教你如何系統的自學Python - 純乾貨！

---

Python 的設計哲學之一就是簡單易學，體現在兩個方面：

    語法簡潔明瞭：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，科學計算和資料分析、爬蟲、Web 網站、遊戲、命令列實用工具等等等等，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

任何一種程式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”指的是程式語言的語法、演算法和資料結構、程式設計正規化等，例如：變數和型別、迴圈語句、分支、函式、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 程式設計師去學習 Python，他可以很快的將 Java 中的學到的面向物件的知識 map 到 Python 中來，因此能夠快速掌握 Python 中面向物件的特性。

如果你是剛開始學習程式設計的新手，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，但對於建立穩固的程式設計思維是必不可少。

下面列出了一些適合初學者入門的教學材料：

（1.）「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。

（2.）「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。

（3.）「Python 官方文件」：Our Documentation

實踐中大部分問題，都可以在官方文件中找到答案。

（4.）輔助工具：Python Tutor

一個 Python 物件視覺化的專案，用圖形輔助你理解 Python 中的各種概念。

Python 的哲學：

    用一種方法，最好是隻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，可能需要閱讀講解資料結構和演算法的書，這些知識對於理解和使用 Python 中的物件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，即使完全不瞭解不會使用，也不會妨礙你去程式設計，只不過寫出的程式，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、大括號縮排探究、作業系統辯論賽等無意義活動，或者整天跪舔語法糖，老想著怎麼一行程式碼把所有的事情做完，或者去構想聖潔的效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，沒有奇蹟只有狗屎的過程。

選擇一個方向先走下去，哪怕髒醜差，走不動了再看看有沒有更好的解決途徑。

自己走了彎路，你才知道這麼做的好處，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示式，為什麼面向過程可以解決卻偏要面向物件，為什麼我可以操縱每一根指標卻偏要自動管理記憶體，為什麼我可以巢狀回撥卻偏要用 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。

技術湧進就像波浪一樣，那些陳舊的封存已久的技術，消退了遲早還會湧回的。就像現在移動端應用、手遊和 HTML5 的火熱，某些方面不正在重演過去 PC 的那些歷史麼？

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，軟知識做適當瞭解，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：科學計算和資料分析、爬蟲、Web 網站、遊戲、命令列實用工具等等等等，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，文字編碼，JSON一無所知，你能做好這部分的工作麼？而你在起步階段的基礎知識也同樣重要，如果你連迴圈遞迴怎麼寫都還要查文件，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 專案」：vinta/awesome-python · GitHub

這裡列出了你在嘗試解決各種實際問題時，Python 社群已有的工具型類庫，如下圖所示：

如何系統的自學Python？完整的系統學習規劃和學習路線送上

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件。由於開源社群大多數文件都是英文寫成的，所以，英語不好的同學，需要惡補下。

°2 書籍方面：

這裡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：

「集體智慧程式設計」：集體智慧程式設計 (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)

「資料科學實戰」：資料科學實戰 (豆瓣)

「資料檢索導論」：資訊檢索導論 (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)

...

列到這裡已經不需要繼續了。

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，這裡所謂“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 幾乎瞭如指掌，那麼你一定知道 Python 是用 C 語言實現的。

可是 Python 物件的“動態特徵”是怎麼用相對底層，連自動記憶體管理都沒有的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，讀它的原始碼，才能真正理解它的設計思路。

這裡推薦一本書：

「Python 原始碼剖析」：Python原始碼剖析 (豆瓣)

這本書把 Python 原始碼中最核心的部分，給出了詳細的闡釋，不過閱讀此書需要對 C 語言記憶體模型和指標有著很好的理解。

另外，Python 本身是一門雜糅多種正規化的動態語言，也就是說，相對於 C 的過程式、 Haskell 等的函式式、Java 基於類的面向物件而言，它都不夠純粹。換而言之，程式語言的“道學”，在 Python 中只能有限的體悟。學習某種程式設計正規化時，從那些面向這種正規化更加純粹的語言出發，才能有更深刻的理解，也能瞭解到 Python 語言的根源。

¶ 最後的話

每個人學程式設計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 想學程式設計的同學，不要猶豫了，看完這篇文章，Just getting started～
摘要①：微軟再發力Python ，VS Code與Anaconda達成合作

微軟近日在官方部落格宣佈，其免費和跨平臺程式碼編輯器 Visual Studio Code 已預設被包含在 Anaconda 發行版中。Python 使用者現在可以在安裝 Anaconda 的同時輕鬆安裝 Visual Studio Code ，以提供出色的編輯和除錯體驗，微軟還為 Anaconda 使用者量身定製了專用功能。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

Anaconda 是一個流行的 Python 發行版，主要用於資料科學和訊號處理等領域，可為 Windows、Mac 和 Linux 上的使用者提供簡化的 Python 環境。

此次合作也是微軟投資 Python 社群的又一個示例。微軟在去年 9 月曾宣佈計劃將 Python 引入 Azure 機器學習，Visual Studio 和 SQL Server 中。 據微軟稱，Microsoft Python Extension for Visual Studio Code 是 VS Code marketplace 中下載次數最多的擴充套件外掛，迄今為止已有超過 600 萬次的下載。

如何系統的自學Python？完整的系統學習規劃和學習路線送上
摘要②：新興技術崗位薪資漲幅驚人，Python需求增速達174%！

看到Boss直聘釋出《2017網際網路人才趨勢白皮書》，只想說新的一年，希望大家火得像Python一樣，根本停不下來。接下來，我們一起解讀《2017網際網路人才趨勢白皮書》！

2017年是網際網路行業全面轉向技術驅動的一年，技術類人才招聘需求已經佔到整體人才需求的25%。在人工智慧熱潮的驅動之下，AI相關崗位人才需求飆升，然而缺口依然超過百萬。

2017年還是熱門職位更迭的一年。與人工智慧、資料科學等前沿技術相關的職位熱度顯著提升；移動網際網路紅利日漸消退，通用開發基礎崗位的平均薪酬和需求均進入下行通道。

01 北上廣深杭網際網路人才需求佔比全國63%

從城市分佈上看，網際網路行業人才需求高度集中，北上廣深杭五座城市的網際網路人才需求佔到了全國的63%。北京身為網際網路行業大本營，人才需求穩居首位。

02 技術人才需求佔總體需求25.1%

2017年，從巨頭到創業公司，為尋找新的增長動力，紛紛轉向技術驅動。資料顯示，2017年，技術人才招聘需求佔到總體人才需求的25.1%，較2016年提高2.7個百分點，佔比連續2年提升。產品、設計人才需求也有小幅上升，運營、市場、銷售類職位需求則分別呈現小幅下降。

03 人工智慧人才需求翻倍

從具體職位來看，人工智慧相關的職位需求增幅排在最前。由於大批公司涉足AI領域，2017年AI人才需求已達到2016年的兩倍，2015年的5.3倍，人才需求直線上升，大部分崗位三年複合增長率超過200%。AI應用層職位需求增速尤為顯著，增速最高的三個崗位依次是演算法工程師、語音識別和影象處理。

大資料類職位需求增幅僅次於AI崗位。眼下，幾乎所有網際網路企業均把資料人才列為團隊標配。許多公司在資料層面增加投入，大量招募具有演算法和建模能力的人才，力求通過資料沉澱與挖掘更好地推進產品的迭代。資料架構師、資料分析師成為企業爭搶物件，過去一年招聘需求提高150%以上。

04 薪資最高職位過半為AI類崗位

2017年薪資最高的十個職位中，過半為AI類崗位。語音識別、NLP、機器學習等職位平均薪資超過2.5萬元，遠高於一般網際網路職位。在部分大公司，60萬年薪加期權股票只是爭搶高階AI人才的低配標準。同時我們注意到，50%的人工智慧崗位的職位描述上會明確提到為員工提供股票期權，這一比例顯著高於其他職位。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

同時，我們從資料中可以看到，新興技術崗位薪資漲幅驚人。

影象演算法、推薦演算法、深度學習崗位薪資增幅均在15%以上，大資料類崗位僅次於人工智慧。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

新興技術崗位薪資漲幅驚人

相比之下，通用類崗位程式設計師由於從業人數不斷上升，人才稀缺程度大幅緩解，招聘薪酬不升反降，過去幾年格外吃香的PHP、.Net、iOS等職位招聘薪資在下半年出現了2-3%的回撥。點選檢視►就業|資料分析師、大資料開發、Hadoop開發工程師、資料探勘、演算法工程師的工資薪水到底怎麼樣？

05 社交領域Java技術受歡迎

社交網路行業招聘平均薪資一直處於高位。2017年社交網路平均招聘薪資高於網際網路行業整體招聘薪資16.7個百分點，薪資優勢顯著。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

同時資料顯示，後端開發或移動開發方面的技術人才，在社交網路行業比較受歡迎。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

06 Python技能需求增速達到174%

在人才需求升級的同時，網際網路公司對人才技能的要求也在逐漸提高。以資料分析師為例，2015年，超過40%的職位技能要求中只提到了SQL或HIVE，而到2017年，這一比例已降至30%以下，半數崗位要求候 選人還須掌握通用程式設計技能(Python、Java),資料探勘技能(R語言,SAS)以及資料視覺化等技能，其他崗位技能要求也普遍較過去更為嚴格。

從分佈上看，新興技能佔比提高顯著。Python由於語法簡潔，功能強大，且在人工智慧、大資料方面展現出效率優勢，越來越受到歡迎。資料顯示，2017年在僱主釋出的職位說明中，Python技能需求增速達到174%，居於首位，Spark、Hadoop等大資料技能需求增幅也十分靠前。【點選檢視Python資料分析與資料爬取實戰】

07 資訊保安領域需求佔比最高的技術職位

2017年，資訊保安領域尤其值得關注。儘管因企業數量不佔優勢，人才需求佔比不高，但需求增幅超過60%，其中技術人才需求佔比多達46.5%，高出網際網路均值超過20個百分點。該行業的高需求技術職位偏重於後端、運維、測試類人才。

如何系統的自學Python？完整的系統學習規劃和學習路線送上

從人才需求大資料中，我們還發現，資訊保安領域的技術人才需求中，機器學習、自然語言處理、深度學習等AI相關人才佔比已達1.3%，體量雖不大，但卻向我們傳遞了一個資訊，資訊保安行業正在向更高階、更高效、更智慧的方向發展。

資訊保安行業中，高需求職位的薪資漲幅依然強勢。Golang、運維開發工程師薪資漲幅在15%以上。即便是招聘薪資普降的運維工程師，在資訊保安行業中招聘薪資增幅也達到7.9%，足見行業間的側重差異。

08 複合型人才競爭力碾壓優勢愈發明顯

2017年，網際網路行業求職人才中，有26%的人掌握至少3種技能，較2015年增加3.1個百分點，更多的非技術人才開始掌握技術型技能。增長最快的五大技能分別是SQL、Python、Java、Tableau和Hive。

從競爭力上看，多重技能人才也比以往更加吃香。資料顯示，2017年掌握3項以上技能的人才，對企業的吸引力較僅擁有一項能力的人高出30%以上，而在兩年前，這一數字還保持在10%左右，特別是在創業公司，這一趨勢更加明顯。以技術職位為例，雖然不少企業在職位要求中只寫了一項程式設計能力，但過半數公司在尋找人才時偏愛掌握多門程式語言的求職者，多重技能人才對一般求職者的優勢碾壓愈發明顯。

09 2018年發展預測

在談到2018年發展趨勢時，其中Face++人力總監尹利，認為2018年的發展趨勢主要有以下幾個觀察角度：

● 人才的稀缺性會讓市場價值在未來兩年存在一定不合理性;

● 名校情結會更加嚴重，人才市場上的兩極分化會越來越嚴重;

● 這個行業更喜歡真正專注的人，而沒有過去移動網際網路人才的跳躍的基因;

● 海外人才迴流，越來越多的北美前30名高校的畢業生，因為美國政治因素，中國市場環境因素將回流 中國北上廣深等大城市。

2018年，以下三類職位很可能變得更加熱門：

● 跟底層演算法技術相關的職位；

● 能帶來AI從技術轉向產品化的職位；

● 新零售相關崗位。

So，看了這些，你還在猶豫到底學不學Python嗎？