从入门到进阶，史上最全Python精华文章合集

我将这些文章分为 10 类——顺便一提，这也恰好反映出 Python 的多用途、多目标的性质。

这些类别如下：

1. Python 常规编程

2. Python 性能优化

3. Python 开发环境及 DevOps

4. 机器学习

5. 图像与视频处理

6. 聊天机器人与自然语言处理（NLP）

7. 区块链

8. Web 与后端开发

9. Web 爬虫

10. 数据可视化

在你正式开始阅读之前，我还要再啰嗦一句：你应该怎样利用这篇文章呢？你并不需要一口气将本文读完。你只需收藏本文，然后将其作为入门教程或参考手册。有了上面的分类，你可以直接跳到你最感兴趣的部分。

如果我这篇文章有任何的遗漏，或是你有其他好的资源推荐，欢迎留言，以便于我升级本文内容。在此谢过了！

1. Python 常规编程

 1.1 学习 Python：从入门到精通，作者 TK

此文是一个全面的 Python 介绍。如果你初学 Python，那么这篇文章是必读的。文章介绍了 Python 的基础知识：变量、控制流、循环及迭代、集合类、数组、结构体、字典等等。此文也涵盖了面向对象编程的基础。因此，如果你刚刚开始学习 Python 开发，那么从此文开始读起是最合适的。

Learning Python: From Zero to Hero

https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b567

---

 1.2 理解 Python 中的下划线（ _ ），作者 mingrammer

你是否了解 Python 中下划线 ( _ ) 的特殊含义呢？Python 中的下划线有五种不同用法。阅读这篇文章学习一下吧！

Understanding the underscore( _ ) of Python

https://hackernoon.com/understanding-the-underscore-of-python-309d1a029edc

---

 1.3 Python3.7 数据类（data classes）简介，作者 Anthony Shaw

数据类（data classes）是 Python3.7 中的一个全新的特性。当需要创建特定数据域的类时，数据类可以大大简化模型。这篇文章为数据类提供了一个通俗易懂的解释，并给出了几个例子。

A brief tour of Python 3.7 data classes

https://hackernoon.com/a-brief-tour-of-python-3-7-data-classes-22ee5e046517

---

 1.4 如何使用 Python3.6 中的静态类型检查，作者 Adam Geitgey

Python3.6 中有声明类型的语法。但是你需要使用外部工具，如 mypy 或 PyCharm，来强制类型检查。这篇文章非常适合入门学习如何在你的代码中实现静态类型。

How to Use Static Type Checking in Python 3.6

https://medium.com/@ageitgey/learn-how-to-use-static-type-checking-in-python-3-6-in-10-minutes-12c86d72677b

---

 1.5 如何及为何使用 Python 生成器，作者 Radu Raicea

该教程展示了一个迭代器类（itertor class）的例子，并讲解了各种不同的生成器函数（generator functions）。

“生成器函数允许你声明一个具有迭代器功能的函数。使用生成器函数，程序员可以快速、便利、简洁地构建迭代器。”

“迭代器指的是可在其上迭代（循环）的对象，其作用是为数据抽象出一个容器，使其表现出与迭代对象类似的功能。你可能在日常开发中已经不知不觉使用了一些迭代对象，如字符串、列表、字典等等。”

How — and why — you should use Python Generators

https://medium.freecodecamp.org/how-and-why-you-should-use-python-generators-f6fb56650888

---

 1.6 Python 线程和进程简介，作者 Brendan Fortuner

这篇文章和接下来的一篇（1.7）讲解了 Python 中的多线程和并行处理的相关知识。这一篇简介了 Python 的有关进程和线程的并行处理特性，下一篇文章介绍了更多高级知识。

Intro to Threads and Processes in Python

https://medium.com/@bfortuner/python-multithreading-vs-multiprocessing-73072ce5600b

---

 1.7 Python 线程同步，作者 Saurabh Chaturvedi

本文很好地概览了多线程及其最复杂部分：线程同步及通信。

Let's Synchronize Threads in Python

https://hackernoon.com/synchronization-primitives-in-python-564f89fee732

---

 1.8 在数据科学领域中如何编写产品级的代码，作者 Venkatesh Pappakrishnan, Ph.D.

本文给出了一些数据科学领域编写产品级别代码的建议。这些建议有助于组织、优化你的代码。文章包含许多主题，包括日志、instrumentation 及测试，介绍了版本控制的基础知识，并就代码可靠性给出了若干建议。文章中的建议很中肯，而且很有实用价值。

How to write a production-level code in Data Science?

https://towardsdatascience.com/how-to-write-a-production-level-code-in-data-science-5d87bd75ced

---

 1.9 如何在 Pandas 中重写 SQL 查询，作者 Irina Truong

如果你刚刚入门 Pandas 和 DataFrames，并对 SQL 理解得比较到位，那么我强烈建议你阅读这篇文章。这篇文章整理了一个珍贵的术语库，并附有样例。文章可以帮助你将 SQL 查询需求转换为 Pandas 语法并学习使用这一新语法。

How to rewrite your SQL queries in Pandas

https://codeburst.io/how-to-rewrite-your-sql-queries-in-pandas-and-more-149d341fc53e

---

2. Python 性能优化

 2.1 是的，Python 很慢，但我不在乎，作者 Nick Humrich

Python 开发者们很高产，但大家应该都听说过这件事：Python 很慢。我觉得这篇文章很有必要一读，因为它介绍了 Python 的性能优化特性。

“运行时间已经不再是你最珍贵的资源了。如今，一家公司最昂贵的资源是其员工的时间。”

Yes, Python is Slow, and I Don't Care

https://hackernoon.com/yes-python-is-slow-and-i-dont-care-13763980b5a1

---

 2.2 Pandas 代码速度优化新手导引，作者 Sofia Heisler

如果你需要用 Pandas 处理海量数据，你便需要格外注意编码方式，以求性能最优化。

本篇及下一篇文章回顾了在 Pandas DataFrame 下实现函数的几种方法，并对比了他们的运行速度。

A Beginner's Guide to Optimizing Pandas Code for Speed

https://engineering.upside.com/a-beginners-guide-to-optimizing-pandas-code-for-speed-c09ef2c6