Ce塞西莉婭

作為一名一線研發人員，雖然最近幾年只是使用Python完成一些腳本工具的編寫，不過不妨礙自己在這裡大膽的將學習過程進行總結輸出，歡迎各位大佬拍磚。

Python的理念就是簡潔、優美。可能，你使用C++、Java等編程語言幾行甚至十幾行才可以完成的功能，Python一行代碼即可搞定。

在編程的道路上，我們要始終相信一萬小時定律，沒有什麼捷徑可以走，眼過千遍不如手過一遍，這句我們從小上學就被老師教導的語句在編程之路上依舊是成立的，“整就牛”，動手coding才是最直接的。

下面推薦一些經典的資料：

1. Python官方文檔

首推官方文檔，我想這個應該沒有什麼二義性了，你所有的疑問都是可以在這裡找到答案的，如果你擔心自己的英文不夠優秀，完全沒有關係，它也是存在中文文檔的。

2. Python編程從入門到實踐

如果你之前從未接觸過Python，甚至沒有接觸過編程，那麼很好，這本書正是為你準備的，

3. 流程的Python

這本應該算的上是進階級別的作品了。他可以帶領我們領略Pyhton的一些原理和特點, 而不只是停留在框架使用上面，仔細的去閱讀它，實踐它，你將會收貨更多。

當然，最後要說的，還是那句話，整就牛！

最後，不要再去參與什麼IDE、編輯器的聖戰。VisuaStudio、PyCharm、Vim、VSCode等等等等，哪個順手就用哪個，多多編碼，多多實戰，才是快速提升自己編程功底的便捷之道。用黑哥的一句話來總結，正就牛！

一個程序員的奮鬥史

我是自學的，找著了一些入門的視頻，跟著學。差不多了，就做一些簡單的項目，敲代碼加深印象。後來又買了兩本書，沒事了就抽空看看。自己一個人學習特無聊，然後就在網上跟大家交流了。你要是想學python，我們可以多多交流，一起進步。我目前主攻爬蟲和Django

這輩子就python了

需要明確一點：沒有捷徑。編程是需要反覆練習的。也就是頻繁的敲代碼驗證所學所想。

因為之前我一直用Java，抽空學習了python，然後用來爬了一些不能言說的東西，也用過其他編程語言；所以感覺最快的速度就是實戰學的最快，嘿嘿嘿！

分兩種情況學習：

• 沒有編程語言基礎，0基礎開始學習；

• 有其他編程語言基礎然後學習Python。

沒有編程語言基礎開始學習

1、在培訓機構報名學習。

不得不說這是最有效的學習方法。因為價格不菲，交錢了，所以學習格外有動力；還因為學習環境更能驅動自己，還因為有更易交流的環境和人，當然培訓機構和老師為了口碑，一般都會把最精華的交給學生。這時候只要跟隨老師的課堂節奏，基本都能學會。更深層的學習稍後詳談。

培訓機構就不介紹了，避免廣告嫌疑。

2、自學、或者學校。

這兩個放一起，其實學校老師教和自己學基本差別不是數量級的。

計算機技術類的學習網站還是挺多的。無論是視頻、博客、書籍等。

零基礎的話推薦“視頻”+“書籍”+ 敲代碼練習

• 視頻：-- 圖形是最有效記憶和理解方式。

• 書籍：-- 加深記憶、隨時翻閱回憶，相當於工具。

視頻基於製作成本和方式，並不是所有內容都會視頻中列出。學習資料是內容最全的，只是需要的時間成本更多，但也是學習的知識面最全的。必不可少。

書籍選擇對於編程類的很簡單：一般都是 **從入門到精通，**程序設計, **編程思想, ** 設計模式, ** 實戰。剛開始學從 “**入門到精通”的書入手就可以了，在天貓、京東、噹噹搜索，然後選銷量最多的就行了。其實也可以 看電子的，看你的個人喜好了。書中的例子最好都自己代碼實現一下。

博客基本是CSDN，博客園，簡書，W3C、RUNOOB等

• 練習（敲代碼）

編程的學習，反覆的敲代碼驗證視頻或者書籍中例子，或者驗證自己的想法，反覆練習是必不可少的。這裡的反覆練習，並不是說好像背課文一樣一字不落的背下來。一定是先想明白原理，在動手敲，最後的目的是提及某個問題，自己想出解決方案，並代碼實現出來。切忌背代碼。

有其他編程語言基礎然後學習Python

基本你們也是老鳥了，這樣學起來很簡單啊，看看語法，看看基本類型，大概結構，開始碼代碼吧，寫著寫著、debug著debug著就會了。

沒有什麼捷徑：記住基本語法變量等+反覆練習。實踐出真知。進步最快的方法就是用學的這個語言實現功能，解決問題，看大神的代碼。看書。是的，最後到大神只能看各種資料了，視頻是給初學者用的。

說簡單也簡單，說難也難。簡單的是代碼的搬運工，難得是把問題用代碼解決出來。世界三大科學思維之一是：計算思維。

錘哥編程

我是這樣學的。

碎片時間的利用

坐電車，午休間隙，睡前五分鐘，入眠輕鬆松。

各種有意思的工具

• iPhone手機的pythonista，隨時隨地可以編程看效果。
  
  

• 頭條裡的python文章，這個特別好，因為頭條很智能，會不停的推送一些相關文章。同一個問題從不同角度看，也會加深印象，容易找到自己喜歡和容易接受的講解方式。
• python turtle，小朋友也能接受，我總是相信沒有學不會的，只有路子不對的。
  
  
  

各種視頻

這個就很重要，微軟也專門出了一系列的免費視頻。看視頻會印象極其深刻，也可以邊看邊操作，適合初學者。

朋友一起

一個人總是很難堅持下去，找朋友一起，可以交流，訴苦，互相鼓舞。如果參加個學習會就更棒了，偶爾來個發表，掀起個學習小高潮。

解決眼前的小問題

不貪大，人工智能呀，數據分析呀，挺好，但不急。先著眼於當下的小問題，提高下工作效率，一點一點的積累成就感。

總之，零壓力，當興趣，一定能走的更遠。謝謝。

DanceWithPython

1、首先，勤於動手敲代碼。入門時我是照著《笨辦法學Python》這本書一邊看，一邊找著書本敲代碼，做實驗。剛開始不求全都明白，先熟悉基本語法和內置函數，使自己都一個大致的瞭解。

2、網上查找一些知名博客和視頻教程，對於自己不懂的知識點重點學習，一遍一遍看教程，如廖雪峰的網站、51cto的博客和視頻教程前後看了不少。當然，看的過程中一定是要動手的，找著做一遍慢慢就懂了直至匯融貫通。

3、給自己找幾個小項目練手。比如學習從網站批量下載圖片、下載電子式，簡單的數據分析等。只有自己獨立做出了小項目，整個過程完全實現，才是真的掌握了語言。

以上是個人的經驗分享，供參考。希望對你有用！

Office聯璧Windows

8 個 Python 高效數據分析的技巧

不管是參加Kaggle比賽，還是開發一個深度學習應用，第一步總是數據分析，這篇文章介紹了8個使用Python進行數據分析的方法，不僅能夠提升運行效率，還能夠使代碼更加“優美”。

一行代碼定義List

定義某種列表時，寫For 循環過於麻煩，幸運的是，Python有一種內置的方法可以在一行代碼中解決這個問題。

下面是使用For循環創建列表和用一行代碼創建列表的對比。

x = [1,2,3,4]

out = []

for item in x:

out.append(item**2)

print(out)

[1, 4, 9, 16]

# vs.

x = [1,2,3,4]

out = [item**2 for item in x]

print(out)

[1, 4, 9, 16]

Lambda表達式

厭倦了定義用不了幾次的函數？Lambda表達式是你的救星！Lambda表達式用於在Python中創建小型，一次性和匿名函數對象。它能替你創建一個函數。

lambda表達式的基本語法是：

lambda arguments: expression

請注意，只要有一個lambda表達式，就可以完成常規函數可以執行的任何操作。你可以從下面的例子中，感受lambda表達式的強大功能：

double = lambda x: x * 2

print(double(5))

10

Map和Filter

一旦掌握了lambda表達式，學習將它們與Map和Filter函數配合使用，可以實現更為強大的功能。

具體來說，map通過對列表中每個元素執行某種操作並將其轉換為新列表。在本例中，它遍歷每個元素並乘以2，構成新列表。請注意，list()函數只是將輸出轉換為列表類型。

# Map

seq = [1, 2, 3, 4, 5]

result = list(map(lambda var: var*2, seq))

print(result)

[2, 4, 6, 8, 10]

Filter函數接受一個列表和一條規則，就像map一樣，但它通過比較每個元素和布爾過濾規則來返回原始列表的一個子集。

# Filter

seq = [1, 2, 3, 4, 5]

result = list(filter(lambda x: x > 2, seq))

print(result)

[3, 4, 5]

Arange和Linspace

Arange返回給定步長的等差列表。它的三個參數start、stop、step分別表示起始值，結束值和步長， 請注意，stop點是一個“截止”值，因此它不會包含在數組輸出中。

# np.arange(start, stop, step)

np.arange(3, 7, 2)

array([3, 5])

Linspace和Arrange非常相似，但略有不同。Linspace以指定數目均勻分割區間。所以給定區間start和end，以及等分分割點數目num，linspace將返回一個NumPy數組。這對繪圖時數據可視化和聲明座標軸特別有用。

# np.linspace(start, stop, num)

np.linspace(2.0, 3.0, num=5)

array([ 2.0, 2.25, 2.5, 2.75, 3.0])

Axis代表什麼？

在Pandas中，刪除一列或在NumPy矩陣中求和值時，可能會遇到Axis。我們用刪除一列（行）的例子：

df.drop( Column A , axis=1)

df.drop( Row A , axis=0)

如果你想處理列，將Axis設置為1，如果你想要處理行，將其設置為0。但為什麼呢？回想一下Pandas中的shape

df.shape

(# of Rows, # of Columns)

從Pandas DataFrame中調用shape屬性返回一個元組，第一個值代表行數，第二個值代表列數。如果你想在Python中對其進行索引，則行數下標為0，列數下標為1，這很像我們如何聲明軸值。

Concat，Merge和Join

如果您熟悉SQL，那麼這些概念對您來說可能會更容易。無論如何，這些函數本質上就是以特定方式組合DataFrame的方式。在哪個時間跟蹤哪一個最適合使用可能很困難，所以讓我們回顧一下。

Concat允許用戶在表格下面或旁邊追加一個或多個DataFrame（取決於您如何定義軸）。

Merge將多個DataFrame合併指定主鍵（Key）相同的行。

Join，和Merge一樣，合併了兩個DataFrame。但它不按某個指定的主鍵合併，而是根據相同的列名或行名合併。

Pandas Apply

pply是為Pandas Series而設計的。如果你不太熟悉Series，可以將它想成類似Numpy的數組。

Apply將一個函數應用於指定軸上的每一個元素。使用Apply，可以將DataFrame列（是一個Series）的值進行格式設置和操作，不用循環，非常有用！

df = pd.DataFrame([[4, 9],] * 3, columns=[ A , B ])

df

A B

0 4 9

1 4 9

2 4 9

df.apply(np.sqrt)

A B

0 2.0 3.0

1 2.0 3.0

2 2.0 3.0

df.apply(np.sum, axis=0)

A 12

B 27

df.apply(np.sum, axis=1)

0 13

1 13

2 13

Pivot Tables

最後是Pivot Tables。如果您熟悉Microsoft Excel，那麼你也許聽說過數據透視表。Pandas內置的pivot_table函數以DataFrame的形式創建電子表格樣式的數據透視表,，它可以幫助我們快速查看某幾列的數據。下面是幾個例子：非常智能地將數據按照“Manager”分了組

pd.pivot_table(df, index=["Manager\

狼眼觀察

上海千鋒教育

怎樣學python，要因人而異。

首先，具有其他語言編程基礎的人，可以快速入門。具體建議如下：簡單瞭解python的語法—>學習現有代碼（同事實現的簡單腳本或者開源庫，根據個人能力選擇）—>動手實踐（最好基於具體的任務來做）；這也是我個人的python學習經歷，工作中的主要語言是C++，所以並沒有花很大精力去學習python，用的多了慢慢就熟了。

其次，沒有其他語言編程基礎的同學，需要投入精力。最好從基礎的語法學起，建議不用投入過多精力熟記語法，因為通常記不住，即使記住了也不會用。我們做到“知道”就可以了，具體用時可以再去查詢。這樣學習會更高效。

再次，具有python基礎，想要提高的同學。方法無他，一學二看三練：學具體領域的庫，看大牛的代碼，動手練習。例如數據處理領域，pandas是必須的，深度學習領域tensorflow,pytorch,mxnet等選擇一個。

最後，經常看到xx天入門xx，入門的概念是什麼，取決於每個人對自己的定位。成功沒有捷徑，只能砥礪前行，就像賣油翁一樣（無他，唯手熟爾！）。

rongzhenlee

我看的尚學堂的Python400集學的，學了一個多月了，基本語法都學的差不多了，還在繼續學習，感覺很有效果

Ce塞西莉婭

你好😊，無論是學習任何一門語言，基礎知識，就是基礎功非常的重要，找一個有豐富編程經驗的老師或者師兄帶著你會少走很多彎路， 你的進步速度也會快很多，無論我們學習的目的是什麼，不得不說真的是一門值得你付出時間去學習的優秀編程語言。如在選擇培訓時一定要多方面對比教學，師資，項目，就業等，慎重選擇。回答問題可以的話(給點贊求關注)謝謝!😊

關鍵字: 科技 你們 人生