因為幹活要用到，所以我大概於19年5月開始學python，大概學了1個月後，我就能幹公司的活了，而且這python專案還包含了機器學習等要素，大概3個月後，我還承擔了專案裡開發機器學習資料分析的任務。所以我感到，雖然python裡包含了爬蟲、機器學習和資料分析等熱門要素，但python並不難學，而且如果方法得當，學到能幹專案的程度也很快。在這篇文章裡，就講給出我學Python的流程，向大家展示如何高效學python。

1  搭建開發環境

    由於我有學java的基礎，所以我知道首先得搭建開發環境，當時我是用eclipse+Python直譯器+pydev外掛搭的環境，當時我還用的是3.4直譯器，當然現在直譯器似乎到3.9了，我也用Pycharm整合開發環境了。

    如果大家現在要學python，建議用如下的步驟搭建環境。

    1.  到官網上去下載python直譯器，並安裝

    這個是官網，https://www.python.org/downloads/windows/，在這裡大家可以選擇最新的版本，並根據你機器的作業系統，下載windows或linux或mac的版本，我下載的是windows版本。下載後按提示即可完成安裝。

    python是解釋型語言，所以下載並安裝直譯器後，就能在你本地執行python語言了。

     2.  安裝pycharm整合開發環境

    安裝好python直譯器以後，理論上你就可以通過命令列的方式，開發並執行python程式了。但這很不方便，所以建議再到https://www.jetbrains.com/pycharm/download/ 這個網站去下載並安裝pycharm整合開發環境。

     3.  安裝第三方包

     當安裝好python直譯器後，該直譯器會自帶一些比較基本的依賴包，但如果要開發機器學習或資料分析等程式，就需要安裝第三方包，比如後文提到的numpy等。

     我安裝第三方包的做法是，在命令視窗，通過cd等命令，進入到Python直譯器所在的路徑，比如C:\Users\think\AppData\Local\Programs\Python\Python37，在該路徑裡，再進入Scripts路徑，找到pip3命令，隨後通過pip3 install 包名的方式，安裝第三方包，比如要安裝numpy包，對應的命令是pip3 install numpy。

    至此就搭好了開發環境。

2  搭建開發環境時遇到的坑

    我在搭建開發環境時遇到過兩個坑，第一是換源，第二是在pycharm裡找到對應的直譯器。

    什麼叫換源？

    在用pip3 install numpy等命令安裝第三方庫的時候，預設似乎是到國外網站去下載，這樣如果遇到包比較大，而且網路不好的情況下，下載會比較困難，所以可以用如下-i引數，指定下載第三方報道的源。

    pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualen

    這裡-i引數後https://pypi.tuna.tsinghua.edu.cn/simple指定的是清華源，而virtualen則是待下載的第三方包，這樣就能以比較快的方式下載並安裝第三方包。

    在pycharm裡確定直譯器

    我在這塊搞了很久，後來我在培訓班裡帶同學入門python時，發現初學者經常在這裡犯錯誤。

    我們知道，pycharm會自帶python直譯器。

    但這個直譯器版本未必是我們預期的，所以我們還會再裝其它的直譯器。問題就在這裡，安裝的第三方包是跟著直譯器的。

    比如我們在pycharm自帶的3.8直譯器裡安裝了若干第三方包，但如果切換到自己裝的3.9python直譯器裡，這些第三方包就會全部變掉。

    比如當我們切換直譯器後，發現第三方包全變了。

    所以在安裝第三方包時，一定得注意，要到選中直譯器，比如3.9這個直譯器的目錄裡，執行其中的pip3命令，這樣就能為特定的直譯器安裝包。 

3  通過敲程式碼熟悉語法

    Python入門書其實都差不多，我當時用的是這本。入門書不用多，執行通一本書裡的語法程式碼即可。

    Python的基本語法包括：分支迴圈，集合（列表字典元組等），面向物件（類和繼承等），檔案讀寫和異常處理，這些語法點，執行通一遍，基本就能瞭解了，在開始學習階段，不用太多地深入。

    如果你程式設計基礎自認為一般，就可以再找本書，比如這本。但基本語法不用多看，執行兩本書的程式碼就足夠了。因為Python的重點在於資料分析、爬蟲和機器學習等要素。

4  學習資料分析三劍客元件

    我的專案是用Python進行股票量化分析，不過我觀察了下，不管用Python做什麼樣的應用，資料分析三劍客，比如Numpy，Pandas和Matplotlib這三個庫，一般都得掌握。

    我當時看的是這本，其中包含了三劍客的語法和應用沒，一般看了一本，然後照著裡面的程式碼執行一遍的話，資料分析這塊，應該也能達到能幹活的地步了。

5  學習Scrapy爬蟲框架

    我的專案裡沒包含爬蟲功能，但當時接了個私活，幫一個學校錄製python爬蟲視訊。所以我就用了2周時間，買了這本書，照著裡面的案例跑了一遍，就知道Scrapy爬蟲的細節了。

    學Scrapy框架的注意點如下。

•     Scrapy第三方比較難搭建，需要事先裝其它的包，這裡建議用python3.8和3.9直譯器的基礎上，搭建環境。
•     建議把包下載到本地，在本地裝。

    但如果你真的搭建好Scrapy環境了，照著這本書上的做，基本上也不會遇到太大的問題。

6  以案例入門機器學習sklearn庫

    機器學習方面，我當時看的是這本書，其中有機器學習，同時也有用sklearn庫做線性迴歸和SVM分析的案例。

    我的體會是：雖然機器學習的演算法比較複雜，但基本都已經封裝在sklearn庫裡了，也就是說，在python裡只需要呼叫方法，傳入正確的引數，即可在專案裡用到機器學習的演算法。

7  以股票量化案例全面學習python資料分析

    在之前的書裡，有比較全面的整合機器學習和資料分析的案例，在其中也能綜合用到numpy+pandas+matplotlib+sklearn庫，不過我做的專案是和金融量化有關，所以我又買了這本書，用量化的案例來綜合學習資料分析。

8  歸納：我學python的心得體會

    我自己感覺我學python的效率還算高，這裡就來總結下我的學習心得。

•     學習一定要有目的，比如用python去找工作，專案裡要用到python，或者用python去接私活，否則沒目的別學。
•     剛開始不建議通過視訊學，而是去買書學，因為書裡的知識點比較系統，而且書裡的程式碼能確保可以執行。
•     一定別光看書，一定得邊執行程式碼邊掌握技能。 

    照著上述方法，你一定能在一個月內熟悉python。

9  總結：我學python的成本和收益

    金錢成本

    我前後買書大概用400元

    時間成本

    一個月的晚上和週末，其它沒幹就執行python，就能熟悉python語法+資料分析，外加一個月，就熟悉了機器學習相關語法。

    收益：

    工作裡能幹專案，掙到工資。

    後來出了兩本書，稿酬大概是2萬5左右

    能去講課，這塊掙錢到還行。

    做了一個python爬蟲私活，掙了1萬多。

    不過我感覺，由於python包含了深度學習等熱點，所以各位程式設計師還真應當先去找個目標，比如跳槽，然後去學下python。按照我本文給出的流程，應該也能很快學到能幹活的程度。 

    請大家關注我的公眾號：一起進步，一起掙錢，在本公眾號裡，會有很多精彩文章。