python廖雪峰項目實戰

⑴ 看完廖雪峰的python，但是感覺自己掌握不扎實，不知道該怎麼做

python感覺自己掌握不扎實，不知道該怎麼做
不管學習什麼新的東西，效率最低但是又不可或缺的環節就是看教科書了。雖然看書的過程可能會很無聊，但是過一遍書至少能對整個知識框架有個大體的把握。我最早知道 Python 還是在《黑客與畫家》這本書中看到的，書裡面有一章節是講編程語言的，作者很推薦把 python 作為學習編程的入門語言。我當時是把《簡明 Python 教程》給過了一邊，後來又看了一遍《深入python》，這里特別推薦《深入 Python》，除了介紹 python 的基本特性之外，還介紹了諸如函數編程、正則表達式、處理 HTML 和 XML等高級用法。除了看書，上公開課也是挺不錯的，視頻教學本來就比自己啃教科書有意思，而且完成課程作業也能鍛煉動手編程能力。我上過兩門不錯的公開課，一門是萊斯大學在 Coursera 上開的《Python互動式編程導論》，一邊學 python，一邊寫些小游戲，肯定不會覺得無聊；另一門就是 MIT 在 edX 上開的《計算機科學及python編程導論》，它是 MIT edX系列課程（XSeries）中的第一課，系列課程共兩門，除了這門課以外還有《計算思維及數據科學導論》，不過第二門就沒有上過了。

《簡明 Python 教程》
《深入 Python》
《Python互動式編程導論》
《計算機科學及python編程導論》

另外，我和題主的情況有點像，也不是學計算機專業的，並且同樣對自己的專業不感興趣，以後也是想從事與數據科學相關的工作。我目前的狀況都是在自學，上公開課，看教科書，跟大牛們的技術博客。

⑵ 入門到精通的路上，有哪些快速掌握Python的途徑

在學習Python的路上，從入門到精通有那些途徑？網路提問和解答的都很多，你可以網路下看看。我目前只是入門還談不上精通，總結個人自學的經驗，應從以下幾個方面來理解：

1 為什麼選擇學python？

據統計零基礎或非專業的人士學python的比較多，據HackerRank開發者調查報告2018年5月顯示（見圖），Python排名第一，成為最受歡迎編程語言。Python以優雅、簡潔著稱，入行門檻低，可以從事linux運維、Python Web網站工程師、Python自動化測試、數據分析、人工智慧等職位，薪資待遇呈上漲趨勢。

2 入門python需要那些准備？

2.1 心態准備。編程是一門技術，也可說是一門手藝。如同書法、繪畫、樂器、雕刻等，技藝純熟的背後肯定付出了長時間的反復練習。不要相信幾周速成，也不能急於求成。編程的世界浩瀚無邊，所以請保持一顆敬畏的心態去學習，認真對待寫下的每一行代碼，甚至每一個字元。收拾好自己的心態，向著編程的世界出發。第一步至關重要，關繫到初學者從入門到精通還是從入門到放棄。選一條合適的入門道路，並堅持走下去。

2.2 配置 Python 學習環境。選Python2 還是 Python3？入門時很多人都會糾結。二者只是程序不兼容，思想上並無大差別，語法變動也並不多。選擇任何一個入手，都沒有大影響。如果你仍然無法抉擇，那請選擇 Python3，畢竟這是未來的趨勢。

編輯器該如何選？同樣，推薦 pycharm 社區版，配置簡單、功能強大、使用起來省時省心，對初學者友好，並且完全免費！其他編輯器如：notepad++、sublimeText 3、vim 和 Emacs等不推薦了。

操作環境？Python 支持現有所有主流操作平台，不管是 windows 還是 mac 還是 linux，都能很好的運行 Python。並且後兩者都默認自帶 Python 環境。

2.3 選擇自學的書籍。我推薦的書的內容由淺入深，建議按照先後順序閱讀學習：

2.3.1《Python簡明教程》。這是一本言簡意賅的 Python 入門教程，簡單直白，沒有廢話。就算沒有基礎，你也可以像讀小說一樣，花兩天時間就可以讀完。適合入門快速了解語法。

2.3.2 廖雪峰編寫的《Python教程》。廖先生的教程涵蓋了 Python 知識的方方面面，內容更加系統，有一定深度，有一定基礎之後學習會有更多的收獲。

2.4 學會安裝包。Python中有很多擴展包，想要安裝這些包可以採用兩種方法：

2.4.1 使用pip或easy_install。

1)在網上找到的需要的包，下載下來。eg. rsa-3.1.4.tar.gz;

2)解壓縮該文件;

3)命令行工具cd切換到所要安裝的包的目錄，找到setup.py文件，然後輸入python setup.py install

2.4.2 不用pip或easy_install,直接打開cmd，敲pip install rsa。

3 提升階段需要恆心和耐力。

完成入門階段的基礎學習之後，常會陷入一個瓶頸期，通過看教程很難進一步提高編程水平。這時候，需要的是反復練習，大量的練習。可以從書上的例題、作業題開始寫，再寫小程序片段，然後寫完整的項目。我們收集了一些練習題和網站。可根據自己階段，選擇適合的練習去做。建議最好挑選一兩個系列重點完成，而不是淺嘗輒止。

3.1 多做練習。推薦網站練習：

crossin編程教室實例：相對於編程教室基礎練習著重於單一知識點，

編程實例訓練對基礎知識的融會貫通；

hackerrank：Python 部分難度循序漸進，符合學習曲線

實驗樓：提升編程水平從做項目開始；

codewar：社區型編程練習網站，內容由易到難；

leetcode：為編程面試准備，對初學者稍難；

牛客網：提供 BAT 等大廠筆試題目；

codecombat：提供一邊游戲一邊編程；

projecteuler：純粹的編程練習網站；

菜鳥教程100例：基於 py2 的基礎練習；

3.2 遇到問題多交流。

3.2.1 利用好搜索引擎。

3.2.2 求助於各大網站。推薦

stackoverflow：這是一個程序員的知識庫；

v2ex：國內非常不錯的編程社區，不僅僅是包含程序，也包含了程序員的生活；

segmentfault：一家以編程問答為主的網站;

CSDN、知乎、簡書等

3.2.3 加入相關的QQ、微信群、網路知道。不懂的可以隨時請教。

3.2.4 如果經費充足可參加編程實戰的培訓班（入門時不建議參加培訓）。

⑶ 誰知道這個python數據分析教程是哪個機構的嗎或者有資源的！ 非常感謝

使用Python進行數據挖掘是最近幾年才開始火起來的，之前網上很多的資料都是關於Python網頁開發等。但使用Python進行數據挖掘的側重點已經完成不一樣了。本人就是浪費了很多時間來篩選這些博客、書籍。所以就有了本文，希望能幫大家少走一點彎路。

熟練掌握任何一門語言，幾乎都需要經過以下過程：

• 良師－－學習Python課程＋入門書籍＋瀏覽技術博客

• 社區幫助－－善於使用搜索引擎、Mail List

• 益友 －－ 尋找學習夥伴

• Learn by Code －－項目實踐

一、Python學習課程推薦

這兩個學習課程從最基礎的Python語法開始，介紹了Python數據分析、統計模型以及機器學習的各個方面，內容十分充足。之所以建議使用老外的課程是因為，老外上課假定你什麼都不會，講解深入淺出，尤其是對於華盛頓大學的機器學習課程，把復雜的概念講解得十分簡單。

1. 密歇根大學的《學習使用Python編程並分析數據》主要包括以下課程(講解十分詳細，深入淺出，非常適合入門學習，視頻都是有字幕的)：

• 《大家的編程 (Python 入門》：課程涵蓋了如何使用Python的基本指令編寫程序. 課程對學生沒有先設要求, 我們只涉及到最基本的數學, 有一定使用電腦經驗的人都可以完全掌握這門課的內容.

• 《Python 數據結構》：本課程將介紹Python編程語言的核心數據結構。我們將學習編程語言的基礎概念，探索如何使用Python的內置數據結構，如列表、字典、元組，進行更為復雜的數據分析。

• 《使用 Python 訪問網路數據》：使用Python爬取和解析網路數據

• 《Python 資料庫開發》：使用Python和資料庫進行交互

• 《使用 Python 獲取並處理數據，並用可視化方式展現數據》

2. 華盛頓大學的《機器學習》專項課程

在專項課程頁面無法選擇旁聽，必須點擊進入單獨課程頁面才可，這個課程專題旁聽是有限制的，無法提交作業；如有需求，可以申請獎學金，回答三個問題即可，系統自動通過申請。

• 《機器學習基礎：案例研究》：你是否好奇數據可以告訴你什麼？你是否想在關於機器學習促進商業的核心方式上有深層次的理解？你是否想能同專家們討論關於回歸，分類，深度學習以及推薦系統的一切？在這門課上，你將會通過一系列實際案例學習來獲取實踐經歷。

• 《機器學習：回歸》

• 《機器學習：分類》

• 《機器學習：聚類和檢索》

• 《機器學習：推薦系統和降維》

• 《機器學習：應用深度學習創建智能運用》

二、網上打碼教程

Learn by doing!!! 學習編程最有效的方式就是敲代碼！

• Codecademy圍繞Python 的基礎語法，內容非常豐富。

• DatacampPython基本語法（他家的R語言課程十分不錯！）

三、Python技術博客

簡單介紹一些非常棒的Python技術學習的博客

1.廖雪峰Python教程簡單易上手的Python基礎語法教程，值得學習, Python 2和Python 3版本都有。

2.非常棒的pandas練習Github Repo

3.很詳細的Python 爬蟲教程

4.國外Data Science博客大全

四、Python入門書籍推薦

常用書籍下載網址，幾乎囊括了網上能找得到的所有Python相關的書籍（PDF、Epub和mo bi格式），且提供雲盤下載鏈接。你值得擁有！

python | 搜索結果

1. 掌握Python語法的基礎上學習《Python for data analysis》是比較不錯的選擇，涵蓋了ipython notebook、Numpy、Scipy和Pandas包的使用。

2.《Python數據分析與挖掘實戰》介紹了使用Python進行數據挖掘的詳細案例，數據和代碼都可以下載，作為機器學習的進階學習是不錯的選擇（這本書也用對應的R語言和Matlab 版本）。

3.《Python Cookbook》很厚的一本書，可以作為Python語法查詢手冊。

再添加幾個外文書籍下載網址：

1.All IT eBooks全

2.Library Genesis各種書籍，不局限於編程書籍

3.Fox eBook - eBooks Free Download Site

4.Development / Programming / AvaxHome

五、推薦訂閱博客（更細頻率較高）

iPhone上可以使用Reeder閱讀器，Instapaper用來保存後稍後閱讀，因為信息量比較大。

• No free HunchKaggle競賽平台的官方博客，包括一些優秀的代碼解讀以及高分選手的采訪，十分有用的經驗（來自不同背景，不同年齡層次，不同職業的選手）

• Flowing Data十分有用的數據分析的案例

• Python日報內容十分精彩的集錦（中文）

六、FAQ (待續)

• Python 2.x還是Python 3.x?

• 如何安裝Python包？ 強烈推薦Anaconda包，你值得擁有！尤其是Windows系統。

• 是否需要很強的統計和數學背景？ 有良好的數學和統計背景固然很好，但是現在很多崗位對數學和統計背景要求並不很多，都是簡單的演算法，Python編程已經能夠很方便地實現，更多的是對業務的深入理解。如有需要建議，邊學習Python邊學習數學統計。

七、實踐項目

• Kaggle競賽項目，裡面不僅僅有很多競賽項目，而且有很多可供學習的代碼、博客以及論壇，都是實戰項目，有很強的實踐價值。

⑷ 40歲老男人從0開始學python實錄（第4天）：廖雪峰，拜拜了您嘞

各位渴望看我笑話的老鐵們，恭喜，你們又有樂子看了。

在昨天順利攻克了文本編輯器難題後，我很愉快繼續學習後面的兩個小節《Python代碼運行助手》《輸入和輸出》。

前者沒啥可說的，感覺跟我沒啥太大關系、意義不大，簡單看看就過去了。

《輸入和輸出》一節，按照教程操作，還是蠻愉快的。

這節主要講了print和input命令的使用方法，以及變數的概念。

前面的學習過程可謂一馬平川，結果最後的練習稍微出現了點小問題。

練習：請利用print()輸出1024 * 768 = xxx。

我本來覺得是個很簡單的問題，沒想到輸入了4遍才搞定。

我估計應該是中間錯加了空格的問題。

好吧，對比例子，應該還得加逗號。

嗯，這他么其實是個手誤，逗號輸錯了位置。（殘念）

這小玩意都用了四遍才搞定，40歲的老男人真的太難了。

繼續進入後面的學習。

下一章《Python基礎》中第一節《數據類型和變數》。

然後，我就蒙圈了。

這一節的內容知識量明顯增多，前面的內容還好，按部就班的按照教程進行操作就好。

後面開始出現轉義符的概念，什麼 、 、之類的東東，總之確實需要動些腦子了。

這里我覺得，是不是可以簡單理解為：兩個「」表示顯示「」，一個「」表示轉義呢？

相比之下，後面講「用r''表示''內部的字元串默認不轉義」我感覺更好理解一些。

還有，「 表示製表符」是什麼意思？

我真的好傻，悲傷的淚水不爭氣的流了下來。

上面的問題，哪位知道的仁兄，望在評論區賜教，在此謝過了。

再往後講變數，我就有點進行不下去了。

給a賦值為1，這個我明白，但是後面t_007=T007，這是為啥？咋蹦出來的？

或者t_007跟a是一個概念，也是在進行賦值操作？

我這么猜測不知道對不對。

他後面舉的那個例子，我就徹底暈菜了。

其實說起來，可能也不能怪人家教程，周末這兩天在家，確實也很難靜下來學習。

但是另一方面，就像很多網友評論區、微信上跟我探討的，廖雪峰這個教程確實還是存在一些問題的，甚至有人說他有些誤導的成分在裡面，這個我學的還少，就不敢妄言了。

所以，我決定，結合自己的實際情況（歲數大、腦子慢！），以後以b站600集視頻為主不香嗎？

畢竟，那個看的很歡樂，最關鍵的是，學習至今還沒遇到檻。

所以，下一期的心得，我就說說在b站上，我都學了些啥吧。。。

⑸ 如何系統地自學 Python

是否非常想學好 Python，一方面被瑣事糾纏，一直沒能動手，另一方面，擔心學習成本太高，心裡默默敲著退堂鼓？

幸運的是，Python 是一門初學者友好的編程語言，想要完全掌握它，你不必花上太多的時間和精力。

Python 的設計哲學之一就是簡單易學，體現在兩個方面：

語法簡潔明了：相對 Ruby 和 Perl，它的語法特性不多不少，大多數都很簡單直接，不玩兒玄學。

切入點很多：Python 可以讓你可以做很多事情，科學計算和數據分析、爬蟲、Web 網站、游戲、命令行實用工具等等等等，總有一個是你感興趣並且願意投入時間的。

廢話不多說，學會一門語言的捷徑只有一個： Getting Started

¶ 起步階段
任何一種編程語言都包含兩個部分：硬知識和軟知識，起步階段的主要任務是掌握硬知識。

°1 硬知識
「硬
知識」指的是編程語言的語法、演算法和數據結構、編程範式等，例如：變數和類型、循環語句、分支、函數、類。這部分知識也是具有普適性的，看上去是掌握了一
種語法，實際是建立了一種思維。例如：讓一個 Java 程序員去學習 Python，他可以很快的將 Java 中的學到的面向對象的知識 map 到
Python 中來，因此能夠快速掌握 Python 中面向對象的特性。

如果你是剛開始學習編程的新手，一本可靠的語法書是非常重要的。它看上去可能非常枯燥乏味，但對於建立穩固的編程思維是必不可少。

下面列出了一些適合初學者入門的教學材料：

❖「笨方法學 Python」：http://learnpythonthehardway.org/book/
這本書在講解 Python 的語法成分時，還附帶大量可實踐的例子，非常適合快速起步。

❖「廖雪峰的 Python 2.7 教程」：Home - 廖雪峰的官方網站
Python 中文教程的翹楚，專為剛剛步入程序世界的小白打造。

❖「The Hitchhiker』s Guide to Python!」：The Hitchhiker』s Guide to Python!
這本指南著重於 Python 的最佳實踐，不管你是 Python 專家還是新手，都能獲得極大的幫助。

❖「Python 官方文檔」：Our Documentation
實踐中大部分問題，都可以在官方文檔中找到答案。

❖ 輔助工具：Python Tutor
一個 Python 對象可視化的項目，用圖形輔助你理解 Python 中的各種概念。

Python 的哲學：
用一種方法，最好是只有一種方法來做一件事。
學習也是一樣，雖然推薦了多種學習資料，但實際學習的時候，最好只選擇其中的一個，堅持看完。

必要的時候，可能需要閱讀講解數據結構和演算法的書，這些知識對於理解和使用 Python 中的對象模型有著很大的幫助。

°2 軟知識
「軟知識」則是特定語言環境下的語法技巧、類庫的使用、IDE的選擇等等。這一部分，即使完全不了解不會使用，也不會妨礙你去編程，只不過寫出的程序，看上去顯得「傻」了些。

對
這些知識的學習，取決於你嘗試解決的問題的領域和深度。對初學者而言，起步階段極易走火，或者在選擇 Python 版本時徘徊不決，一會兒看 2.7
一會兒又轉到 3.0，或者徜徉在類庫的大海中無法自拔，Scrapy，Numpy，Django
什麼都要試試，或者參與編輯器聖戰、大括弧縮進探究、操作系統辯論賽等無意義活動，或者整天跪舔語法糖，老想著怎麼一行代碼把所有的事情做完，或者去構想
聖潔的性能安全通用性健壯性全部滿分的解決方案。

很多「大牛」都會告誡初學者，用這個用那個，少走彎路，這樣反而把初學者推向了真正的彎路。
還不如告訴初學者，學習本來就是個需要你去走彎路出 Bug，只能腳踏實地，沒有奇跡只有狗屎的過程。

選擇一個方向先走下去，哪怕臟丑差，走不動了再看看有沒有更好的解決途徑。

自己走了彎路，你才知道這么做的好處，才能理解為什麼人們可以手寫狀態機去匹配卻偏要發明正則表達式，為什麼面向過程可以解決卻偏要面向對象，為什麼我可以操縱每一根指針卻偏要自動管理內存，為什麼我可以嵌套回調卻偏要用 Promise...

更重要的時，你會明白，高層次的解決方法都是對低層次的封裝，並不是任何情況下都是最有效最合適的。

技術涌進就像波浪一樣，那些陳舊的封存已久的技術，消退了遲早還會涌回的。就像現在移動端應用、手游和 HTML5 的火熱，某些方面不正在重演過去 PC 的那些歷史么？

因此，不要擔心自己走錯路誤了終身，堅持並保持進步才是正道。

起步階段的核心任務是掌握硬知識，軟知識做適當了解，有了穩固的根，粗壯的枝幹，才能長出濃密的葉子，結出甜美的果實。

¶ 發展階段
完成了基礎知識的學習，必定會感到一陣空虛，懷疑這些語法知識是不是真的有用。

沒錯，你的懷疑是非常正確的。要讓 Python 發揮出它的價值，當然不能停留在語法層面。
發展階段的核心任務，就是「跳出 Python，擁抱世界」。

在你面前會有多個分支：科學計算和數據分析、爬蟲、Web 網站、游戲、命令行實用工具等等等等，這些都不是僅僅知道 Python 語法就能解決的問題。

拿
爬蟲舉例，如果你對計算機網路，HTTP協議，HTML，文本編碼，JSON一無所知，你能做好這部分的工作么？而你在起步階段的基礎知識也同樣重要，如
果你連循環遞歸怎麼寫都還要查文檔，連 BFS 都不知道怎麼實現，這就像工匠做石凳每次起錘都要思考錘子怎麼使用一樣，非常低效。

在這個階段，不可避免要接觸大量類庫，閱讀大量書籍的。

°1 類庫方面
「Awesome Python 項目」：vinta/awesome-python · GitHub
這里列出了你在嘗試解決各種實際問題時，Python 社區已有的工具型類庫，如下圖所示：

你可以按照實際需求，尋找你需要的類庫。

至於相關類庫如何使用，必須掌握的技能便是閱讀文檔。由於開源社區大多數文檔都是英文寫成的，所以，英語不好的同學，需要惡補下。

°2 書籍方面：
這里我只列出一些我覺得比較有一些幫助的書籍，詳細的請看豆瓣的書評：

科學和數據分析：
❖「集體智慧編程」：集體智慧編程 (豆瓣)
❖「數學之美」：數學之美 (豆瓣)
❖「統計學習方法」：統計學習方法 (豆瓣)
❖「Pattern Recognition And Machine Learning」：Pattern Recognition And Machine Learning (豆瓣)
❖「數據科學實戰」：數據科學實戰 (豆瓣)
❖「數據檢索導論」：信息檢索導論 (豆瓣)

爬蟲：
❖「HTTP 權威指南」：HTTP權威指南 (豆瓣)

Web 網站：
❖「HTML & CSS 設計與構建網站」：HTML & CSS設計與構建網站 (豆瓣)

...

列到這里已經不需要繼續了。

聰明的你一定會發現上面的大部分書籍，並不是講 Python 的書，而更多的是專業知識。

事實上，這里所謂「跳出 Python，擁抱世界」，其實是發現 Python 和專業知識相結合，能夠解決很多實際問題。這個階段能走到什麼程度，更多的取決於自己的專業知識。

¶ 深入階段
這個階段的你，對 Python 幾乎了如指掌，那麼你一定知道 Python 是用 C 語言實現的。

可是 Python 對象的「動態特徵」是怎麼用相對底層，連自動內存管理都沒有的C語言實現的呢？這時候就不能停留在表面了，勇敢的拆開 Python 的黑盒子，深入到語言的內部，去看它的歷史，讀它的源碼，才能真正理解它的設計思路。

這里推薦一本書：
「Python 源碼剖析」：Python源碼剖析 (豆瓣)
這本書把 Python 源碼中最核心的部分，給出了詳細的闡釋，不過閱讀此書需要對 C 語言內存模型和指針有著很好的理解。

另
外，Python 本身是一門雜糅多種範式的動態語言，也就是說，相對於 C 的過程式、 Haskell 等的函數式、Java
基於類的面向對象而言，它都不夠純粹。換而言之，編程語言的「道學」，在 Python
中只能有限的體悟。學習某種編程範式時，從那些面向這種範式更加純粹的語言出發，才能有更深刻的理解，也能了解到 Python 語言的根源。

這里推薦一門公開課
「編程範式」：斯坦福大學公開課：編程範式
講師高屋建瓴，從各種編程範式的代表語言出發，給出了每種編程範式最核心的思想。

值得一提的是，這門課程對C語言有非常深入的講解，例如C語言的范型和內存管理。這些知識，對閱讀 Python 源碼也有大有幫助。

Python 的許多最佳實踐都隱藏在那些眾所周知的框架和類庫中，例如 Django、Tornado 等等。在它們的源代碼中淘金，也是個不錯的選擇。

¶ 最後的話
每個人學編程的道路都是不一樣的，其實大都殊途同歸，沒有迷路的人只有不能堅持的人。雖然聽上去有點雞湯，但是這是事實。

希望想學 Python 想學編程的同學，不要猶豫了，看完這篇文章，Just getting started～

⑹ python零基礎學習課程哪個好

對於零基礎的朋友，如果選擇自學的話，我按由淺入深的順序推薦：

1 《父與子的編程之旅》。了解了計算機的基本運行原理和編程的基本概念。

2 《Python簡明教程》。這是一本言簡意賅的 Python 入門教程，簡單直白，沒有廢話。就算沒有基礎，你也可以像讀小說一樣，花幾天時間就可以讀完，適合快速了解語法。

3 廖雪峰編寫的《Python教程》。廖先生的教程涵蓋了 Python 知識的方方面面，內容更加系統，有一定深度，有一定基礎之後學習會有更多的收獲。

4 可以參考的書有《笨辦法學Python》，《Head First Python》，《Python編程-從入門到實踐》。

注意：在學習編程的時候一定要注重編碼實踐，不寫大量的代碼，是學不好編程的，而且要培養自己的編程思維，邏輯思維。

⑺ Python工程師怎麼自學（學習路徑）

IT行業，技術要比學歷、年齡、從業經驗更為重要，技術水平直接決定就業薪資，想要學好python，首先要先了解精通Python語言基礎、Python web開發、Python爬蟲、Python數據分析這四大方面。

零基礎學習需要要從如下幾個階段入手：

階段一：熟練掌握Python多線程並發編程技術，可以編寫爬蟲程序和語音識別軟體

階段二：熟練掌握Linux操作系統管理技術，可以搭建幾乎所有Linux環境伺服器

階段三：掌握三大Python後端框架，解決一切前後端Web開發問題

階段四：掌握三大Python後端框架，解決一切前後端Web開發問題

階段五：Web框架之Tornado

階段六：docker容器及服務發現

階段七：掌握分布式多線程大型爬蟲技術，能開發企業級爬蟲程序

階段八：成為Python數據挖掘分析師，進入人工智慧領域，成為IT市場最前沿人才

⑻ 新手怎麼學習python

• 很多老司機都推薦新人找一本書來看，當然，如果你有充足的時間，那麼就找一本淺顯易懂的書，從頭到尾看下去，同時把所有的例子都動手跑一邊。但你覺得自己的時間並不多，想快速掌握這門語言，那麼我極力推薦廖雪峰的Python 教程。因為我確實是從這個教程裡面學到了很多，不懂得地方再查資料去補充。

• 找一個實際的項目去練手。我當時是因為要寫一個爬蟲項目，爬取 Instagram 的圖片，如果選擇用 Java 的話就太笨重了。因此不得以我就選擇了學習 Python。在這種條件下的效果比你平時學一門語言的效果要好很多。所以，最好的狀態就是去做一個實際的項目。比如去搭建一個自己的博客網站。

• 找到一個已經會 Python 的司機。讓他給你指出一條路子，同時在遇到卡殼的地方就找他指點。這樣將會事半功倍，當然別人的時間也是有限的，所以當你遇到問題的時候，第一步應該是去搜索查找問題。

• 切勿浮躁，自信是成功的開始，雖然你已經看了很長時間的資料，但還是不能把程序跑起來。但相信我，幾乎所有程序員一開始都是這樣的狀態，也都是一步步折騰過來的。

• 選擇合適的教程。有些書籍是很經典，但未必就適合你。

• 多動手。不要只顧著看教程，一定要親自動手讓這些程序在自己電腦跑起來。

• 額外的知識，如英語、計算機基礎知識

• 要學會看別人代碼。這里推薦多使用 Github。之前我也整理過一系列的 Github 教程。Github系列教程一 「開門」Github系列教程二 「加入Github」Github系列教程三 「上手Git」

• 學會查看官方文檔

⑼ 推薦幾個適合新手練手的Python項目

《Python實戰：四周實現爬蟲系統》網路網盤免費下載

鏈接:

Python實戰：四周實現爬蟲系統

⑽ 廖雪峰的python教程有一點地方沒看明白，求指導

題主貼了兩遍函數，似乎是一樣的，下面就分析這一個版本：

defadd_end(L=None):
ifLisNone:
L=[]
L.append('END')
returnL

1. 不明白題主說的「一直往裡面加END」是怎麼回事。函數里既沒有循環也沒有遞歸，怎麼會「一直」加。。。

2. 關於默認參數，其作用是：使add_end()的返回值 與add_end(None)的返回值相同。因此下面不再單獨分析輸入0個參數的情形。

3. 「return的L是全局變數，而傳入的參數L是局部變數」這個說法很奇怪。當傳入的L是None時，該函數的會新生成一個list，向其中加入一個字元串『END』，並返回這個新生成的list。而當傳入的L是一個list，哪怕是空list時，該函數的作用是向傳入的這個L新加一個元素'END'，並返回傳入的那個L。

4. L.append('END')這一行，如果縮進的話：當函數傳入的L不是None時，就不會向傳入的這個L新加一個元素'END'。因此縮進與不縮進的效果是不一樣的。