［python］python学习线路

语言规范：http://zh-google-styleguide.readthedocs.org/en/latest/google-python-styleguide/python_language_rules/

HeadFirst Python

廖雪峰python教程  http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000

慕课网  http://www.imooc.com/course/list?c=python

极客网：http://www.jikexueyuan.com/path/python/

Python数据分析与挖掘学习路线图

摘要: 1、Python学习，语言的学习，真正掌握语言的方式，是交流与实践，所以，这三本书，是由浅入深的步骤。大家在学习过程中，可以到群里面去进行交流沟通。Python初学教程：《简明Python教程》《Dive Into Python》《Lea ...

1、Python学习，语言的学习，真正掌握语言的方式，是交流与实践，所以，这三本书，是由浅入深的步骤。大家在学习过程中，可以到群里面去进行交流沟通。 Python初学教程：《简明Python教程》 《Dive Into Python》 《Learning Python 5th》 另，python在线精品学习博客： http://www.cnblogs.com/vamei/archive/2012/09/13/2682778.html http://www.liaoxuefeng.com/wiki/001374738125095c955c1e6d8bb493182103fac9270762a000/ 2、数据分析课程学习。数据分析，现在已经成为大数据这一趋势中的重点。要想学好，并且能够在实际中灵活运用，那要求同学们有扎实的数据基础（包括高等代数，概率及统计分析），需要有一定的计算机算法基础，并且有极高的对数据分析这些知识的热情。 《高等数学及数据分析基础课程》，请参考大学高等数学系列课本 《Mastering Basic Algorithms in the Python Language》 《利用Python进行数据分析》 《NumPy学习指南》 《NumPy攻略：Python科学计算与数据分析》 3、NumPy和Scipy,Pandas，这是重要的python数据分析库。除了第2项中提到的课本，需要深入地学习，可以去官方学习相当文档和教程。 网址： http://www.numpy.org/ http://www.scipy.org/ http://pandas.pydata.org/ numpy的处理能力包括： a powerful N-dimensional array object N维数组； advanced array slicing methods (to select array elements)；N维数组的分片方法； convenient array reshaping methods；N维数组的变形方法； and it even contains 3 libraries with numerical routines: basic linear algebra functions；基本线性代数函数； basic Fourier transforms；基本傅立叶变换； sophisticated random number capabilities；精巧的随机数生成能力； scipy是科学和工程计算工具。包括处理多维数组，多维数组可以是向量、矩阵、图形（图形图像是像素的二维数组）、表格（一个表格是一个二维数组）；目前能处理的对象有： statistics；统计学； numeric integration；数值积分； special functions；特殊函数； integration, ordinary differential equation (ODE) solvers；积分和解常微分方程； gradient optimization；梯度优化； genetic algorithms；遗传算法； parallel programming tools（an expression-to-C++ compiler for fast execution, and others）；并行编程工具； 在将来会增加下面的计算处理能力（现在已经部分地具备了这些能力）： Circuit Analysis (wrapper around Spice?)；电路分析； Micro-Electro Mechanical Systems simulators (MEMs)； Medical image processing；医学图像处理； Neural networks；神经网络； 3-D Visualization via VTK；3D可视化； Financial analysis；金融分析； Economic analysis；经济分析； Hidden Markov Models；隐藏马尔科夫模型； 3、hadoop学习及python操作模块。 hadoop资料，网上非常多，也可购买书本。 hadoop的python操作模块较多，可以参考： http://www.oschina.net/translate/a-guide-to-python-frameworks-for-hadoop?cmp&p=2 4、数据可视化，是为了能直观地从图示中反应出数据的各项指标，情况；直观地展示对数据分析的研究成果。所以，有必要学习这些知识。 matplotlib： http://liam0205.me/2014/09/11/matplotlib-tutorial-zh-cn/

Python学习路线(针对具备一定编程经验者)

By youngsterxyf

相比C,C++,JAVA等编程语言，Python是易学的。但要想深入地理解Python，并熟练地编写Python风格的Python代码。我想还是有一长段路程要走的。下面即是我的一点经验总结，主要是为了整理自己学习的思路。

1. 花1-2天的时间阅读一本好的Python入门书籍，并在亲手实践书中的代码。推荐入门书籍：《A byte of Python》(中文翻译《简明Python教程》)或《Practical Programming:An Introduction to Computer Science Using Python》(中文翻译《Python实践教程》)或者其他的比较薄的入门书籍。
2. 抛开书籍，用Python去写一切你想写的程序。这时最好的参考文档即为：(1).Python命令解释器中的help(),dir()辅助方法；(2).Python官网文档：http://docs.python.org/ 。遇到不清楚的地方就用这两个方法查，再不行就去google一下。
3. 两三个月之后，积累一点的代码量，再重新找本讲解比较详细的书，重新梳理一下自己对Python的理解，纠正自己实践中一些不好的方式。推荐书籍：《Beginning Python: From Novice to Professional》(中文翻译《Python基础教程》)，《Learning Python》(中文翻译《Python学习手册》)，《Dive into Python》，《Core Python Programming》等。另外，也应该在编码的过程中重复地去查阅Python标准函数库，标准库里已有模块实现的功能就不要自己实现。
4. 之后，根据实际需要，去了解使用一下Python的各个方面的函数库(比如http://docs.python.org/modindex.html中罗列出来的，以及matplotlib, numpy等用于科学计算，图形图像处理的)，特别是诸多的Web框架(django, web2py, cherrypy, tornado等)，可以先从简单的开始。如果是对Python的底层实现感兴趣，那么就该去看看Python源码，阅读一下《Python源码剖析》; 如果对文本处理感兴趣，可以阅读一下《Text processing in Python》等； 如果对网络感兴趣，可以阅读《Foundations of Python Network Programming》，尝试实现一个简单的web server ...
5. Python相关的开源函数库非常非常的多，各个方面的都有，所以学习者应该尝试着去用它们，了解它们，而不是啥都要自己来实现。因为Python擅长的就是快速开发，而且站在前人的肩膀上，我们才能站得更高，看得更远。当然如果你想加深自己对某个方面的理解，也可以尝试去实现一些简单的模块。
6. 总之一句话：学习Python的关键就是用！而且是要多用别人的。动手实践才是王道！那么多优秀的开源函数库不要浪费了！