网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
(2)深入学习Python相关知识,比如语言特性、库特性等,比如Python演变过程等。深入学习一两个业内公认的Pythonic的代码库,比如Flask等。
建议3:理解Python与C的不同之处,比如缩进与{},单引号双引号,三元操作符?,Switch-Case语句等。
建议4:在代码中适当添加注释
建议5:适当添加空行使代码布局更加合理
建议6:编写函数的4个原则
(1)函数设计要尽量短小,嵌套层次不宜过深
(2)函数声明应该做到合理、简单、易用
(3)函数参数设计应该考虑向下兼容
(4)一个函数只做一件事,尽量保证函数粒度的一致性
建议7:将常量集中在一个文件,且常量名尽量使用全大写字母
2. 编程惯用法
建议8:利用assert语句来发现问题,但要注意,断言assert会影响效率
建议9:数据交换值时不推荐使用临时变量,而是直接a, b = b, a
建议10:充分利用惰性计算(Lazy evaluation)的特性,从而避免不必要的计算
建议11:理解枚举替代实现的缺陷(最新版Python中已经加入了枚举特性)
建议12:不推荐使用type来进行类型检查,因为有些时候type的结果并不一定可靠。如果有需求,建议使用isinstance函数来代替
建议13:尽量将变量转化为浮点类型后再做除法(Python3以后不用考虑)
建议14:警惕eval()函数的安全漏洞,有点类似于SQL注入
建议15:使用enumerate()同时获取序列迭代的索引和值
建议16:分清==和is的适用场景,特别是在比较字符串等不可变类型变量时(详见评论)
建议17:尽量使用Unicode。在Python2中编码是很让人头痛的一件事,但Python3就不用过多考虑了
建议18:构建合理的包层次来管理Module
3. 基础用法
建议19:有节制的使用from…import语句,防止污染命名空间
建议20:优先使用absolute import来导入模块(Python3中已经移除了relative import)
建议21:i+=1不等于++i,在Python中,++i前边的加号仅表示正,不表示操作
建议22:习惯使用with自动关闭资源,特别是在文件读写中
建议23:使用else子句简化循环(异常处理)
建议24:遵循异常处理的几点基本原则
(1)注意异常的粒度,try块中尽量少写代码
(2)谨慎使用单独的except语句,或except Exception语句,而是定位到具体异常
(3)注意异常捕获的顺序,在合适的层次处理异常
(4)使用更加友好的异常信息,遵守异常参数的规范
建议25:避免finally中可能发生的陷阱
建议26:深入理解None,正确判断对象是否为空。
建议27:连接字符串应优先使用join函数,而不是+操作
建议28:格式化字符串时尽量使用.format函数,而不是%形式
建议29:区别对待可变对象和不可变对象,特别是作为函数参数时
建议30:[], {}和():一致的容器初始化形式。使用列表解析可以使代码更清晰,同时效率更高
建议31:函数传参数,既不是传值也不是传引用,而是传对象或者说对象的引用
建议32:警惕默认参数潜在的问题,特别是当默认参数为可变对象时
建议33:函数中慎用变长参数 args和 kargs
(1)这种使用太灵活,从而使得函数签名不够清晰,可读性较差
(2)如果因为函数参数过多而是用变长参数简化函数定义,那么一般该函数可以重构
建议34:深入理解str()和repr()的区别
(1)两者之间的目标不同:str主要面向客户,其目的是可读性,返回形式为用户友好性和可读性都比较高的字符串形式;而repr是面向Python解释器或者说Python开发人员,其目的是准确性,其返回值表示Python解释器内部的定义
(2)在解释器中直接输入变量,默认调用repr函数,而print(var)默认调用str函数
(3)repr函数的返回值一般可以用eval函数来还原对象
(4)两者分别调用对象的内建函数 __str__ ()和 __repr__ ()
建议35:分清静态方法staticmethod和类方法classmethod的使用场景
4. 库的使用
建议36:掌握字符串的基本用法
建议37:按需选择sort()和sorted()函数
sort()是列表在就地进行排序,所以不能排序元组等不可变类型。
sorted()可以排序任意的可迭代类型,同时不改变原变量本身。
建议38:使用copy模块深拷贝对象,区分浅拷贝(shallow copy)和深拷贝(deep copy)
建议39:使用Counter进行计数统计,Counter是字典类的子类,在collections模块中
建议40:深入掌握ConfigParse
建议41:使用argparse模块处理命令行参数
建议42:使用pandas处理大型CSV文件
Python本身提供一个CSV文件处理模块,并提供reader、writer等函数。
Pandas可提供分块、合并处理等,适用于数据量大的情况,且对二维数据操作更方便。
建议43:使用ElementTree解析XML
建议44:理解模块pickle的优劣
优势:接口简单、各平台通用、支持的数据类型广泛、扩展性强
劣势:不保证数据操作的原子性、存在安全问题、不同语言之间不兼容
建议45:序列化的另一个选择JSON模块:load和dump操作
建议46:使用traceback获取栈信息
建议47:使用logging记录日志信息
建议48:使用threading模块编写多线程程序
建议49:使用Queue模块使多线程编程更安全
5. 设计模式
建议50:利用模块实现单例模式
建议51:用mixin模式让程序更加灵活
建议52:用发布-订阅模式实现松耦合
建议53:用状态模式美化代码
6. 内部机制
建议54:理解build-in对象
建议55:__init__ ()不是构造方法,理解 __new__ ()与它之间的区别
建议56:理解变量的查找机制,即作用域
局部作用域
全局作用域
嵌套作用域
内置作用域
建议57:为什么需要self参数
建议58:理解MRO(方法解析顺序)与多继承
建议59:理解描述符机制
建议60:区别 __getattr__ ()与 __getattribute__ ()方法之间的区别
建议61:使用更安全的property
建议62:掌握元类metaclass
建议63:熟悉Python对象协议
建议64:利用操作符重载实现中缀语法
建议65:熟悉Python的迭代器协议
建议66:熟悉Python的生成器
建议67:基于生成器的协程和greenlet,理解协程、多线程、多进程之间的区别
建议68:理解GIL的局限性
建议69:对象的管理和垃圾回收
7. 使用工具辅助项目开发
建议70:从PyPI安装第三方包
建议71:使用pip和yolk安装、管理包
建议72:做paster创建包
建议73:理解单元测试的概念
建议74:为包编写单元测试
建议75:利用测试驱动开发(TDD)提高代码的可测性
建议76:使用Pylint检查代码风格
代码风格审查
代码错误检查
发现重复以及不合理的代码,方便重构
高度的可配置化和可定制化
支持各种IDE和编辑器的集成
能够基于Python代码生成UML图
能够与Jenkins等持续集成工具相结合,支持自动代码审查
建议77:进行高效的代码审查
建议78:将包发布到PyPI
8. 性能剖析与优化
建议79:了解代码优化的基本原则
建议80:借助性能优化工具
建议81:利用cProfile定位性能瓶颈
建议82:使用memory_profiler和objgraph剖析内存使用
建议83:努力降低算法复杂度
建议84:掌握循环优化的基本技巧
减少循环内部的计算
将显式循环改为隐式循环,当然这会牺牲代码的可读性
在循环中尽量引用局部变量
做了那么多年开发,自学了很多门编程语言,我很明白学习资源对于学一门新语言的重要性,这些年也收藏了不少的Python干货,对我来说这些东西确实已经用不到了,但对于准备自学Python的人来说,或许它就是一个宝藏,可以给你省去很多的时间和精力。
别在网上瞎学了,我最近也做了一些资源的更新,只要你是我的粉丝,这期福利你都可拿走。
我先来介绍一下这些东西怎么用,文末抱走。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
(4)200多本电子书
这些年我也收藏了很多电子书,大概200多本,有时候带实体书不方便的话,我就会去打开电子书看看,书籍可不一定比视频教程差,尤其是权威的技术书籍。
基本上主流的和经典的都有,这里我就不放图了,版权问题,个人看看是没有问题的。
(5)Python知识点汇总
知识点汇总有点像学习路线,但与学习路线不同的点就在于,知识点汇总更为细致,里面包含了对具体知识点的简单说明,而我们的学习路线则更为抽象和简单,只是为了方便大家只是某个领域你应该学习哪些技术栈。
(6)其他资料
还有其他的一些东西,比如说我自己出的Python入门图文类教程,没有电脑的时候用手机也可以学习知识,学会了理论之后再去敲代码实践验证,还有Python中文版的库资料、MySQL和HTML标签大全等等,这些都是可以送给粉丝们的东西。
这些都不是什么非常值钱的东西,但对于没有资源或者资源不是很好的学习者来说确实很不错,你要是用得到的话都可以直接抱走,关注过我的人都知道,这些都是可以拿到的。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!