首页 › Python论坛 › 怒肝半月！Python 学习路线+资源大汇总

苏米加家居五金 發表於 2021-10-12 12:52:00

怒肝半月！Python 学习路线+资源大汇总

<blockquote>
<p>Python 学习路线 by 鱼皮。</p>
<p>原创不易，请勿抄袭，违者必究！</p>
</blockquote>
<p>大家好，我是鱼皮，肝了十天左右的 Python 学习路线终于来了~</p>
<p>和之前一样，在看路线前，建议大家先通过以下视频了解几个问题：</p>
<ul>
<li>
<p>Python 为什么这么火？</p>
</li>
<li>
<p>为什么都在说学 Python 找不到工作？Python 真香么？</p>
</li>
<li>
<p>我要学 Python 么？</p>
</li>
<li>
<p>怎么快速学习？</p>
</li>
</ul>
<p>视频地址：https://www.bilibili.com/video/BV133411C7u5/</p>
<blockquote>
<p>点击文末阅读原文可直接跳转</p>
</blockquote>
<h2 id="python-为什么火了">Python 为什么火了？</h2>
<p>有很多原因，列举几点：</p>
<ol>
<li>语法简单易学，其他语言 5 行代码才能实现的东西，Python 一行搞定！可以少写很多代码，因此不少同学拿 Python 刷算法题（但注意要理解算法本身哦）。</li>
<li>类库生态丰富，想做什么功能基本都有现成的代码，拿来直接用就行，无比方便！</li>
<li>免费开源，感兴趣、有能力的同学可以自己去研究源码。</li>
<li>其他特性，比如跨平台、可扩展等。</li>
<li>作为数据科学、人工智能的首选语言，踩到了时代的风口。</li>
</ol>
<p>于是乎，Python 被推向了神坛，甚至在 2021 年 10 月的编程语言排行榜中，Python 登上了第一位！</p>
<p><img src="https://qiniuyun.code-nav.cn/image-20211009115608685.png"></p>
<p>但就是这样一门 “永远的神” 的编程语言，却在网上被口口相传说：学了 Python 找不到工作！</p>
<p>哎，为啥呢？</p>
<h2 id="为什么-python-不适合找工作">为什么 Python 不适合找工作？</h2>
<p>一方面是，大多数的企业，都不用 Python 来开发应用。</p>
<p>因为 Python 的运行速度太慢了，别说跟底层的 C++ 比了，Java 都能甩它几条街！而且这和语言本身的设计实现有关，所以哪怕你再出什么技术去优化它的性能，也终究有个瓶颈，世界上最好的语言 PHP 也是一样。</p>
<p>而对企业来说，<strong>性能</strong> 会直接影响用户体验和机器成本，尤其是在这个信息爆炸、大家都在追求性能的时代，Python 在应用开发领域的地位就很尴尬，而开发岗又正好是程序员中占比极高的岗位。</p>
<p>另一方面，虽然 Python 的应用场景很多、相关岗位也不少，又是什么 AI、数据科学的主流语言是吧，未来很美好。但是，这些前沿技术的难点并不是 Python 语言的代码本身，而是算法和思想。Python 只是一个调包、把你思想表达出来的工具而已。所以这些前沿岗位的门槛远比你入门 Python、或者听培训机构画饼时要高的多，算法岗位、大厂的产品岗真就是神仙打架，而且研究生居多。</p>
<h2 id="学习目标">学习目标</h2>
<p>既然这样，那我还要不要学 Python 呢？</p>
<p>我认为：<strong>必须要学！</strong></p>
<p>但是，一定要先思考自己的学习目标，目标不同，对 Python 的学习态度和投入的时间也不同。</p>
<p>如果想找开发岗位的工作，像上面说的，不建议把 Python 作为你的主语言，而是把它当做你的副武器。只需简单学学 Python 基础，就可以编写 Python 脚本来自动化办公、提高工作效率、做一些小工具了，性价比很高。</p>
<p><strong>如果说编程语言是工具，那 Python 是对这句话的完美诠释。</strong> 多会用一个神器，谁不爱呢？</p>
<p>如果你想找其他岗位的工作，比如运维、测试、数据分析、产品经理、大数据、爬虫、人工智能、图像处理、多媒体处理、算法研究，当然也可以，只是如果以这些岗位为目标，除了要打好 Python 基础外，更重要的是理解对应领域的思想、方法和实践，而不是只会引库调包。</p>
<p>如果你是初学编程或者出于好奇学编程，我也建议你学 Python，好玩、能学下去、能培养兴趣，这些对初学者非常重要，有了兴趣之后，再学别的语言就会如鱼得水。</p>
<h2 id="学习建议">学习建议</h2>
<p>对于初学者和非 Python 岗位的从业者，就把 Python 当工具学，了解下基础语法和常用类库，需要写 Python 脚本时，能利用搜索引擎和文档写出（或者复制）代码就行。只要你学过其他编程语言，上手 Python 真的都很容易，3 - 7 天就能学会。</p>
<p>建议学习时多写些小例子，比如 Python 处理表格、Python 处理 PDF 等，感受 Python 类库的强大就完事儿~</p>
<h2 id="学习路线大纲">学习路线大纲</h2>
<p>折叠了一部分，还是老长，公众号【程序员鱼皮】回复【python】获取思维导图：</p>
<p><img src="https://qiniuyun.code-nav.cn/img/%E9%B1%BC%E7%9A%AE%20-%20Python%20%E5%AD%A6%E4%B9%A0%E8%B7%AF%E7%BA%BF.png"></p>
<h2 id="学习路线">学习路线</h2>
<h3 id="基础">基础</h3>
<ul>
<li>Python 安装</li>
<li>开发工具
<ul>
<li>PyCharm</li>
<li>Sublime</li>
<li>VS Code</li>
</ul>
</li>
<li>变量
<ul>
<li>定义变量</li>
<li>关键字</li>
<li>命名规则</li>
<li>基本数据类型</li>
<li>类型转换</li>
</ul>
</li>
<li>运算符和表达式</li>
<li>流程控制
<ul>
<li>条件分支</li>
<li>循环</li>
</ul>
</li>
<li>基本数据结构
<ul>
<li>字符串</li>
<li>列表</li>
<li>元组</li>
<li>集合</li>
<li>字典</li>
</ul>
</li>
<li>函数
<ul>
<li>定义</li>
<li>参数传递</li>
<li>作用域</li>
<li>lambda 表达式</li>
<li>常用内置函数</li>
</ul>
</li>
<li>⭐ 面向对象编程
<ul>
<li>类和对象</li>
<li>三大特性
<ul>
<li>封装
<ul>
<li>self</li>
<li>属性</li>
<li>方法
<ul>
<li>类方法</li>
<li>实例方法</li>
<li>静态方法</li>
</ul>
</li>
<li>访问控制</li>
</ul>
</li>
<li>继承
<ul>
<li>单继承</li>
<li>多继承</li>
</ul>
</li>
<li>多态
<ul>
<li>方法重写</li>
</ul>
</li>
</ul>
</li>
<li>运算符重载</li>
<li>装饰器</li>
<li>反射</li>
</ul>
</li>
<li>模块
<ul>
<li>导入模块</li>
<li>常用模块
<ul>
<li>文件处理</li>
<li>日期时间</li>
</ul>
</li>
</ul>
</li>
<li>包
<ul>
<li>导入包</li>
<li>生成包</li>
</ul>
</li>
<li>异常处理
<ul>
<li>捕获异常</li>
<li>try ... else ... finally 结构</li>
<li>自定义异常</li>
</ul>
</li>
<li>文件操作
<ul>
<li>文件开闭</li>
<li>文件读写</li>
</ul>
</li>
</ul>
<h3 id="进阶">进阶</h3>
<ul>
<li>函数进阶
<ul>
<li>闭包</li>
<li>匿名函数</li>
<li>生成器函数</li>
<li>装饰器</li>
<li>高阶函数</li>
</ul>
</li>
<li>正则表达式</li>
<li>数据库编程
<ul>
<li>数据库基础</li>
<li>SQL 编写</li>
<li>查询
<ul>
<li>聚合</li>
<li>分组</li>
<li>关联</li>
<li>排序</li>
</ul>
</li>
<li>事务</li>
<li>数据库设计</li>
<li>数据库调优</li>
</ul>
</li>
<li>并发编程
<ul>
<li>同步和异步</li>
<li>阻塞和非阻塞</li>
<li>多线程</li>
<li>多进程</li>
<li>协程</li>
<li>并发类库</li>
</ul>
</li>
<li>网络编程
<ul>
<li>网络基础（七层模型、IP）</li>
<li>网络协议（TCP、UDP、HTTP、HTTPS、FTP、DNS）</li>
<li>WebSocket</li>
</ul>
</li>
</ul>
<h3 id="web-开发">web 开发</h3>
<ul>
<li>Django 框架
<ul>
<li>安装与 Demo</li>
<li>MVT 分层</li>
<li>模型
<ul>
<li>数据库基础</li>
<li>ORM
<ul>
<li>单表查询</li>
<li>多表查询</li>
<li>聚合查询</li>
</ul>
</li>
</ul>
</li>
<li>视图</li>
<li>模板
<ul>
<li>模板语法</li>
<li>静态资源</li>
</ul>
</li>
<li>路由</li>
<li>Django Admin 管理工具</li>
<li>测试</li>
<li>会话</li>
<li>鉴权</li>
<li>文件上传</li>
<li>中间件</li>
<li>高级特性
<ul>
<li>分页</li>
<li>缓存
<ul>
<li>本地缓存</li>
<li>Redis 分布式缓存</li>
</ul>
</li>
<li>序列化</li>
<li>信号</li>
<li>celery 任务调度</li>
</ul>
</li>
<li>Restful API 开发
<ul>
<li>概念</li>
<li>数据序列化</li>
<li>Django Rest Framework</li>
</ul>
</li>
<li>部署</li>
<li>项目实战</li>
</ul>
</li>
<li>前端基础
<ul>
<li>HTML</li>
<li>CSS</li>
<li>JavaScript</li>
</ul>
</li>
<li>Flask 框架</li>
</ul>
<h3 id="爬虫">爬虫</h3>
<ul>
<li>概念</li>
<li>合法性</li>
<li>数据抓取
<ul>
<li>常用网络协议（http / https）概念</li>
<li>请求
<ul>
<li>请求头</li>
<li>请求参数</li>
<li>请求类型</li>
</ul>
</li>
<li>响应
<ul>
<li>响应头</li>
<li>响应参数</li>
</ul>
</li>
<li>requests 模块</li>
<li>urllib 模块</li>
<li>模拟登陆</li>
<li>静态 / 动态网站抓取</li>
<li>无头浏览器
<ul>
<li>selenium</li>
<li>puppeteer</li>
</ul>
</li>
</ul>
</li>
<li>数据解析
<ul>
<li>常用标签</li>
<li>BeautifulSoup</li>
<li>正则表达式</li>
<li>xpath</li>
</ul>
</li>
<li>数据导出
<ul>
<li>文件
<ul>
<li>Excel</li>
<li>CSV</li>
</ul>
</li>
<li>数据库
<ul>
<li>MongoDB</li>
<li>MySQL</li>
</ul>
</li>
<li>中间件
<ul>
<li>Redis</li>
</ul>
</li>
</ul>
</li>
<li>Scrapy 框架
<ul>
<li>核心概念
<ul>
<li>命令行工具</li>
<li>Spiders</li>
<li>Selectors</li>
<li>Items</li>
<li>Item Loaders</li>
<li>管道</li>
<li>Scrapy Shell</li>
<li>Link Extractors</li>
</ul>
</li>
<li>调度器</li>
<li>分布式爬虫</li>
<li>部署</li>
</ul>
</li>
<li>并发异步爬虫
<ul>
<li>aioHttp</li>
<li>asyncio</li>
</ul>
</li>
<li>高级
<ul>
<li>IP 代理</li>
<li>验证码识别</li>
<li>APP 抓取</li>
<li>增量式爬虫</li>
</ul>
</li>
<li>项目实战</li>
<li>反爬虫
<ul>
<li>请求头限制</li>
<li>验证码</li>
<li>黑白名单</li>
<li>封禁 IP</li>
<li>数据加密</li>
<li>数据混淆</li>
<li>行为分析</li>
</ul>
</li>
</ul>
<h3 id="自动化运维">自动化运维</h3>
<ul>
<li>Linux 环境</li>
<li>Shell 脚本编写</li>
<li>脚本管理</li>
<li>脚本发布</li>
<li>Python 运维库</li>
<li>常用运维工具</li>
</ul>
<h3 id="数据分析数据科学">数据分析（数据科学）</h3>
<ul>
<li>环境搭建
<ul>
<li>Anaconda</li>
<li>Conda</li>
<li>Miniconda</li>
<li>Jupyter Notebook</li>
</ul>
</li>
<li>常用数据结构</li>
<li>常用类库
<ul>
<li>Numpy
<ul>
<li>数组</li>
<li>索引</li>
<li>切片</li>
<li>多维数组</li>
<li>函数</li>
</ul>
</li>
<li>Pandas
<ul>
<li>Series</li>
<li>DataFrame</li>
<li>索引</li>
<li>对齐</li>
<li>函数</li>
<li>统计</li>
</ul>
</li>
</ul>
</li>
<li>数据处理
<ul>
<li>数据清洗</li>
<li>层次化索引</li>
<li>数据连接</li>
<li>数据合并</li>
<li>分组聚合</li>
<li>轴向旋转</li>
</ul>
</li>
<li>数据可视化
<ul>
<li>matplotlib</li>
<li>seaborn</li>
<li>pyechart</li>
</ul>
</li>
</ul>
<h3 id="算法人工智能">算法（人工智能）</h3>
<blockquote>
<p>鱼皮自己没怎么接触人工智能，结合网上很多大神的资料整理而成，也有一定参考意义。</p>
</blockquote>
<ul>
<li>数学基础
<ul>
<li>高等数学</li>
<li>线性代数</li>
<li>概率论</li>
<li>统计分析</li>
</ul>
</li>
<li>机器学习
<ul>
<li>特征工程</li>
<li>模型
<ul>
<li>模型分类</li>
<li>模型评估</li>
<li>模型训练</li>
<li>模型调优</li>
</ul>
</li>
<li>常用算法
<ul>
<li>监督与无监督学习</li>
<li>回归（有监督）
<ul>
<li>线性回归</li>
<li>决策树</li>
<li>集成算法</li>
</ul>
</li>
<li>分类（有监督）
<ul>
<li>逻辑回归</li>
<li>决策树</li>
<li>支持向量机</li>
<li>集成算法</li>
<li>贝叶斯算法</li>
</ul>
</li>
<li>聚类（无监督）
<ul>
<li>k-means</li>
<li>dbscan</li>
</ul>
</li>
<li>降维
<ul>
<li>主成分分析</li>
<li>线性判别分析</li>
</ul>
</li>
<li>进阶
<ul>
<li>GBDT 提升算法</li>
<li>lightgbm</li>
<li>EM 算法</li>
<li>隐马尔科夫模型</li>
</ul>
</li>
</ul>
</li>
<li>多因子模型</li>
<li>常用库
<ul>
<li>Scikit-learn</li>
</ul>
</li>
<li>量化交易策略</li>
</ul>
</li>
<li>深度学习
<ul>
<li>数据预处理</li>
<li>算法
<ul>
<li>神经网络</li>
<li>卷积神经网络</li>
<li>递归神经网络</li>
<li>对抗生成网络</li>
<li>序列网络模型</li>
</ul>
</li>
<li>常用算法</li>
<li>框架和平台
<ul>
<li>Tenserflow2</li>
<li>Pytorch</li>
<li>Keras</li>
<li>Caffe</li>
</ul>
</li>
</ul>
</li>
<li>自然语言处理</li>
<li>图像处理</li>
<li>计算机视觉</li>
</ul>
<h2 id="常用类库">常用类库</h2>
<p>Python 能被广泛应用，很大程度上是因为其丰富的类库，就是他人提前写好并封装的代码。基本你要做什么东西都能找到对应的类库，直接看文档用就行了，大大提高开发效率！</p>
<p>开源项目 <code>awesome-python-cn</code>（地址：https://github.com/jobbole/awesome-python-cn） 和 <code>awesome-python</code>（地址：https://github.com/vinta/awesome-python）已经帮大家整理了各方向的 Python 类库，数量非常多。鱼皮在此基础上筛选了一些相对优质的库，分享给大家。</p>
<h3 id="通用">通用</h3>
<h4 id="日期处理">日期处理</h4>
<ul>
<li>delorean：日期处理库</li>
<li>pendulum：日期时间操作库</li>
<li>dateutil：对标准 datetime 模块的强大扩展</li>
</ul>
<h4 id="终端优化">终端优化</h4>
<ul>
<li>IPython：功能丰富的交互式 Python 解析器</li>
<li>Jupyter Notebook：基于网页的用于交互计算的应用程序</li>
<li>Prettytable：生成美观的 ASCII 格式的表格</li>
<li>Colorama：让终端具有颜色</li>
<li>bashplotlib：在终端中进行基本绘图</li>
<li>emoji：支持在 Python 终端输出表情</li>
<li>Ipyvolume：在 Jupyter notebook 中可视化 3d 体积和字形</li>
</ul>
<h4 id="文本处理">文本处理</h4>
<ul>
<li>FlashText：高效的文本查找替换库</li>
<li>furl：url 处理库</li>
<li>pypinyin：汉字拼音转换工具</li>
<li>simplejson：JSON 编 / 解码器</li>
<li>JMESPath：JSON 查询语法库</li>
</ul>
<h4 id="其他">其他</h4>
<ul>
<li>
<p>Pipenv：Python 官方推荐的新一代包管理工具</p>
</li>
<li>
<p>threading：自带的线程库</p>
</li>
<li>
<p>multiprocessing：自带的多线程库</p>
</li>
<li>
<p>Chardet：字符编码检测器</p>
</li>
<li>
<p>logging：日志功能</p>
</li>
<li>
<p>PySnooper：Python 调试工具</p>
</li>
<li>
<p>sphinx：Python 文档生成器</p>
</li>
<li>
<p>pyttsx3：文字转语音库</p>
</li>
<li>
<p>PyWin32：提供和 windows 的交互</p>
</li>
<li>
<p>shortuuid：生成唯一 uuid 的库</p>
</li>
<li>
<p>more-itertools：支持迭代操作对象</p>
</li>
<li>
<p>cryptography：密码学工具包</p>
</li>
</ul>
<h3 id="网络请求--解析">网络请求 &amp; 解析</h3>
<ul>
<li>requests：HTTP 请求库</li>
<li>aiohttp：异步 HTTP 网络库</li>
<li>scrapy：分布式网页采集框架</li>
<li>pyspider：一个强大的爬虫系统</li>
<li>BeautifulSoup：从 HTML 或 XML 文件中提取数据的库</li>
<li>you-get：网页视频下载器</li>
<li>wget：网页文件下载</li>
<li>musicdl：Python 音乐下载器</li>
</ul>
<h3 id="文件处理">文件处理</h3>
<ul>
<li>openpyxl：Excel 读写库</li>
<li>tablib：处理表格数据</li>
<li>csvkit：用于转换和操作 CSV 的工具</li>
<li>XlsxWriter：操作 Excel</li>
<li>python-docx：操作 office word 文档</li>
<li>PyPDF2：操作 PDF 文档</li>
<li>pdfminer：从 PDF 文档中抽取信息的工具</li>
<li>xhtml2pdf：HTML 转 PDF 工具</li>
<li>WeasyPrint：可视化网页，并支持导出为 PDF</li>
<li>html2text：将 HTML 转换为 Markdown 文档</li>
<li>xmltodict：像处理 JSON 一样处理 XML</li>
<li>moviepy：基于脚本的视频编辑模块</li>
<li>eyeD3：操作音频文件的工具</li>
<li>pyAudioAnalysis：音频特征提取分析</li>
</ul>
<h3 id="界面开发">界面开发</h3>
<ul>
<li>pyQT：跨平台的用户界面开发框架</li>
<li>Turtle：交互式绘画库</li>
<li>pyglet：跨平台界面及多媒体框架</li>
<li>wxPython：Python 用户界面开发工具</li>
<li>Pygame：一组用来开发游戏的 Python 模块</li>
<li>Manim：Python 数学动画引擎</li>
<li>progressbar：一个滚动条函数库</li>
<li>progress：进度条输出</li>
<li>tqdm：快速、可扩展的进度条</li>
</ul>
<h3 id="测试">测试</h3>
<ul>
<li>nose：测试框架</li>
<li>faker：生成假数据</li>
<li>PyAutoGUI：跨平台 GUI 自动测试模块</li>
<li>coverage：代码覆盖率测量</li>
<li>sqlmap：自动 SQL 注入和渗透测试工具</li>
</ul>
<h3 id="web-开发-1">Web 开发</h3>
<ul>
<li>Django：Python 界最流行的 web 框架</li>
<li>Django REST framework：用于开发 web api 的框架</li>
<li>FastAPI：快速构建 web 应用程序</li>
<li>flask：Python 微型框架</li>
<li>Twisted：一个事件驱动的网络引擎</li>
</ul>
<h3 id="运维">运维</h3>
<ul>
<li>psutil：跨平台的进程和系统工具模块</li>
<li>supervisor：进程控制管理系统</li>
<li>sh：让 Python 支持 shell 脚本</li>
<li>dnspython：DNS 工具包</li>
<li>scapy：数据包处理库</li>
<li>pexpect：在伪终端中控制交互程序</li>
<li>paramiko：远程连接服务</li>
<li>Ansible：IT 自动化平台</li>
<li>SaltStack：基础设施自动化和管理系统</li>
<li>watchdog：管理文件系统事件的 API 和 shell 工具</li>
</ul>
<h3 id="图像处理--计算机视觉">图像处理 &amp; 计算机视觉</h3>
<ul>
<li>Pillow：图像处理库</li>
<li>kornia：计算机视觉库</li>
<li>Opencv：开源计算机视觉库</li>
<li>Mahotas：计算机视觉和图像处理库</li>
<li>Luminoth：计算机视觉的深度学习工具集</li>
</ul>
<h3 id="数据分析--数据科学">数据分析 &amp; 数据科学</h3>
<ul>
<li>NumPy：数值计算工具包</li>
<li>Pandas：主流的数据分析工具</li>
<li>pyecharts：基于百度 Echarts 的数据可视化库</li>
<li>Dash：快速构建 Web 数据可视化应用</li>
<li>matplotlib：Python 2D 绘图库</li>
<li>Seaborn：使用 Matplotlib 进行统计数据可视化</li>
<li>python-recsys：实现推荐系统的库</li>
<li>vaex：高速大数据处理库</li>
<li>SciPy：算法和数学工具库</li>
<li>blaze：NumPy 和 Pandas 的大数据接口</li>
<li>statsmodels：统计建模和计量经济学</li>
</ul>
<h3 id="人工智能">人工智能</h3>
<ul>
<li>Tensorflow：谷歌开源的最受欢迎的深度学习框架</li>
<li>keras：深度学习封装库，快速上手神经网络</li>
<li>Pytorch：具有张量和动态神经网络，并有强大 GPU 加速能力的深度学习框架</li>
<li>Caffe2：一个轻量、模块化、可扩展的深度学习框架</li>
<li>scikit-learn：基于 SciPy 构建的机器学习 Python 模块</li>
<li>PyMC：马尔科夫链蒙特卡洛采样工具</li>
<li>mmdetection：深度学习目标检测工具箱</li>
<li>imbalanced-learn：不平衡学习工具包</li>
<li>XGBoost：分布式梯度增强库</li>
<li>Gym：强化学习算法的工具包</li>
</ul>
<h3 id="自然语言处理">自然语言处理</h3>
<ul>
<li>NLTK：自然语言处理工具包</li>
<li>Gensim：话题建模库</li>
<li>Pattern：自然语言处理工具</li>
<li>fuzzywuzzy：用于字符串模糊匹配、令牌匹配等</li>
<li>TextBlob：为进行普通自然语言处理任务提供一致的 API</li>
<li>PyFlux：时间序列处理库</li>
<li>jieba：中文分词工具</li>
</ul>
<h2 id="大纲">大纲</h2>
<p>（大纲图）</p>
<h2 id="岗位">岗位</h2>
<ul>
<li>腾讯校招 Python 相关岗位：https://join.qq.com/post.html?keyword=python</li>
<li>岗位薪资查询：OfferShow 小程序</li>
<li>运维工程师</li>
<li>Web 开发工程师（后端、全栈为主）</li>
<li>测试工程师</li>
<li>数据分析师</li>
<li>产品经理</li>
<li>算法工程师
<ul>
<li>机器学习</li>
<li>计算机视觉</li>
<li>NLP</li>
<li>多媒体处理</li>
</ul>
</li>
<li>大数据工程师
<ul>
<li>大数据开发</li>
<li>数据挖掘</li>
</ul>
</li>
<li>网络爬虫工程师</li>
<li>技术研究员</li>
</ul>
<h2 id="资源">资源</h2>
<h3 id="视频">视频</h3>
<h4 id="零基础">零基础</h4>
<ul>
<li>⭐ 千锋教育 700 集零基础 Python 教程：https://www.bilibili.com/video/BV1R7411F7JV（非常全面，基础、web 开发、爬虫、数据分析、AI 基础都讲了，例子也很丰富）</li>
<li>⭐ 黑马程序员600集 Python 教程：https://www.bilibili.com/video/BV1ex411x7Em（比较全面，基于 Linux 环境学习，以 Python 基础 + 面向对象为重点，还包含一部分游戏开发）</li>
<li>⭐ Python 全栈开发教程：https://www.bilibili.com/video/BV1wD4y1o7AS（很纯粹的 Python 基础教程，案例多，适合快速入门）</li>
<li>小甲鱼 -《零基础入门学习Python》最新版：https://www.bilibili.com/video/av52080698（可惜，更新到一半就没了。。）</li>
<li>【麻省理工学院-中文字幕版】Python 和计算机科学导论公开课：https://www.bilibili.com/video/BV1ty4y1x7xP（适合外语不错的同学课外看，感受国外教学氛围）</li>
<li>阿里云 python 工程师学习：https://developer.aliyun.com/graph/python（有在线编程体验）</li>
<li>鱼皮公众号【程序员鱼皮】后台回复 Python，也有一套视频课</li>
</ul>
<h4 id="其他-1">其他</h4>
<ul>
<li>
<p>Web 开发</p>
<ul>
<li>Python Django 项目实战教程：https://www.bilibili.com/video/BV1pq4y1W7a1</li>
<li>Python + 微信小程序实战开发：https://www.bilibili.com/video/BV1Xy4y1s792（挺完整，后台用的 Django 框架）</li>
</ul>
</li>
<li>
<p>数据结构与算法</p>
<ul>
<li>Python 数据结构与算法全套 100 节：https://www.bilibili.com/video/BV1uA411N7c5</li>
<li>【北京大学】数据结构与算法Python版（完整版）：https://www.bilibili.com/video/BV1VC4y1x7uv</li>
</ul>
</li>
<li>
<p>爬虫</p>
<ul>
<li>2020 年Python爬虫全套课程（学完可做项目）：https://www.bilibili.com/video/BV1Yh411o7Sz</li>
<li>Python 爬虫编程基础 5 天速成：https://www.bilibili.com/video/BV12E411A7ZQ（很短的爬虫实战入门课）</li>
</ul>
</li>
<li>
<p>数据分析</p>
<ul>
<li>自学数据分析课程：https://www.bilibili.com/video/BV1ZM4y1u7uF（很纯粹的数据分析 + 可视化课程，适合办公党快速上手）</li>
<li>完整数据分析课程：https://www.bilibili.com/video/BV1vV411p7D6（数据分析 + 机器学习，很全面）</li>
<li>Python 数据分析入门视频合集：https://shimowendang.com/docs/36pykCPH6XCjKJcv/read</li>
</ul>
</li>
<li>
<p>其他</p>
<ul>
<li>
<p>一天搞定人脸识别项目（python+opencv）：https://www.bilibili.com/video/BV1Lq4y1Z7dm</p>
</li>
<li>
<p>Python 自动化办公：https://www.bilibili.com/video/BV1uv411W7Fi（主要是处理 Excel）</p>
</li>
</ul>
</li>
</ul>
<h3 id="书籍">书籍</h3>
<ul>
<li>⭐《Python编程：从入门到实践》：https://www.code-nav.cn/rd/?rid=cbddf0af6064484f002658102cdbba17</li>
<li>《python学习手册》：https://www.code-nav.cn/rd/?rid=79550af260643c8e0ce47ab84633e200</li>
<li>《笨办法学Python3》：https://www.code-nav.cn/rd/?rid=b00064a760643bb90cbba72836995fd5</li>
<li>《Python编程快速上手》（第2版）：https://book.douban.com/subject/35387685/</li>
<li>《Python Cookbook 中文版》（第3版）：https://book.douban.com/subject/26381341/</li>
<li>《父与子的编程之旅》：https://www.code-nav.cn/rd/?rid=8937eaa9615519680ed81c0e3165ee65</li>
<li>⭐《Python 深度学习》https://www.code-nav.cn/rd/?rid=2d44d6c261624dd31224ed1b5841920c</li>
<li>《Python网络爬虫实战》第2版：https://www.code-nav.cn/rd/?rid=b00064a7606440d40cbc2fca19192e4f</li>
<li>《Python数据科学手册》：https://book.douban.com/subject/27667378/</li>
<li>《利用Python进行数据分析》：https://book.douban.com/subject/25779298/</li>
<li>《轻量级Django》：https://www.code-nav.cn/rd/?rid=28ee4e3e60641fd60d91fd2441418491</li>
<li>⭐ <strong>编程导航 - 超多 Python 书籍直接免费下载</strong> ：https://www.code-nav.cn/topic/Python（选择书籍标签）</li>
<li>Python Guide（英文）：https://docs.python-guide.org/</li>
</ul>
<h3 id="文档">文档</h3>
<ul>
<li>⭐ Python 入门教程（菜鸟教程）：https://www.runoob.com/python3/python3-tutorial.html（可以在线写代码练习）</li>
<li>Python 入门教程（W3Cschool）：https://www.w3cschool.cn/python3/（支持手机阅读）</li>
<li>Python 中文学习大本营：http://www.pythondoc.com/（一系列文档教程的集合）</li>
<li>Python 100 天：https://github.com/jackfrued/Python-100-Days</li>
<li>廖雪峰 Python 入门教程：https://www.liaoxuefeng.com/wiki/1016959663602400</li>
<li>莫烦 Python 教程：https://mofanpy.com/（包括基础、数据处理、机器学习等，部分内容有视频）</li>
<li>Django 官方教程：https://docs.djangoproject.com/zh-hans/3.2/intro/tutorial01/</li>
<li>Manim 动画引擎教程：https://docs.manim.org.cn/shaders/</li>
<li>A Byte of Python：https://python.swaroopch.com/（Python 英文入门教程）</li>
<li>⭐ 谷歌 Python 代码规范：https://google.github.io/styleguide/pyguide.html</li>
</ul>
<h3 id="实战">实战</h3>
<ul>
<li>⭐ 蓝桥云课 Python 实战合集：https://www.lanqiao.cn/courses/?fee=free&amp;tag=Python</li>
<li>腾讯云在线 Python 实验：https://cloud.tencent.com/developer/labs/gallery?tagId=23</li>
<li>阿里云 Python 入门实验：https://developer.aliyun.com/adc/scenario/e04fe73ad95d4782aef7aecca206196e</li>
<li>华为云沙箱实验室：https://lab.huaweicloud.com/testList.html</li>
<li>Python123：https://python123.io/index（在线编程，部分课收费）</li>
<li>CheckiO 游戏学 Python：https://py.checkio.org/</li>
<li>通过测试交互式学 Python（英文）：https://github.com/gregmalcolm/python_koans</li>
<li>交互式 Python 挑战（英文）：https://github.com/donnemartin/interactive-coding-challenges</li>
<li>通过项目学 Python（英文）：https://github.com/practical-tutorials/project-based-learning#python</li>
<li>通过示例交互式学 Python（英文）：https://github.com/jerry-git/learn-python3</li>
</ul>
<h3 id="代码">代码</h3>
<ul>
<li>数据结构和算法 Python 实现：https://github.com/keon/algorithms</li>
<li>《剑指 Offer》算法面试题 Python 实现：https://github.com/JushuangQiao/Python-Offer</li>
<li>设计模式 Python 实现：http://www.pythontip.com/python-patterns/detail/abstract_factory</li>
<li>Python Machine Learning 代码：https://github.com/rasbt/python-machine-learning-book-3rd-edition</li>
<li>Python 小脚本：https://github.com/RealHacker/python-gems</li>
</ul>
<h3 id="合集">合集</h3>
<ul>
<li>
<p>⭐ GitHub Python 专区：https://github.com/topics/python</p>
</li>
<li>
<p>神经网络和深度学习相关框架：https://github.com/ChristosChristofidis/awesome-deep-learning</p>
</li>
<li>
<p>机器学习相关库：https://github.com/josephmisiti/awesome-machine-learning#python</p>
</li>
<li>
<p>开源 Python 应用程序大全：https://github.com/mahmoud/awesome-python-applications</p>
</li>
<li>
<p>Python 类库大全：https://github.com/vinta/awesome-python</p>
</li>
<li>
<p>Python 类库大全（中文版）：https://github.com/jobbole/awesome-python-cn</p>
</li>
<li>
<p>Python 异步大全：https://github.com/timofurrer/awesome-asyncio</p>
</li>
<li>
<p>jupyter 相关：https://github.com/markusschanta/awesome-jupyter</p>
</li>
<li>
<p>Python 书单：https://github.com/Junnplus/awesome-python-books</p>
</li>
<li>
<p>Python 书单（中文版）：https://github.com/jobbole/awesome-python-books</p>
</li>
<li>
<p>StackOverflow Python 专区：https://stackoverflow.com/questions/tagged/python（解决问题必备）</p>
</li>
<li>
<p>⭐ 掘金 Python 专区：https://juejin.cn/tag/Python（看技术文章）</p>
</li>
</ul>
<h3 id="社区">社区</h3>
<ul>
<li>Learnku Python 技术论坛：https://learnku.com/python</li>
<li>开源中国：https://www.oschina.net/（综合的开源社区）</li>
</ul>
<h3 id="工具">工具</h3>
<ul>
<li>⭐ Python 在线编程（菜鸟教程）：https://c.runoob.com/compile/6/</li>
<li>腾讯云 Python 在线手册：https://cloud.tencent.com/developer/devdocs</li>
</ul>
<h3 id="面试题">面试题</h3>
<ul>
<li>⭐ 牛客 Python 专项练习：https://www.nowcoder.com/intelligentTest</li>
<li>牛客 Python 试题：https://www.nowcoder.com/search?query=python&amp;type=question</li>
<li>牛客机器学习面试题：https://www.nowcoder.com/search?type=question&amp;query=机器学习</li>
<li>牛客机器学习笔试：https://www.nowcoder.com/search?type=paper&amp;query=机器学习</li>
<li>Python 面试题整理：https://github.com/taizilongxu/interview_python（高星）</li>
<li>Python 面试题整理：https://github.com/kenwoodjw/python_interview_question</li>
<li>机器学习面试题：https://geektutu.com/post/qa-ml.html</li>
</ul>
<h3 id="其他-2">其他</h3>
<ul>
<li>⭐ Python 常见问题：https://docs.python.org/zh-cn/3/faq/general.html（官方提供的 ）</li>
<li>GitHub Python 趋势：https://github.com/trending/python</li>
<li>Python 模块推荐：https://pymotw.com/3/</li>
<li>Python 练习册：https://github.com/Yixiaohan/show-me-the-code（一些 Python 练习题目）</li>
</ul>
<h2 id="尾声">尾声</h2>
<p>以上就是鱼皮熬了几天大夜、结合个人经验、并且参考了大量网上的视频、文章和评论总结而成的学习路线，真的是非常不容易，如果大家觉得满意请务必点个 <strong>赞</strong> 支持下。</p>
<p>我是鱼皮，持续分享编程干货的程序员，欢迎关注，下期再见~</p><br><br>
来源：https://www.cnblogs.com/yupi/p/15397370.html

查看完整版本: 怒肝半月！Python 学习路线+资源大汇总