⑴ 怎么用最短的时间高效而踏实的学python
不管学习什么新的东西，效率最低但是又不可或缺的环节就是看教科书了。虽然看书的过程可能会很无聊，但是过一遍书至少能对整个知识框架有个大体的把握。我最早知道 Python 还是在《黑客与画家》这本书中看到的，书里面有一章节是讲编程语言的，作者很推荐把 python 作为学习编程的入门语言。我当时是把《简明 Python 教程》给过了一边，后来又看了一遍《深入python》，这里特别推荐《深入 Python》，除了介绍 python 的基本特性之外，还介绍了诸如函数编程、正则表达式、处理 HTML 和 XML等高级用法。除了看书，上公开课也是挺不错的，视频教学本来就比自己啃教科书有意思，而且完成课程作业也能锻炼动手编程能力。我上过两门不错的公开课，一门是莱斯大学在 Coursera 上开的《Python交互式编程导论》，一边学 python，一边写些小游戏，肯定不会觉得无聊；另一门就是 MIT 在 edX 上开的《计算机科学及python编程导论》，它是 MIT edX系列课程（XSeries）中的第一课，系列课程共两门，除了这门课以外还有《计算思维及数据科学导论》，不过第二门就没有上过了。
《简明 Python 教程》
《深入 Python》
《Python交互式编程导论》
《计算机科学及python编程导论》
⑵ Python有哪些高大上的项目
Open edX致力于打造一个强大灵活的大规模开放在线课堂平台。也用来研究学习和远程教育
算起来，毕业之后最熟悉的应该就是这个项目了
高大上可能算不上吧，技术上并不惊艳，毕竟多是业务逻辑，Open edX用到许多蛮新的开源项目，不过也没什么很黑魔法的地方，很集市的一个项目倒是真的。
这个项目对教育界的冲击可能远比对开源界大，在我接触的人中，了解Open edX的愿景和进展后，会眼前一亮并热血沸腾的，多是对教育变革极其兴趣的教育界人士，edX可能是唯一一个开放/强大，允许他们自由打造自己的mooc平台的工具，对于他们可能真算得高大上吧
对于技术人员，edX可能并不漂亮，在技术层面的设计和架构考虑的多是实用性。
edX是个很混杂的项目，混用了多语言，多数据库。开发语言中以Python为主，截止到今天，Python在核心库占代码总量的71.6%. 之前用Ruby写的一些东西，最近也正在用Python重写，不过这种混杂在挺长的一段时间内估计改观不大。edX里很能体现出Python优秀的胶水特质
在看完《大教堂与集市》之前，我其实蛮怀疑edX会被复杂度/组织方式压垮，乍看之下，有种乱糟糟的感觉，并行的分支和并行的辅助项目都不时冒出，有些昙花一瞬，有些活了下来，有些已死，但基因被继承到其他项目里，活像进化历程。当然这些都是开源社区的常态。看完《大教堂与集市》，又混迹edX社区，发现这个项目还是很健康的，尽管看起来像个集市，人员来去自由，缺乏秩序。但社区的平行试错能力和bug反馈解决能力都很强大，是书中所言的那种健康
截止到今天，写入AUTHORS里的人一共193位，当然我这种只修复过小bug的渣渣也被写入，可见核心开发者也并不太多。整个社区还算健康吧，反正我挺喜欢的，对pull request的回馈也很及时，让参与者有被重视的感觉。
在web方面， Open edX应该是个很不小的项目了，定制了基础框架 django，用mako替换django鸡肋的模板，前端业务逻辑很复杂，使用了backbone.js。而js代码大多用coffeescript写，css混用Less和Sass来生成，而组件之间的通信采用RESTful
混乱程度，可见一斑， 技术层面估计只有被吐槽的份了，我倒是对它的组织和愿景更感兴趣。折腾edX，我开始喜欢上集市，并真心相信开源不只是一种信念，它是一种良好/高效的组织方式
edX里有个runtime蛮有趣的，最近社区正准备把课程组件迁移到Xblock，其核心便是runtime，如此一来，课程团队需要的话，可以根据课程需求去扩展edX，据说这是edx最成功的创新(也许是因为其他部分的平庸囧)，就扩展性而言，非侵入且强大，还真是挺有趣的
在相似项目中，应该算得高大上了吧
⑶ 最全面的12种Python学习方式
Python 是世界上最受欢迎的编程语言之一，它受到了全世界各地的开发者和创客的欢迎。大多数 Linux 和 MacOS 计算机都预装了某个版本的 Python，现在甚至一些 Windows 计算机供应商也开始安装 Python 了。
也许你尚未学会它，想学习但又不知道在哪里入门。这里的 12 个资源将帮助你入门并熟练掌握 Python。
课程、书籍、文章和文档
1、Python 软件基金会提供了出色的信息和文档，可帮助你迈上编码之旅。请务必查看 Python 入门指南。它将帮助你得到最新版本的 Python，并提供有关编辑器和开发环境的有用提示。该组织还有可以来进一步指导你的优秀文档。
2、我的 Python 旅程始于海龟模块。我首先在 Bryson Payne 的《教你的孩子编码》中找到了关于 Python 和海龟的内容。这本书是一个很好的资源，购买这本书可以让你看到几十个示例程序，这将激发你的编程好奇心。Payne 博士还在 Udemy 上以相同的名称开设了一门便宜的课程。
3、Payne 博士的书激起了我的好奇心，我渴望了解更多。这时我发现了 Al Sweigart 的《用 Python 自动化无聊的东西》。你可以购买这本书，也可以使用它的在线版本，它与印刷版完全相同且可根据知识共享许可免费获得和分享。Al 的这本书让我学习到了 Python 的基础知识、函数、列表、字典和如何操作字符串等等。这是一本很棒的书，我已经购买了许多本捐赠给了当地图书馆。Al 还提供 Udemy 课程；使用他的网站上的优惠券代码，只需 10 美元即可参加。
4、Eric Matthes 撰写了《Python 速成》，这是由 No Starch Press 出版的 Python 的逐步介绍（如同上面的两本书）。Matthes 还有一个很棒的伴侣网站，其中包括了如何在你的计算机上设置 Python 以及一个用以简化学习曲线的速查表。
5、Python for Everybody 是另一个很棒的 Python 学习资源。该网站可以免费访问 Charles Severance 的 Coursera 和 edX 认证课程的资料。该网站分为入门、课程和素材等部分，其中 17 个课程按从安装到数据可视化的主题进行分类组织。Severance（@drchuck on Twitter），是密歇根大学信息学院的临床教授。
6、Seth Kenlon，我们 Opensource.com 的 Python 大师，撰写了大量关于 Python 的文章。Seth 有很多很棒的文章，包括“用 JSON 保存和加载 Python 数据”，“用 Python 学习面向对象编程”，“在 Python 游戏中用 Pygame 放置平台”，等等。
在设备上使用 Python
7、最近我对 Circuit Playground Express 非常感兴趣，这是一个运行 CircuitPython 的设备，CircuitPython 是为微控制器设计的 Python 编程语言的子集。我发现 Circuit Playground Express 和 CircuitPython 是向学生介绍 Python（以及一般编程）的好方法。它的制造商 Adafruit 有一个很好的系列教程，可以让你快速掌握 CircuitPython。
8、BBC:Microbit 是另一种入门 Python 的好方法。你可以学习如何使用 MicroPython 对其进行编程，这是另一种用于编程微控制器的 Python 实现。
9、学习 Python 的文章如果没有提到树莓派单板计算机那是不完整的。一旦你有了舒适而强大的树莓派，你就可以在 Opensource.com 上找到成吨的使用它的灵感，包括“7 个值得探索的树莓派项目”，“在树莓派上复活 Amiga”，和“如何使用树莓派作为 VPN 服务器”。
10、许多学校为学生提供了 iOS 设备以支持他们的教育。在尝试帮助这些学校的老师和学生学习用 Python 编写代码时，我发现了 Trinket.io。Trinket 允许你在浏览器中编写和执行 Python 3 代码。 Trinket 的 Python 入门教程将向你展示如何在 iOS 设备上使用 Python。
播客
11、我喜欢在开车的时候听播客，我在 Kelly Paredes 和 Sean Tibor 的 Teaching Python 播客上找到了大量的信息。他们的内容很适合教育领域。
12、如果你正在寻找一些更通用的东西，我推荐 Michael Kennedy 的 Talk Python to Me 播客。它提供了有关 Python 及相关技术的最佳信息。
你学习 Python 最喜欢的资源是什么？请在评论中分享。
计算机编程可能是一个有趣的爱好，正如我以前在 Apple II 计算机上编程时所学到的……
⑷ 看完廖雪峰的python，但是感觉自己掌握不扎实，不知道该怎么做
python感觉自己掌握不扎实，不知道该怎么做
不管学习什么新的东西，效率最低但是又不可或缺的环节就是看教科书了。虽然看书的过程可能会很无聊，但是过一遍书至少能对整个知识框架有个大体的把握。我最早知道 Python 还是在《黑客与画家》这本书中看到的，书里面有一章节是讲编程语言的，作者很推荐把 python 作为学习编程的入门语言。我当时是把《简明 Python 教程》给过了一边，后来又看了一遍《深入python》，这里特别推荐《深入 Python》，除了介绍 python 的基本特性之外，还介绍了诸如函数编程、正则表达式、处理 HTML 和 XML等高级用法。除了看书，上公开课也是挺不错的，视频教学本来就比自己啃教科书有意思，而且完成课程作业也能锻炼动手编程能力。我上过两门不错的公开课，一门是莱斯大学在 Coursera 上开的《Python交互式编程导论》，一边学 python，一边写些小游戏，肯定不会觉得无聊；另一门就是 MIT 在 edX 上开的《计算机科学及python编程导论》，它是 MIT edX系列课程（XSeries）中的第一课，系列课程共两门，除了这门课以外还有《计算思维及数据科学导论》，不过第二门就没有上过了。
《简明 Python 教程》
《深入 Python》
《Python交互式编程导论》
《计算机科学及python编程导论》
另外，我和题主的情况有点像，也不是学计算机专业的，并且同样对自己的专业不感兴趣，以后也是想从事与数据科学相关的工作。我目前的状况都是在自学，上公开课，看教科书，跟大牛们的技术博客。
⑸ 如何使用正确的姿势进行高效Python函数式编程
不管学习什么新的东西，效率最低但是又不可或缺的环节就是看教科书了。虽然看书的过程可能会很无聊，但是过一遍书至少能对整个知识框架有个大体的把
握。我最早知道 Python 还是在《黑客与画家》这本书中看到的，书里面有一章节是讲编程语言的，作者很把 python
作为学习编程的入门语言。我当时是把《简明 Python 教程》给过了一边，后来又看了一遍《深入python》，这里特别《深入
Python》，除了介绍 python 的基本特性之外，还介绍了诸如函数编程、正则表达式、处理 HTML 和
XML等高级用法。除了看书，上公开课也是挺不错的，教学本来就比自己啃教科书有意思，而且完成课程作业也能锻炼动手编程能力。我上过两门不错的公开
课，一门是莱斯大学在 Coursera 上开的《Python交互式编程导论》，一边学 python，一边写些小游戏，肯定不会觉得无聊；另一门就是
MIT 在 edX 上开的《计算机科学及python编程导论》，它是 MIT
edX系列课程（XSeries）中的第一课，系列课程共两门，除了这门课以外还有《计算思维及数据科学导论》，不过第二门就没有上过了。
《简明 Python 教程》
《深入 Python》
《Python交互式编程导论》
《计算机科学及python编程导论》
⑹ coursera上有哪些值得学习的Python，数据分析的课程
关于Python：
1. 完全0基础 推荐Umich的 programming for everyone 的 specialization
2. 难度稍微大一点的，推荐Rice的计算机基础
3. 更加有难度的 推荐EDX平台上MIT的python
关于数据分析：
我知道的就2点：
1. JHU的数据科学有点水 圈钱课！
2. R语言必备！所以强推Duke的统计分析
⑺ 怎么用最短时间高效而踏实地学习 Python
不管学习什么新的东西，效率最低但是又不可或缺的环节就是看教科书了。虽然看书的过程可能会很无聊，但是过一遍书至少能对整个知识框架有个大体的把
握。我最早知道 Python 还是在《黑客与画家》这本书中看到的，书里面有一章节是讲编程语言的，作者很推荐把 python
作为学习编程的入门语言。我当时是把《简明 Python 教程》给过了一边，后来又看了一遍《深入python》，这里特别推荐《深入
Python》，除了介绍 python 的基本特性之外，还介绍了诸如函数编程、正则表达式、处理 HTML 和
XML等高级用法。除了看书，上公开课也是挺不错的，视频教学本来就比自己啃教科书有意思，而且完成课程作业也能锻炼动手编程能力。我上过两门不错的公开
课，一门是莱斯大学在 Coursera 上开的《Python交互式编程导论》，一边学 python，一边写些小游戏，肯定不会觉得无聊；另一门就是
MIT 在 edX 上开的《计算机科学及python编程导论》，它是 MIT
edX系列课程（XSeries）中的第一课，系列课程共两门，除了这门课以外还有《计算思维及数据科学导论》，不过第二门就没有上过了。
《简明 Python 教程》
《深入 Python》
《Python交互式编程导论》
《计算机科学及python编程导论》
⑻ coursera上有哪些值得学习的Python，数据分析的课程
关于Python：
1. 完全0基础 推荐Umich的 programming for everyone 的 specialization
2. 难度稍微大一点的，推荐Rice的计算机基础
3. 更加有难度的 推荐EDX平台上MIT的python
关于数据分析：
1. JHU的数据科学有点水 圈钱课！
2. R语言必备！所以强推Duke的统计分析