怎么用最短时间高效而踏实地学习 Python？

提示: 作者被禁止或删除内容自动屏蔽

挖数 · 2018-9-20 02:08:16

题主用了三个形容词，“短时间，高效，踏实”，事实上想学好一门语言或者是其他任何的技能，都不可能短时间内学成，除非可以像电视剧那样把手放在背后传功，或者拿到屠龙刀里的九阴真经，让你一下子变成超级赛亚人3，毁灭地球。

其实，我比较喜欢跟题主探讨一下怎么 “开心，高效，踏实” 地把Python学好，在我看来，只有一样东西可以帮你做到，那就是，兴趣-兴趣-兴趣！重要的事情说三遍！在Python这个魔法世界里，找到你自己感兴趣的点进行切入，并时刻找到兴趣点进行自我驱动是最好的学习方式！

以下，用我自己亲身经历的方式，说说我的Python入门学习之路（多图预警！）

看过的Python的书不多，也没上过coursera，但这里呕血推荐两本书，一本作为数据分析的切入，一本作为Python的语法学习。

show一下我的爬虫成果，这是我用爬下的电影数据做的网页，柱状图显示的是2004-2016年中国电影年度票房冠军的票房，下面的表格显示的是近两万部中国电影的数据。

最后，如果觉得写的还OK，请点赞哦 ＼( ^▽^ )／

SimonS · 2018-9-20 02:08:17

建议读两本书：

1、集体智慧编程 (豆瓣)
因为Python是一门不需要花太多精力（甚至可以说很少），就可以基本掌握的一门语言，所以推荐这本书。题主提到以后想学机器学习，这是一本非常好的入门书，书中的例子源码都是Python实现的，并且能帮你迅速熟悉Python相关的各种计算库。

2、统计学习方法 (豆瓣)
考虑到题主要学得踏实，这本书深入浅出地讲了和机器学习有关的一切数学基础知识，一整本的干货，没有废话，非常值得一读。题主数学专业的话，读起来应该会比我更顺畅。

前景非常好，这两本书让我的年薪提升了不少，而且不会是死搬砖的工作。

mahalanobis · 2018-9-20 02:08:18

没想到这么多知友点赞哈，感谢。更新一波，答主目前在O2O行业从事算法工作。

更新于2017.09.27。

以下原文。
------------------------------------------
先说一下背景，统计系出身，自学python两年，目前在魔都一家互联网创业公司从事数据挖掘工作。平时工作中重度使用的库包括但不限于：

有人已经提到了安装Download Anaconda now!，很给力。

再说下我用python做些什么。用一个例子来说明。
数据抓取+清洗
这是我从网站上抓取的，英格兰足球超级联赛1992年~2015年，每一场比赛的进球记录，代码在GitHub - niudd/goal_times，我知道没人会看我代码的，感兴趣可以看看我import哪些库，数据按年份保存在csv里了。这里我用到了Requests，Beautiful Soup抓HTML数据，pandas数据框结构保存一场场比赛记录。

import pandas as pddf1 = pd.read_csv('2013-2014.csv')df2 = pd.read_csv('2014-2015.csv')df3 = pd.read_csv('2015-2016.csv')df = pd.concat([df1, df2, df3], ignore_index=True)df.reset_index(drop=True, inplace=True)

这样就把过去三个赛季的比赛读取进来，合并成一个dataframe。
数据可视化、初步分析
pandas数据框有丰富的功能，比如Group By: split-apply-combine，比如想知道英超场均进球数。

df.groupby('year').get_group('2013-2014')['goals'].mean()

更便捷的可以：

df.groupby('year').mean()

此外，做图我用Seaborn: statistical data visualization，有了它我就不用R做图了。
这是阿森纳在90分钟内每一分钟进球的频率。大家都觉得足球比赛90分钟绝杀很少见，可是数据告诉我们补时阶段的进球率是常规时间的8~9倍。

数据挖掘？
这部分我主要做统计建模，我曾利用pandas+scipy.optimize写过一个极大似然估计算法，计算每只球队的进攻、防守参数。然后预测博彩公司开出的赔率。

最后说下，这些库我怎么学习的。
看官方文档，读别人写的项目，自己写项目。遇到技术上的问题就去问google，Stack Overflow。

机器学习的理论，我是看统计学习方法 (豆瓣)、Coursera Andrew Ng，因为有统计学基础，这部分大约只花了三个月。随后我找到Python的sklearn库学习编写机器学习代码。推荐看这位Jake Vanderplas的github，作为sklearn贡献者之一，近几年在Pycon上做了对sklearn的介绍。有条件的可以看下面的youtube，看不了请直接看他的github上几个Pycon的notebook。当然看sklearn官方文档也非常棒。
https://www.youtube.com/watch?v=r4bRUvvlaBw&list=PLjKEIQlKCTZaDrN_4ydmsnU1_h5xk3Gr7&index=1

Python入门我是靠这些：
Python | Codecademy
Udacity build a search engine
Dive Into Python
然后随大流写了一阵子爬虫熟悉Python。

有问题了再补充吧。

科赛网Kesci · 2018-9-20 02:08:20

Python是种高级动态编程语言，1991年，由Guido van Rossum创建发行。应用范围从Web开发到数据科学再到DevOps。

它注重简洁、易读性高、可拓展性强，尤其在数据科学领域，可以很好的支撑商业分析（探索性分析、数据可视化）、机器学习（数据清洗、算法建模）、深度学习（神经框架搭建）等场景。因此大部分的数据工作者愿意选用Python开展工作，数据分析新手也会考虑通过Python入门数据分析。

科赛kesci.com目前聚集了数万名数据人才，通过与他们的密切交流，我们发现：虽然Python本身对零基础数据分析新手非常友好，但他们中的大部分也曾面临过「数据分析从入门到放弃」的世纪难题。

分析背后的原因，归纳起来主要是：

亲手搭建本地编程环境的繁琐工程量、过程中冒出的各种安装Bug，非常容易让初学者丧失学习兴趣（特别是非计算机相关专业出身的朋友）；
面对网络公开分享的大量数据分析相关知识、学习教程，不知该如何甄别、筛选；
好不容易啃完教程、学会编程，发现当面对真实商业数据分析问题时，脑袋一片空白，无从下手。

但其实，我们都有机会让数据知识的学习、数据分析工具与人的交互体验变得更好一点。

Part1：零基础新手的必备基础知识

Python在人工智能、机器学习领域受到火热追捧，很大程度上在于它拥有非常庞大的第三方库，以及强大的通用编程性能。因此，快速掌握Python进行数据分析，就是学习Python各种第三方库、工具包的过程。

对于新手，能掌握好：Python关键代码以及Pandas、Numpy、Matplotlib、Seaborn这四个基本工具包，便能独立完成一些简单的数据分析工作了。

说明：机器学习的Scikit-Learn相关学习材料我们正在搬运中，敬请期待！

Week1

学习内容：Pandas

说明：是个能快速简单实现数据操作、整合及可视化的工具库

Week2

学习内容：Numpy

说明：是做科学计算最基础的库。针对n维向量及Numpy类型数组，提供了多种便于提升运算速度的功能

Week3

学习内容：Matplotlib

说明：Matplotlib的设计理念是能够用轻松简单的方式生成强大的可视化效果，然而它是一个低端库，相比于其他高端的库，需要去写更多的代码来实现可视化效果。

Week4

学习内容：Seaborn

说明：关注于统计模型的可视化，可以提供热力图等多种效果去描绘数据的整体分布情况。

如何学习

就以上单个学习内容，可以在科赛完成登录后，直接点击「Fork」键即可将该项目内容收至个人K-Lab工作专区，点击「运行」键即可在K-Lab的交互式编程界面，体验「边敲代码边运行边掌握知识」的实践化学习场景。
我们在官网「项目」栏目里创建了「DATA TRAIN|数据分析学习计划」，后面会持续更新。

Part2：选择体验良好的数据分析编程环境

我们都知道「工欲善其事，必先利其器」的重要性。这里必须隆重安利下：K-Lab在线数据分析协作平台。

零数据工程问题

K-Lab是款在线数据分析协作平台，用户在完成登录后均能拥有个人独享的K-Lab工作专区，免费享受2核8G的高性能云计算资源。同时已经为你集成了Python3、Python2、R三种主流编程语言环境（随你挑选语言），同步内置100+常用数据分析工具包，可以直接调用。意味着你完成登录后，可以直接在云端学习编程语言，开展数据分析。

交互式编程设计

数据分析领域内，传统的集成开发环境（IDE）正被取代。Jupyter、JupyterLab和RStudio便是这一趋势的杰出例子。
计算型叙述正被广泛地创造出来。实时运行的代码、叙事性的文本和可视化将被整合在一起，方便数据工作者使用代码和数据来讲述故事。

K-Lab是提供基于Jupyter Notebook的在线数据分析服务，延续采用交互式编程的设计方法，让数据分析整个过程与结果统一。

Part3：用真实商业数据应用项目检验能力

学习Python的最终目的，是为了掌握数据分析技能，拥有解决实际工作或日常生活中与数据分析相关问题的能力。

对于高等院校在校生以及期望转型为数据工作者的人群，行业内真实的生产级数据资源是难以获取的，企业内部数据化创新应用解决方案的学习案例是稀缺的。

因此，我们同步在科赛官网开放「金融行业数据算法训练营」，选用往期「前海征信“好信杯”大数据算法大赛」为案例，拆解出学习教程，为数据分析进阶爱好者提供真实行业数据实战检验。

看到这里，或许大家会想我并不懂金融咋办呢？其实我们已经考虑到了，该案例的优点就在于：

数据资源非常丰富且开放使用。作为平安旗下专业第三方商业征信机构，提供了4万条信用贷款业务、4千条现金贷业务数据。
业务复杂度低，应用场景具有普适性。通过“信用贷款”业务，建立“现金贷”业务的信用评分模型”。非常容易理解，对金融业务理解要求低。

同时，我们配备作品在线提交及测评系统，将根据事先设定的「测评标准」进行排名并实时更新。方便你对自我数据分析能力进行合理评估，并持续优化、提升。

万事始行难，期待你的坚持与蜕变！

阿里云云栖社区 · 2018-9-20 02:08:21

给亲推荐套免费的学习资料！帮大家零基础学Python！

阿里云大学特邀鱼C工作室为大家分享的一套Python学习内部资料！

感兴趣的话可以学习下！

学习地址：http://click.aliyun.com/m/1000006864/

课程介绍：

本系列教程面向零基础的同学，是一个深入浅出，通俗易懂的Python3视频教程。

前半部分主要讲解Python3的语法特性，后半部分着重讲解Python3在爬虫、Tkinter、Pygame游戏开发等实例上的应用。整个系列共16个章节，前边13个章节从一个小游戏引入Python，逐步介绍Python的语法以及语言特色。最后3个章节为案例的演示，是前边内容的总结和提高。

课程目标：

Python入门
Python实践
Python开发
Python爬虫
Python游戏开发
Python全栈开发

更多技术干货敬请关注云栖社区知乎机构号：阿里云云栖社区 - 知乎

匿名用户 · 2018-9-20 02:08:22

提示: 作者被禁止或删除内容自动屏蔽

燕大吓 · 2018-9-20 02:08:24

最佳答案

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》

最后：我有建立一个python学习交流群，在群里大家相互帮助，相互关心。相互分享知识，多一个人多一个想法，只有人多的时候遇到问题才会有更多的人帮你解决问题，如果你也是愿意分享，不是单纯的伸手党我欢迎你来群里，先在搜索框里面加483在加上546 最后是416 这样你就可以找到组织大家一起来分享

快速学习python交流总群：619307290 >483546416

怎么用最短时间高效而踏实地学习 Python？

7 个回复

Part1：零基础新手的必备基础知识

Part2：选择体验良好的数据分析编程环境

Part3：用真实商业数据应用项目检验能力