Python 如何入门？

1.第一 python入门基础：这些都是基础，基本概念必须清楚！

学习Python需要掌握如下基础知识以及相关技能。
1.Python基础知识（变量、语句、数据类型、数值类型、字符串、布尔类型、列表、字典、元组、条件语句、循环语句、函数、装饰器、面向对象、网络socket、爬虫）
2.Python基础库（模块、包、系统模块、三方模块）
3.python文件处理（读、写、执行、）
4.python字符统计
5.python数据排序

2.学习方法：万虐终成神！敲代码，解决BUG才是学习。

只记Python基础语法，却没什么鸟用。就像幼儿园，老师在黑板上写的‘肉’字，记住这个字咋写，一笔一划的记住，只需要半天，但是把这个词和你平时吃的东西绑定，以至于后面你想到这个字，就流口水，需要日常的重复训练。

同理：无方向的看书，看视频也没什么用，其实可以通过直接实战来上手，比如：
文件操作
字符排序
网络编程

错误的学习方法：
很多人在学习Python的时候常常会犯下面一种情况：
买一本厚厚的编程指南，逼自己看完，记住每个语法，闭门看书三个月，吃透一本书，最后一行代码也写不出来。

正确的学习方法：
编程就像骑自行车，买一本<<骑自行车大全>>是没有什么用的。
正确姿势：掌握最基础的姿势，就可以骑上车出发了，实际练手几天，摔几跤，基本就学会了。

3.自我进行测评：基础门槛，不过需要找原因并解决。

很多朋友反馈：Python基础语法都学会了，但不知如何写项目进阶？
1.List，Dict特性倒背如流，就是无法写出实际的项目。
2.各种书籍也看，写不出东西。
3.各种视频也看，写不出东西。
4.各种大会也去，名词高大上，但是没学到具体的技能。

对自我进行检测：

1.给你一个字符串“come baby,python rocks!” 如何统计里面字母o出现的次数！
思路：遍历字符串，定义一个变量，每次o出现，都+1

2.给你一个字符串“come baby,python rocks!” 如何统计这里面所有字母出现的次数！（普通变量肯定无法完成。）
思路：需要使用字典这类复杂的数据结构处理，字母当key，出现的次数当value，每个key出现，对应的value+1

3.给你一个字符串“come baby,python rocks!” 如何统计这里面字母出现次数的前三名！
思路：排序，取出前三

后续扩展练习：

1.给你一个字符串“come baby,python rocks!” 怎么统计出现次数前三的字母。
2.一个nginx日志文件，怎么统计IP出现次数前三的url。
3.一个nginx日志文件，统计IP出现前三后，如何存入MySQL数据库。
4.存入MySQL中的日志文件，如何输出给浏览器端显示。
5.如何美化前端表格等等。

4.重要学习部分：python库怎么学

模块
将多个代码块（按功能）定义到同一个文件中。别的文件中使用时则先导入模块，在调用模块内变量或函数。
模块命名要符合python变量的命名规范
1.建议全小写英文字母和数字
2.避免与常用模块或第三方模块名称冲突
控制模块内代码在使用python mod.py时执行，在导入时不执行
1.通过Global内变量__name__进行判断
2.当以python mod.py运行脚本时__name__变量为__main__字符串
3.当以模块导入时__name__为模块名称字符串

包
将不同模块文件放在不同文件夹内，包文件夹下面需要有__init__.py文件用以声明该文件为Python包。
使用时需要从包内导入模块后调用模块中变量和函数。

常用系统模块：

os,sys,time,datetime,urllib,xml,json,email,csv,collections,math,zipfile,trafile,hashlib
常用三方模块：

requests,pyquery,django,flask,mysqlclient,paramiko,redis,lxml,dateutils,ipaddr,netaddr

模块学习方法：

1.先知道有没有
2.用的时候在查
内置工具：dir、help
搜索引擎：google、百度

5.再说一个python目前一个热点：python Web应用（python全栈）

1.Python基础入门（入门、数据类型、条件表达、循环语句）
2.Python基础进阶（文件操作、函数、装饰器、模块、面向对象、网络编程）
3.Python前端知识（Html、Css、Js、Jquery、Bootstrap、）
4.Python高级用法（Django、Flask、数据库操作、MVC、ORM、Admin、template）
5.Python项目实战（电商项目、爬虫项目、常用组件、运维项目、代码调优）
6.Python高级进阶（数据算法、代码规范、面试技巧）

重要：多抄、多写、多想、多问、多看、多听、多说

1.学习编程就是为了解决实际的问题，把自己在工作或学习中的重复工作程序化
2.谷歌和度娘
3.加入开源社区（多看、多分享、多交流）
4.参加培训辅导（仔细听课、跟上课堂学习，有问题做记录，课后查阅资料或请求他人）
5.善于记录笔记，不断总结，查漏补缺。

6.python前景之一：大数据分析

1.python基础入门（入门、数据类型、条件表达、循环语句）

2.python基础进阶（文件操作、函数、装饰器、模块、面向对象、网络编程）

3.python数据采集：（外部数据源导入分析&爬虫自己采集数据源分析）

4.数据分析：（各种库，如Pandas库，Numpy库必备数据库）

5.数据可视化：（matplotlib库）

重要：实用即可，最具价值，切莫花哨不适用

7.python前景之二：机器学习

 

• 直接看应用吧：看起来是个云端的概念

1.计算机视觉

典型的应用包括：人脸识别、车牌识别、扫描文字识别、图片内容识别、图片搜索等等。

2.自然语言处理

典型的应用包括：搜索引擎智能匹配、文本内容理解、文本情绪判断，语音识别、输入法、机器翻译等等。

3.社会网络分析

典型的应用包括：用户画像、网络关联分析、欺诈作弊发现、热点发现等等。

4.推荐

典型的应用包括：虾米音乐的“歌曲推荐”，某宝的“猜你喜欢”等等。

 

• 学习路线：

1. 数学基础：微积分、线性代数、概率与统计、典型算法

2.编程语言、工具和环境:python

python有着全品类的数据科学工具，从数据获取、数据清洗到整合各种算法都做得非常全面。

• 网页爬虫: scrapy

• 数据挖掘:

  • pandas：模拟R，进行数据浏览与预处理。

  • numpy：数组运算。

  • scipy：高效的科学计算。

  • matplotlib：非常方便的数据可视化工具。

• 机器学习:

  • scikit-learn：远近闻名的机器学习package。未必是最高效的，但是接口真心封装得好，几乎所有的机器学习算法输入输出部分格式都一致。而它的支持文档甚至可以直接当做教程来学习，非常用心。对于不是非常高纬度、高量级的数据，scikit-learn胜任得非常好(有兴趣可以看看sklearn的源码，也很有意思)。

  • libsvm：高效率的svm模型实现(了解一下很有好处，libsvm的系数数据输入格式，在各处都非常常见)

  • keras/TensorFlow：对深度学习感兴趣的同学，也能很方便地搭建自己的神经网络了。

• 自然语言处理:

  • nltk：自然语言处理的相关功能做得非常全面，有典型语料库，而且上手也非常容易。

• 交互式环境：

  • ipython notebook：能直接打通数据到结果的通道，方便至极。强力推荐。

3.编程语言、工具和环境:R

R最大的优势是开源社区，聚集了非常多功能强大可直接使用的包，绝大多数的机器学习算法在R中都有完善的包可直接使用，同时文档也非常齐全。常见的package包括：RGtk2, pmml, colorspace, ada, amap, arules, biclust, cba, descr, doBy, e1071, ellipse等等。另外，值得一提的是R的可视化效果做得非常不错，而这对于机器学习是非常有帮助的。

4.其他语言

相应资深程序员GG的要求，再补充一下Java和C++相关机器学习package。

• Java系列

• WEKA Machine Learning Workbench 相当于java中的scikit-learn

• 其他的工具如 Massive Online Analysis（MOA）、MEKA 、 Mallet等也非常有名。

• C++系列

• mlpack，高效同时可扩充性非常好的机器学习库。

• Shark：文档齐全的老牌C++机器学习库。

8.相关学习文档资料

国内python资源汇总，找公众号超乎想象，知识兔下载课程。

 

开发文档资源整理

环境管理

管理 Python 版本和环境的工具

• p：非常简单的交互式 python 版本管理工具。官网

• pyenv：简单的 Python 版本管理工具。官网

• Vex：可以在虚拟环境中执行命令。官网

• virtualenv：创建独立 Python 环境的工具。官网

• virtualenvwrapper：virtualenv 的一组扩展。官网

包管理

管理包和依赖的工具。

• pip：Python 包和依赖关系管理工具。官网

• pip-tools：保证 Python 包依赖关系更新的一组工具。官网

• conda：跨平台，Python 二进制包管理工具。官网

• Curdling：管理 Python 包的命令行工具。官网

• wheel：Python 分发的新标准，意在取代 eggs。官网

包仓库

本地 PyPI 仓库服务和代理。

• warehouse：下一代 PyPI。官网

  • Warehouse：PyPA 提供的 PyPI 镜像工具。官网 bandersnatch

 

• devpi：PyPI 服务和打包/测试/分发工具。官网

• localshop：本地 PyPI 服务（自定义包并且自动对 PyPI 镜像）。官网

分发

打包为可执行文件以便分发。

• PyInstaller：将 Python 程序转换成独立的执行文件（跨平台）。官网

• dh-virtualenv：构建并将 virtualenv 虚拟环境作为一个 Debian 包来发布。官网

• Nuitka：将脚本、模块、包编译成可执行文件或扩展模块。官网

• py2app：将 Python 脚本变为独立软件包（Mac OS X）。官网

• py2exe：将 Python 脚本变为独立软件包（Windows）。官网

• pynsist：一个用来创建 Windows 安装程序的工具，可以在安装程序中打包 Python本身。官网

构建工具

将源码编译成软件。

• buildout：一个构建系统，从多个组件来创建，组装和部署应用。官网

• BitBake：针对嵌入式 Linux 的类似 make 的构建工具。官网

• fabricate：对任何语言自动找到依赖关系的构建工具。官网

• PlatformIO：多平台命令行构建工具。官网

• PyBuilder：纯 Python 实现的持续化构建工具。官网

• SCons：软件构建工具。官网

交互式解析器

交互式 Python 解析器。

• IPython：功能丰富的工具，非常有效的使用交互式 Python。官网

• bpython：界面丰富的 Python 解析器。官网

• ptpython：高级交互式Python解析器， 构建于python-prompt-toolkit 之上。官网

文件

文件管理和 MIME（多用途的网际邮件扩充协议）类型检测。

• imghdr：（Python 标准库）检测图片类型。官网

• mimetypes：（Python 标准库）将文件名映射为 MIME 类型。官网

• path.py：对 os.path 进行封装的模块。官网

• pathlib：（Python3.4+ 标准库）跨平台的、面向对象的路径操作库。官网

• python-magic：文件类型检测的第三方库 libmagic 的 Python 接口。官网

• Unipath：用面向对象的方式操作文件和目录。官网

• watchdog：管理文件系统事件的 API 和 shell 工具官网