以我的亲身经历，聊聊学python的流程，同时推荐学python的书
<p> 因为干活要用到，所以我大概于19年5月开始学python，大概学了1个月后，我就能干公司的活了，而且这python项目还包含了机器学习等要素，大概3个月后，我还承担了项目里开发机器学习数据分析的任务。所以我感到，虽然python里包含了爬虫、机器学习和数据分析等热门要素，但python并不难学，而且如果方法得当，学到能干项目的程度也很快。在这篇文章里，就讲给出我学Python的流程，向大家展示如何高效学python。</p><h2>1 搭建开发环境</h2>
<p> 由于我有学java的基础，所以我知道首先得搭建开发环境，当时我是用eclipse+Python解释器+pydev插件搭的环境，当时我还用的是3.4解释器，当然现在解释器似乎到3.9了，我也用Pycharm集成开发环境了。</p>
<p> 如果大家现在要学python，建议用如下的步骤搭建环境。</p>
<p> 1. 到官网上去下载python解释器，并安装</p>
<p> 这个是官网，https://www.python.org/downloads/windows/，在这里大家可以选择最新的版本，并根据你机器的操作系统，下载windows或linux或mac的版本，我下载的是windows版本。下载后按提示即可完成安装。</p>
<p> python是解释型语言，所以下载并安装解释器后，就能在你本地运行python语言了。</p>
<p> 2. 安装pycharm集成开发环境</p>
<p> 安装好python解释器以后，理论上你就可以通过命令行的方式，开发并运行python程序了。但这很不方便，所以建议再到https://www.jetbrains.com/pycharm/download/ 这个网站去下载并安装pycharm集成开发环境。</p>
<p> 3. 安装第三方包</p>
<p> 当安装好python解释器后，该解释器会自带一些比较基本的依赖包，但如果要开发机器学习或数据分析等程序，就需要安装第三方包，比如后文提到的numpy等。</p>
<p> 我安装第三方包的做法是，在命令窗口，通过cd等命令，进入到Python解释器所在的路径，比如C:\Users\think\AppData\Local\Programs\Python\Python37，在该路径里，再进入Scripts路径，找到pip3命令，随后通过pip3 install 包名的方式，安装第三方包，比如要安装numpy包，对应的命令是pip3 install numpy。</p>
<p> 至此就搭好了开发环境。</p>
<h2>2 搭建开发环境时遇到的坑</h2>
<p> 我在搭建开发环境时遇到过两个坑，第一是换源，第二是在pycharm里找到对应的解释器。</p>
<p><strong> 什么叫换源？</strong></p>
<p> 在用pip3 install numpy等命令安装第三方库的时候，默认似乎是到国外网站去下载，这样如果遇到包比较大，而且网络不好的情况下，下载会比较困难，所以可以用如下-i参数，指定下载第三方报道的源。</p>
<p> pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualen</p>
<p> 这里-i参数后https://pypi.tuna.tsinghua.edu.cn/simple指定的是清华源，而virtualen则是待下载的第三方包，这样就能以比较快的方式下载并安装第三方包。</p>
<p> <strong>在pycharm里确定解释器</strong></p>
<p> 我在这块搞了很久，后来我在培训班里带同学入门python时，发现初学者经常在这里犯错误。</p>
<p> 我们知道，pycharm会自带python解释器。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122112126252-290559744.png" alt="" width="733" height="162" loading="lazy"></p>
<p> 但这个解释器版本未必是我们预期的，所以我们还会再装其它的解释器。问题就在这里，<strong>安装的第三方包是跟着解释器的</strong>。</p>
<p> 比如我们在pycharm自带的3.8解释器里安装了若干第三方包，但如果切换到自己装的3.9python解释器里，这些第三方包就会全部变掉。</p>
<p> 比如当我们切换解释器后，发现第三方包全变了。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122112603824-564360904.png" alt="" width="749" height="405" loading="lazy"></p>
<p> 所以在安装第三方包时，一定得注意，要到选中解释器，比如3.9这个解释器的目录里，运行其中的pip3命令，这样就能为特定的解释器安装包。 </p>
<h2>3 通过敲代码熟悉语法</h2>
<p> Python入门书其实都差不多，我当时用的是这本。入门书不用多，运行通一本书里的语法代码即可。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122105230959-1711191577.png" alt="" width="276" height="320" loading="lazy"> </p>
<p> Python的基本语法包括：分支循环，集合（列表字典元组等），面向对象（类和继承等），文件读写和异常处理，这些语法点，运行通一遍，基本就能了解了，在开始学习阶段，不用太多地深入。</p>
<p> 如果你编程基础自认为一般，就可以再找本书，比如这本。但基本语法不用多看，运行两本书的代码就足够了。因为Python的重点在于数据分析、爬虫和机器学习等要素。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122121350005-1618760344.png" alt="" width="329" height="370" loading="lazy"></p>
<h2>4 学习数据分析三剑客组件</h2>
<p> 我的项目是用Python进行股票量化分析，不过我观察了下，不管用Python做什么样的应用，数据分析三剑客，比如Numpy，Pandas和Matplotlib这三个库，一般都得掌握。</p>
<p> 我当时看的是这本，其中包含了三剑客的语法和应用没，一般看了一本，然后照着里面的代码运行一遍的话，数据分析这块，应该也能达到能干活的地步了。</p>
<p> <img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122121935100-1788955286.png" alt="" width="409" height="512" loading="lazy"></p>
<h2>5 学习Scrapy爬虫框架</h2>
<p> 我的项目里没包含爬虫功能，但当时接了个私活，帮一个学校录制python爬虫视频。所以我就用了2周时间，买了这本书，照着里面的案例跑了一遍，就知道Scrapy爬虫的细节了。</p>
<p> 学Scrapy框架的注意点如下。</p>
<ul>
<li> Scrapy第三方比较难搭建，需要事先装其它的包，这里建议用python3.8和3.9解释器的基础上，搭建环境。</li>
<li> 建议把包下载到本地，在本地装。</li>
</ul>
<p> 但如果你真的搭建好Scrapy环境了，照着这本书上的做，基本上也不会遇到太大的问题。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122122236485-131931018.png" alt="" width="338" height="427" loading="lazy"></p>
<h2>6 以案例入门机器学习sklearn库</h2>
<p> 机器学习方面，我当时看的是这本书，其中有机器学习，同时也有用sklearn库做线性回归和SVM分析的案例。</p>
<p> 我的体会是：虽然机器学习的算法比较复杂，但基本都已经封装在sklearn库里了，也就是说，在python里只需要调用方法，传入正确的参数，即可在项目里用到机器学习的算法。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122123803960-344050199.png" alt="" width="453" height="490" loading="lazy"> </p>
<h2>7 以股票量化案例全面学习python数据分析</h2>
<p> 在之前的书里，有比较全面的整合机器学习和数据分析的案例，在其中也能综合用到numpy+pandas+matplotlib+sklearn库，不过我做的项目是和金融量化有关，所以我又买了这本书，用量化的案例来综合学习数据分析。</p>
<p><img src="https://img2020.cnblogs.com/blog/1226172/202101/1226172-20210122123137797-843396344.png" alt="" width="381" height="415" loading="lazy"></p>
<h2>8 归纳：我学python的心得体会</h2>
<p> 我自己感觉我学python的效率还算高，这里就来总结下我的学习心得。</p>
<ul>
<li> 学习一定要有目的，比如用python去找工作，项目里要用到python，或者用python去接私活，否则没目的别学。</li>
<li> 刚开始不建议通过视频学，而是去买书学，因为书里的知识点比较系统，而且书里的代码能确保可以运行。</li>
<li> 一定别光看书，一定得边运行代码边掌握技能。 </li>
</ul>
<p> 照着上述方法，你一定能在一个月内熟悉python。</p>
<h2>9 总结：我学python的成本和收益</h2>
<p><strong> 金钱成本</strong></p>
<p> 我前后买书大概用400元</p>
<p><strong> 时间成本</strong></p>
<p> 一个月的晚上和周末，其它没干就运行python，就能熟悉python语法+数据分析，外加一个月，就熟悉了机器学习相关语法。</p>
<p><strong> 收益：</strong></p>
<p> 工作里能干项目，挣到工资。</p>
<p> 后来出了两本书，稿酬大概是2万5左右</p>
<p> 能去讲课，这块挣钱到还行。</p>
<p> 做了一个python爬虫私活，挣了1万多。</p>
<p> 不过我感觉，由于python包含了深度学习等热点，所以各位程序员还真应当先去找个目标，比如跳槽，然后去学下python。按照我本文给出的流程，应该也能很快学到能干活的程度。 </p>
<p> </p>
<p><strong> 请大家关注我的公众号：一起进步，一起挣钱，在本公众号里，会有很多精彩文章。</strong></p>
<p><span class="cke_widget_wrapper cke_widget_inline cke_widget_image cke_image_nocaption cke_widget_selected" data-cke-widget-wrapper="1" data-cke-filter="off" data-cke-display-name="图像" data-cke-widget-id="0"><img src="https://img-blog.csdnimg.cn/img_convert/94ca48546154bf9739a4ede0b441d180.png" alt="" class="cke_widget_element" src="https://img-blog.csdnimg.cn/img_convert/94ca48546154bf9739a4ede0b441d180.png" data-cke-widget-data="{&quot;hasCaption&quot;:false,&quot;src&quot;:&quot;https://img-blog.csdnimg.cn/img_convert/94ca48546154bf9739a4ede0b441d180.png&quot;,&quot;alt&quot;:&quot;&quot;,&quot;width&quot;:&quot;&quot;,&quot;height&quot;:&quot;&quot;,&quot;lock&quot;:true,&quot;align&quot;:&quot;none&quot;,&quot;classes&quot;:[]}" data-cke-widget-upcasted="1" data-cke-widget-keep-attr="0" data-widget="image"><span class="cke_reset cke_widget_drag_handler_container"><img src="data:image/gif;base64,R0lGODlhAQABAPABAP///wAAACH5BAEKAAAALAAAAAABAAEAAAICRAEAOw==" width="15" height="15" class="cke_reset cke_widget_drag_handler" title="点击并拖拽以移动" data-cke-widget-drag-handler="1"></span></span></p><br><br>
来源：https://www.cnblogs.com/JavaArchitect/p/14312389.html
頁:
[1]