以個人親身經歷，聊聊學python的流程，同時推薦學python的書

    由於幹活要用到，因此我大概於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，並且這python項目還包含了機器學習等要素，大概3個月後，我還承擔了項目裏開發機器學習數據分析的任務。因此我感到，雖然python裏包含了爬蟲、機器學習和數據分析等熱門要素，但python並不難學，並且若是方法得當，學到能幹項目的程度也很快。在這篇文章裏，就講給出我學Python的流程，向你們展現如何高效學python。

1  搭建開發環境

    因爲我有學java的基礎，因此我知道首先得搭建開發環境，當時我是用eclipse+Python解釋器+pydev插件搭的環境，當時我還用的是3.4解釋器，固然如今解釋器彷佛到3.9了，我也用Pycharm集成開發環境了。

    若是你們如今要學python，建議用以下的步驟搭建環境。

    1.  到官網上去下載python解釋器，並安裝

    這個是官網，https://www.python.org/downloads/windows/，在這裏你們能夠選擇最新的版本，並根據你機器的操做系統，下載windows或linux或mac的版本，我下載的是windows版本。下載後按提示便可完成安裝。

    python是解釋型語言，因此下載並安裝解釋器後，就能在你本地運行python語言了。

     2.  安裝pycharm集成開發環境

    安裝好python解釋器之後，理論上你就能夠經過命令行的方式，開發並運行python程序了。但這很不方便，因此建議再到https://www.jetbrains.com/pycharm/download/ 這個網站去下載並安裝pycharm集成開發環境。

     3.  安裝第三方包

     當安裝好python解釋器後，該解釋器會自帶一些比較基本的依賴包，但若是要開發機器學習或數據分析等程序，就須要安裝第三方包，好比後文提到的numpy等。

     我安裝第三方包的作法是，在命令窗口，經過cd等命令，進入到Python解釋器所在的路徑，好比C:\Users\think\AppData\Local\Programs\Python\Python37，在該路徑裏，再進入Scripts路徑，找到pip3命令，隨後經過pip3 install 包名的方式，安裝第三方包，好比要安裝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裏找到對應的解釋器。

    什麼叫換源？

    在用pip3 install numpy等命令安裝第三方庫的時候，默認彷佛是到國外網站去下載，這樣若是遇到包比較大，並且網絡很差的狀況下，下載會比較困難，因此能夠用以下-i參數，指定下載第三方報道的源。

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

    這裏-i參數後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裏肯定解釋器

    我在這塊搞了好久，後來我在培訓班裏帶同窗入門python時，發現初學者常常在這裏犯錯誤。

    咱們知道，pycharm會自帶python解釋器。

    但這個解釋器版本未必是咱們預期的，因此咱們還會再裝其它的解釋器。問題就在這裏，安裝的第三方包是跟着解釋器的。

    好比咱們在pycharm自帶的3.8解釋器裏安裝了若干第三方包，但若是切換到本身裝的3.9python解釋器裏，這些第三方包就會所有變掉。

    好比當咱們切換解釋器後，發現第三方包全變了。

    因此在安裝第三方包時，必定得注意，要到選中解釋器，好比3.9這個解釋器的目錄裏，運行其中的pip3命令，這樣就能爲特定的解釋器安裝包。 

3  經過敲代碼熟悉語法

    Python入門書其實都差很少，我當時用的是這本。入門書不用多，運行通一本書裏的語法代碼便可。

 

    Python的基本語法包括：分支循環，集合（列表字典元組等），面向對象（類和繼承等），文件讀寫和異常處理，這些語法點，運行通一遍，基本就能瞭解了，在開始學習階段，不用太多地深刻。

    若是你編程基礎自認爲通常，就能夠再找本書，好比這本。但基本語法不用多看，運行兩本書的代碼就足夠了。由於Python的重點在於數據分析、爬蟲和機器學習等要素。

4  學習數據分析三劍客組件

    個人項目是用Python進行股票量化分析，不過我觀察了下，無論用Python作什麼樣的應用，數據分析三劍客，好比Numpy，Pandas和Matplotlib這三個庫，通常都得掌握。

    我當時看的是這本，其中包含了三劍客的語法和應用沒，通常看了一本，而後照着裏面的代碼運行一遍的話，數據分析這塊，應該也能達到能幹活的地步了。

   

5  學習Scrapy爬蟲框架

    個人項目裏沒包含爬蟲功能，但當時接了個私活，幫一個學校錄製python爬蟲視頻。因此我就用了2周時間，買了這本書，照着裏面的案例跑了一遍，就知道Scrapy爬蟲的細節了。

    學Scrapy框架的注意點以下。

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

    但若是你真的搭建好Scrapy環境了，照着這本書上的作，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庫作線性迴歸和SVM分析的案例。

    個人體會是：雖然機器學習的算法比較複雜，但基本都已經封裝在sklearn庫裏了，也就是說，在python裏只須要調用方法，傳入正確的參數，便可在項目裏用到機器學習的算法。

 

7  以股票量化案例全面學習python數據分析

    在以前的書裏，有比較全面的整合機器學習和數據分析的案例，在其中也能綜合用到numpy+pandas+matplotlib+sklearn庫，不過我作的項目是和金融量化有關，因此我又買了這本書，用量化的案例來綜合學習數據分析。

8  概括：我學python的心得體會

    我本身感受我學python的效率還算高，這裏就來總結下個人學習心得。

•     學習必定要有目的，好比用python去找工做，項目裏要用到python，或者用python去接私活，不然沒目的別學。
•     剛開始不建議經過視頻學，而是去買書學，由於書裏的知識點比較系統，並且書裏的代碼能確保能夠運行。
•     必定別光看書，必定得邊運行代碼邊掌握技能。 

    照着上述方法，你必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

    我先後買書大概用400元

    時間成本

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

    收益：

    工做裏能幹項目，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。

    作了一個python爬蟲私活，掙了1萬多。

    不過我感受，因爲python包含了深度學習等熱點，因此各位程序員還真應當先去找個目標，好比跳槽，而後去學下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。 

    

    請你們關注個人公衆號：一塊兒進步，一塊兒掙錢，在本公衆號裏，會有不少精彩文章。