞争力的项目。我们进行了翻译，在此一并送上。
这份清单中包括了各不相同的 20 个主题，以及一些资深程序员分享使用 Python 的经验，值得收藏。Mybridge AI 的排名结合了内部机器评估的内容质量和各种人为因素，包括阅读次数和阅读时长等。
对于 Python 的初学者，我们推荐以下这些课程：
REST API：使用 Python，Flask，Flask-RESTful 和 Flask-SQLAlchemy 构建专业的 REST API ［12,602 个推荐，4.6 / 5 星］
链接：https://www.udemy.com/rest-api-flask-and-python/算法交易：用于财务分析和算法交易的 Python，主要学习包括 numpy，pandas，matplotlib，quantopian，finance ［8,077 个推荐，4.6 / 5 星］
链接：https://www.udemy.com/python-for-finance-and-trading-algorithms/年度开源 Python 项目 ［平均 4,078 星］
链接：https://medium.mybridge.co/30-amazing-python-projects-for-the-past-year-v-2018-9c310b04cdb3机器学习年度最佳文章
链接：https://medium.mybridge.co/learn-to-build-a-machine-learning-application-from-top-articles-of-2017-cdd5638453fcPython 算法
1.回顾 Python 交互式编码中所要面对的挑战（算法和数据结构）
本文对算法编码和数据结构中的问题提出了简单易懂又切实可行的方案。
作者：Donne Martin；［github－11811 星］链接：https://github.com/donnemartin/interactive-coding-challenges2. Python 中算法和数据结构的最小样本
如何让 Python 中的数据结构和算法最小、最干净？
作者：keon；［github－10271 星］链接：https://github.com/keon/algorithms3.最重要的 Python 算法--Pygorithm
Pygorithm 是一个纯 Python 风格编写的模块，通过导入所需的算法，获得相应的代码、时间复杂性等。这是一个开始学习 Python 编程的好方法，能够帮助初学者学习并实现 Python 中所有算法。
作者：Satwik Kansal；［github－3156 星］链接：http://pygorithm.readthedocs.io/en/latest/Python 综合指南
4. 一个有趣又鲜为人知的 Python 代码片段集合—wtfPython
作者：Satwikkansal；［github－4,933 星］链接：https://github.com/satwikkansal/wtfPythonPython 的脚本结构
5.一个关于如何从 Python 脚本到打包项目的标准化指南
作者：Courtesy of Vicki链接：http://veekaybee.github.io/2017/09/26/python-packagingPython 中的列表
6.Python 列表生成器的教程
在这份教程中，你将能够学习到如何在 Python 中有效地使用列表生成器来创建列表，替换(嵌套) for 循环以及使用 map(), filter(), reduce() 函数等。
文章首先简单回顾了 Python 中列表的基本概念，并与 Python 中其他的数据结构进行比较。接着讲解了列表生成器的学习。文章还讲解了 Python 列表背后的数学知识，创建列表生成器的方法，以及如何在 for 循环或 lambda 隐函数中重写它们。
作者：Karlijn Willems链接：https://www.datacamp.com/community/tutorials/python-list-comprehensionPython 中的类
7.如何使用 Dunder (Magic、Special) 方法来丰富你的 Python 类
Dunker 是 Python 中的一种特殊方法，通过双下划线开始和结束的形式存在，例如 __init__ 来丰富类的预定义方法。
作者：Dan Bader链接：https://dbader.org/blog/python-dunder-methodsPython 中的网页抓取
8.如何使用 Python 中的 Scrapy、SQL 和 Matplotlib 等库进行网页抓取，并获取网页数据分析
你可以通过这篇文章学习到网页爬取知识，并用于实践中。
作者：ScrapingAuthority链接：http://www.scrapingauthority.com/python-scrapy-mysql-and-matplotlib-to-gain-web-data-insights/9.高级的网页抓取教程：绕过“403 禁止”，验证码等问题
作者：Evan Sangaline链接：http://sangaline.com/post/advanced-web-scraping-tutorial/10.掌握 Python 的网页抓取技巧来获取你所需要的数据
作者：Lauren Glass 和 Hackernoon链接：https://hackernoon.com/mastering-python-web-scraping-get-your-data-back-e9a5cc653d88Python 中的自动化操作
11.如何使用 Twilio、Python 和 Google 自动化婚礼的进程
作者：Thomas Curtis链接：https://www.twilio.com/blog/2017/04/wedding-at-scale-how-i-used-twilio-python-and-google-to-automate-my-wedding.html12.如何用 Python 在 Medium 上找到有趣的人
作者：Radu Raicea 和 freeCodeCamp。链接：https://medium.freecodecamp.org/how-i-used-python-to-find-interesting-people-on-medium-be9261b924b0Python 中的 Bot
13.制作 Reddit+Facebook 的信息箱
作者：Yasoob Khalid链接：https://pythontips.com/2017/04/13/making-a-reddit-facebook-messenger-bot/15.我在 Instagram 上用 Python 写的开源机器人（让我拥有了 2500 个粉丝，所花的服务器成本只有 5 美元）
作者：TimG链接：https://medium.freecodecamp.org/my-open-source-instagram-bot-got-me-2-500-real-followers-for-5-in-server-costs-e40491358340Python 中的电子表格
15.权威指南：Python 的 Excel 教程
通过这个教程，你可以了解如何使用 Python 读取和导入 Excel 文件，如何将数据写入这些电子表格。
作者：Karlijn Willems链接：https://www.datacamp.com/community/tutorials/python-excel-tutorial16.Python 和 Googgle 电子表格
作者：Brent Schooley链接：https://www.youtube.com/watch?v=vISRn5qFrkMPython 中的金融应用
17.Python 中的金融：算法交易
这是一份 Python 与金融应用的教程，在此你能学习到算法交易的基本知识及相关内容。
作者：Karlijn Willems链接：https://www.datacamp.com/community/tutorials/finance-python-trading18.Python 中的金融教程—股票价格及相关数据介绍
作者：Harrison Kinsley链接：https://www.youtube.com/watch?v=2BrpKpWwT2A19.用 Python 分析加密货币市场
比特币市场是如何表现？加密货币价值突然出现高峰和低谷的原因是什么？不同 altcoins 市场是不可分割的或基本独立的？ 我们如何预测接下来会发生什么？
这篇文章将简单地介绍如何使用 Python 来分析加密货币。文章通过一个简单的 Python 脚本来检索，分析和可视化不同加密货币上的数据。在这个过程中，文章还将揭示这些波动剧烈的市场行为以及一个有趣的演变趋势。
作者：Patrick Triest链接：https://blog.patricktriest.com/analyzing-cryptocurrencies-python/Python 中的区块链
20.学习并构建一个区块链
毫无疑问，区块链这项新颖的技术是计算的奇迹。区块链技术的出现引发了新的全数字货币，如比特币和莱特币，而这些货币并非由中央当局发行或管理。区块链也以 Ethereum 这样的技术形式革命化了分布式计算，并引入了智能合约等有趣的概念。
这篇文章将会帮助你学习并理解区块链的工作原理。通过这篇教程，你将学习到一个功能强大的区块链，并掌握它们的工作流程。
作者：Daniel van Flymen 和 Hackernoon链接：https://hackernoon.com/learn-blockchains-by-building-one-117428612f4621.如何构建一个最小的区块链
本文将用少于 50 行的代码（Python2）来创建一个最简单、最小的区块链。
作者：Gerald Nash链接：https://medium.com/crypto-currently/lets-build-the-tiniest-blockchain-e70965a248bPython 中的视频合成
22.用 Python 构建一个视频合成器
视频合成器是利用音频输入来创建视觉信号的设备，自上世纪 60 年代以来，已有很长的历史。
这篇文章将用 Python 编写一个基本的视频合成器，并使用 aubio 进行 Onset 目标检测。
作者：Kirk Kaiser链接：https://www.makeartwithpython.com/blog/video-synthesizer-in-python/Python 的性能
23.用 Python 处理每秒 100 万个请求
用 Python 每秒能够达到 100 万个请求吗？为了节省服务器价格，最近很多公司正在从 Python 向其他编程语言中迁移。但实际并不需要。
Python 社区最近在性能提升方面做了很多工作。CPython 3.6 通过新的字典提高了整体解释器的性能。由于引入了更快的调用约定和字典查找缓存，CPython 3.7 将会更快。
对于数字处理任务，你可以使用 PyPy 进行代码编译。你还可以运行 NumPy 的测试套件，该测试套件现在已经改进了 Python 与 C 语言扩展的整体兼容性。在随后的更新版本中，PyPy 预计将与 Python 3.5 兼容。
作者：Paweł Piotr Przeradowski。链接：https://medium.freecodecamp.org/million-requests-per-second-with-python-95c137af31924.Python 很慢，但我不在乎”
这篇文章将介绍一些关于 Python 中 asyncio 的内容，并讨论有关 Python 速度的问题。
作者：Nick Humrich链接：https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a125.Python 中的缓存：如何缓存函数的结果
文章将介绍一种快捷的方法来加速 Python 记忆代码。你将看到何时以及如何运用 Python 记忆代码。记忆代码优化你的程序，在某些情况下会加速你的代码运行。
链接：https://dbader.org/blog/python-memoizationPython 中的 Django 框架
26.七步骤带你完整地学习 Django
Django 是用 Python 编写的一个 Web 框架。这篇文章是介绍 Django 基础知识的系列教程，共分为七个部分，将分别从安装，准备开发环境，模型，视图，模板，URL 到更高级的主题（如迁移，测试和部署）出发，详细探讨所有的基本概念。
作者：Vitor Freitas链接：https://simpleisbetterthancomplex.com/series/2017/09/04/a-complete-beginners-guide-to-django-part-1.html27.使用 Django 构建 REST API 的测试驱动方法：第一部分
这篇文章将介绍如何利用 Django 来构建一个 REST API 的测试驱动，并详细介绍了每个步骤。
作者：Jee Githinji Gikera 和 Scotch Development链接：https://scotch.io/tutorials/build-a-rest-api-with-django-a-test-driven-approach-part-1Python 中的 Flake
28.OI’List 规则
这篇博文中我们将介绍 Flake8（pyflakes，pycodestyle 和 mccabe）中的每个规则及相对应的示例。
链接：https://lintlyci.github.io/Flake8Rules/29.使用 Python 和 Flask 开发 RESTful API
本文包括以下几部分：
- 为什么用 Python？
- 什么是 Flask？
- 引导 Flask 应用程序
- 用 Flask 创建一个 RESTful 端点
- 用 Python 类映射模型
- 用 Marshmallow 进行序列化和反序列化对象
- Dockerizing Flask 应用程序
- 用 Auth0 保护 Python API
Python 中的 Numpy
30.从 Python 到 Numpy
本文通过一种新颖的方式，向量化地集中讲解了如何从 Python 迁移到 Numpy 的学习。另外，本文还包括一些很少提到的使用技巧。
链接：http://www.labri.fr/perso/nrougier/from-python-to-numpy/31.探索 Python 每种工具包的行长度
本文探索了 Python 的流行包，如 NumPy，SciPy，Pandas，Scikit-Learn，Matplotlib，AstroPy 等。
作者：Jake VanderPlas链接：http://jakevdp.github.io/blog/2017/11/09/exploring-line-lengths-in-python-packages/Python 中的 NashPy
32.NashPy 教程—建立并找到一种简单的游戏平衡
博弈论是用来研究理性主体之间的战略互动：当双方试图采用对各自最有益的方式来完成某件事情时，对双方互动行为的研究。这篇文章将采用 Python 中的 NashPy 来研究这种双方博弈的互动行为。
链接：http://nashpy.readthedocs.io/en/latest/tutorial/Python 中的马尔可夫过程
33.用 Python 模拟 Chutes 和 Ladders
这篇文章将通过 Chutes 和 Ladders 游戏的例子，建立模型并阐述马尔可夫过程的原理。整个分析过程附有 Python 源码，感兴趣的读者可以尝试一下。
作者：Jake VanderPlas链接：http://jakevdp.github.io/blog/2017/12/18/simulating-chutes-and-ladders/Python 中的数据分析
34.用 Python 分析美国联邦政治行为
科学、政治、个人意见和社会政策的交集可能呈现相当复杂的情况。思想和学科的交汇点通常充斥着有争议的观点和基于信仰但缺乏经验证据的议程。这时，数据科学在这方面就显得特别重要，因为它提供了一种以实际事实为基础的考察世界的方法，能够深入了解我们今天所面临的一些最重要的问题。
这篇文章我们将用 Python 来分析美国联邦政府的一些政治行为，深入了解政治背后所隐藏的故事。
作者：Patrick Triest链接：https://blog.patricktriest.com/police-data-python/35.用 Python 分析 1000+ 的希腊葡萄酒
作者：Florents Tselai链接：https://tselai.com/greek-wines-analysis.html36.如何用 Python 生成 FiveThirtyEight 图
这篇文章将用 Python 的 matplotlib 和 pandas，来学习并查看 FiveThirtyEight（FTE）可视化的核心部分，并教会你使用 Python 来为自己的数据进行可视化。
作者：Josh Devlin链接：https://www.dataquest.io/blog/making-538-plots/37.使用 Apache Spark 和 Python 为 8000 万 Amazon 产品进行评价打分
作者编写了一个简单的 Python 脚本，将亚马逊产品评论数据集中的每类评分数据进行整合，并对这些 Amazon 产品评论数据进行分析打分，以发现用户的喜好。
作者：Max Woolf链接：http://minimaxir.com/2017/01/amazon-spark/38.使用 Python 进行地理空间分析
作者：Matthew Rocklin链接：https://matthewrocklin.com/blog//work/2017/09/21/accelerating-geopandas-139.星球：从太空中了解亚马逊，来自 Kaggle 头奖获奖者的采访
文章采访了 Kaggle 的“星球：从太空中了解亚马逊”竞赛的获奖者，内容包括他如何使用 11 个微调的卷积神经网络，标签关联的结构模型，以及如何避免过拟合现象等。
作者：Edwin Chen链接：http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/Python 入门
40.从零开始学习 Python
Python 的创建者 Guido van Rossum 曾说过，“Python 是一个高级编程语言，其核心设计理念是让代码具有高度的可读性和简单的语法，程序员可以用几行代码表达自己的想法。”
作者：TK链接：https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b56741.重要的 Python 练习清单
这篇文章列出了一些重要的练习项目，包括 Python 语言本身和标准库的练习。文章中还有 Python 中不同主题模块的知识。
作者：Ynon Perek链接：https://www.ynonperek.com/2017/09/21/python-exercises/42.API 的设计原则：先思考再编码
API 是定义应用程序接口的通用术语，换句话说，就是用户（人或机器）与程序的交互接口。在 Web 开发世界中，API 通常是一个网站，其中包含一系列端点，用于响应客户端请求和结构化文本数据。这篇文章将告诉你为什么以及如何设计一个正确的 API，如何将自己的思想植入到 API 的设计中来构建属于你自己的 API。
作者：Jonatas Baldin链接：https://www.ckl.io/blog/api-design-think-first-code-later43.Python 机器学习指南
本文将通过清晰地解释和有效的练习，来帮助你深度理解相关的机器学习算法。
作者：Conor Dewey链接：https://medium.freecodecamp.org/the-hitchhikers-guide-to-machine-learning-algorithms-in-python-bfad66adb37844.如何学习 Python 编程：6 位经验丰富的 Python 开发者分享了他们的观点
对于当下热门的 Python 语言，有太多的教程、书籍、视频和博客文章资源，然而如此多的冗余资料，你该如何选择最佳的方式开始你的 Python 学习之旅呢？这篇文章列出了 6 位 Python 专家分享的学习经验，相信这对于迷茫中的你来说，将受益匪浅。
链接：https://coolpythoncodes.com/best-way-learn-python-programming45.如何用 Python 实现强大的数据分析
Python 是数据分析的最佳编程语言，这得益于它自带的依赖库。依赖库能够存储，操纵数据，并从数据中获得核心信息，因而在数据科学领域被广泛使用并展现出强大的功能。本文介绍了 Python 在数据科学领域的应用历史以及最新发展。
作者：Jake VanderPlas链接：https://www.youtube.com/watch?v=9by46AAqz70
青藤云安全QINGTENG
如果有一定的电脑基础，如果有一定的英文基直接看官网的英文文档，如果想看书学，我建意《笨办法学python3》这本书不错，很适合入门者，我就从这本书开始学python的，这本基本上讲的都是例子，你只要通读这本书，然后把里边的代码都录入一遍并使其运行起来。在这本书里有个很有趣的说法"别当一个"蠢游客""。"蠢游客"就是那种去了一个国家旅游，然后回来抱怨那儿的饭不好吃的人。"为什么这个白痴国家连汉堡都买不到"，当你学习一种编程语言时，不要假设它的工作方式太蠢，它只是不同而已，只有接受它你才能学会。
还有你可以去大学慕课学python，学完了通过考试还可以拿证书。
记住学编程写程序，就像写文章，多看书多思考，把自已的想法都写出来。
想学的深度一点可以看看"流畅的pthon"这本书，这本书教你写出风格地道的python代码。
也可以去网站学习https://m.runoob.com/python3/python3-tutorial.html
这教程适合想从零开始学习Python编程语言的开发人员。当然本教程也会对一些模块进行深入，让你更好的了解Python的应用。
不平常的芝麻
首先我来介绍一下简单的Python环境搭建，之后的学习就需要自己寻找教程了。廖雪峰的教程算是比较入门的教程。国内网络上完美针对新手的教程还是太少。因为如果自己写过教程的话，就会发现为了照顾新手，要介绍的东西太多了，写起来可能实在是有点麻烦。我自己也曾经想写一些教程，最后还是放弃了，太吉尔麻烦了。
下载并安装Python
首先到Python官网下载Python安装包。官网地址如下：
https://www.python.org/downloads/
一般下载最新的Python就行了，Python 3.7同时兼容之前的Python 3，Python 2属于过时的东西了，虽然现在还有很多Python 2的东西正在运行。但是未来是Python 3的，学会了Python 3，Python 2也很简单。上面那个页面点击之后需要往下拉一下才能看到下面的下载链接。然后选择如图所示的本地安装包即可。
下载下来的安装包双击安装即可。需要注意安装的时候有一个选项叫做“add path”之类的（将Python解释器添加到PATH环境变量中），一般要勾选。
下载安装VS CODE
有了Python运行环境之后，还需要一个好用的编辑器/IDE才行。我感觉Python最好的IDE还是Jetbrains PyCharm，可惜是收费的软件。当然PyCharm也有免费的社区版，大家可以下载试用一下。但是一方面它是英文的，对于很多人来说门槛比较高；二来它对电脑配置要求也比较高，如果你电脑只有8G甚至只有4G，运行它会很卡。另外一个神级IDE Visual Studio也是一样，最新的2019版同样支持Python开发，但是首先庞大的C盘占用就阻挡了很多用户。
所以这里我准备介绍的是功能比较轻量级的编辑器Visual Studio Code，虽然是个编辑器，但是通过安装一些插件，同样可以达到IDE的功能，而且最关键的它轻量很多，而且有中文语言。从VS CODE入门相信是个不错的选择。
VS Code安装方法很简单，从下面的网址进入，点击网页中大大的绿色的下载按钮即可。官网地址：
https://code.visualstudio.com/
然后打开Code，点击左边的扩展图标，然后在输入框中搜索Python，然后安装Python Extension Pack和Python Preview两个插件。
然后打开文件->首选项->设置，在设置中搜索save，然后选中format on save。
创建项目文件夹
上面全搞完之后，就可以创建一个项目文件夹来测试一下了。选择文件菜单->打开文件夹，然后新建一个文件夹作为项目文件夹，然后点击确定即可。
然后新建一个后缀名为py的Python文件。
然后随便输入一点Python代码，然后点击Ctrl+S保存，看看会不会自动格式化代码。如果不会的话，可能是出bug了，我有时候也这样，需要手动点击格式化代码快捷键Alt+Shift+F才行。第一次安装的话，很有可能会在右下角弹一个提示，让你安装pep8格式化代码库，点击yes，code就会自动安装，等待其安装完毕即可。
然后点击Ctrl+F5就可以运行代码了。
如果在学习的过程中，对某段Python代码不太熟悉，想仔细了解其执行过程的话。可以在文件上右键点击，选择在侧边打开预览。
这样会打开一个详细的执行分析窗口。通过拖动进度条或者点击下方按钮的方式，我们可以仔细查看代码的执行情况，分析每一步变量的值。这对于初学者来说应该很有帮助。
当然以上最多只能帮大家配置一下运行Python的环境，要学会Python还有很长的路要走。遇到的困难也绝不是配置环境这么简单。希望大家能够克服困难，一起进步！
