毫无基础的人如何入门Python？

目录

第一部分：编程环境准备

第二部分：基础入门

第三部分：找到你的兴趣

第四部分：进行结构化项目练习

第五部分：自行探索Python发展路线

总结：

---

本文分为五个部分：难度依次递增，劝退程度依次增大。

第一部分：编程环境准备

零基础入门Python的话我不建议用IDE，IDE叫集成开发环境，这东西一般是专业程序员用来实战开发用的，好处很多，比如：调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制等。

坏处就一个，也是我觉得对于新手来说最致命的：按键太多，太麻烦了，很容易使新手在这一步就直接放弃了。

 在这里，我推荐使用【jupyter notebook】，别看它名字长，反而它实际上用起来很简单。

运行界面就这么简单，比起上面的IDE是不是要简单太多了？

jupyter notebook的优点我得再吹一波：

• 无需IDE，一个浏览器搞定
• 交互式开发和直观的数据展示
• 叙述性文本的特性让其直接变成展示文档
• 多种类型变化，可直接转换成python，md等类型文件
• 完全免费
• 还支持R语言

第二部分：基础入门

在第一部分完成之后，如果还没放弃的话，我觉得已经成功了一半了，因为据我的经验，很多很多的人倒在了编程环境的配置上。 现在的你应该有了上图的那个界面，这个时候你就可以开始学习Python的基础了。这一步不能被跳过。在深入你的兴趣领域之前，学习Python语法的基础知识是必要的。但不用花很间，因为可以在实站战中反复练习。

这里有一些很好的资源可以学习基础知识：

• W3 C schools：这上面有详尽的Pythoni语法介绍，同时也包含了进阶的教程。
• 菜鸟编程：很多人的选择，里面的基础讲解得很详细，很适合新手入门。

比如编程的第一步，输出“hello world!”

 红框里面的就是所有Python的程序中最简单的一个。

print("Hello, World!")

你可以把这个代码复制黏贴过去，然后按下面的步骤运行，成功的话，下面会输出。

 在完成这一步之后，你需要手打一遍，不能再复制黏贴了，因为自己打可能会发现很多问题。

比如这个错误：

 看起来差不多把？但实际上正确的括号应该是英文括号，如果打成中文括号就会报错。

同理，“！”和“!”也是不一样的，很多同学就卡在了这些细节上。

邱哥在这里建议新手把菜鸟教程的初级教程学完，高级教程可以先不看，但是学完的标志是自己全部手打一遍，而不是复制-粘贴-运行，否则这些都是没有用的！

第三部分：找到你的兴趣

在进一步深入学习Pytho之前，问自己为什么要学习它。这是因为这将是一个漫长而痛苦的过程。没有足够的动力，你可能无法坚持到最后。 弄清楚动机的好处是可以帮助你更清晰自己的最终目标，以及规划好一条学习起来轻松有趣的路线。在准备学习 Python时，不用有一个确切的项目，一个你感兴趣的领域就可以。

例如：

• 机器学习
• 人工智能
• 网站制作
• 游戏类
• 数据处理与分析
• 硬件/传感器/机器人
• 自动化工作脚本

 

对于大多数人来说，我其实是推荐把数据分析当做一个方向来学的，首先Python的优势就在数据处理分析与人工智能。

人工智能的从业门槛很高，自学基本上属于纯玩，性价比不高。

数据分析处理，我觉得是未来各行各业都可能碰到的问题，虽然现在有很多自动化数据处理工具，但是毕竟通用的场景并不多，而那些熟悉某个特定行业领域+数据处理能力的复合型人才就相对可能更吃香。

当你学会用Python进行数据分析的时候，画图将会变得很有意思，当然你也可以自己做报表了。

 

第四部分：进行结构化项目练习

学习完基本语法，并且选择好自己的方向之后。就可以开始自己做项目了。具体项目是一种学习的好方法，因为它可以运用自己的知识和反复帮助你熟练基础知识。要记住，编程这东西，一旦不用，能力会急速下降。

但是，这时侯有网上也充斥着很多的资源，让人难以选择。因此，通常最好使用以及制作好的成体系的结构化的项目，可以一步步的引导你完成整个项目。网上很多资源都提供了结构化的项目，这些项目既可以让你从感兴趣的东西开始，又可以避免陷入学习困境。

下面介绍一些不错的项目：

1. 数据科学/机器学习

• Dataquest 一 交互式的教学基于Python的数据科学。分析一系列有趣的数据集，从CIA文件到NBA球员数据。最终将构建复杂的算法，包括神经网络和决策树等。
• Python for Data Analysis 一 Python数据分析的优质项目。
• Scikit学习文档 一 Scikit学习是主要的Python机器学习库。它具有一些出色的机器详尽的文档和教程。
• CS109 一 这是哈佛的课程，讲授使用Python进行数据科学。他们在线上有一些项目和全部资料。

1. 行动应用程式

• Kivy指南 一 Kivy是开源Python函式库，用于开发行动应用程序和其它采用自然用户界面的多触控应用软件。它可以在Android，IOS，Linux，OS X和Windows执行。采用MIT授权条款，Kivy是自由并且开源的软件。

1. 网站制作

• Flask教程 一 Flask是Python的流行Web框架。这是一个入门教程。
• Bottle教程 一 Bottle是另一个适用于Python的Web框架，同样是入门教程
• 如何使用Django进行网站制作 一 使用Django（复杂的Python网络框架）的指南

第五部分：自行探索Python发展路线

一旦完成了一些结构化项目，就可以独自开发项目了，以继续更好地学习Python。在这个阶段会遇到很多的困难，绝大多数的问题都可以在以下得到解答：

• StackOverflow 一 一个社区问答站点，人们可以在其中讨论编程问题
• CSDN 一 中文技术论坛
• Google 一 每个有经验的程序员都最常用的工具。尝试解决错误时非常有用。
• Python文档 一 在Python上查找参考资料的好地方

一旦掌握了上述技巧，就可以开始发展自己的项目了。可以从自己感兴趣的事情开始。例如，在学习编程后不久，我做的就是简单的数据分析，进行一些走势的分析等。

以下是寻找有趣项目的一些技巧：

• 扩展您以前处理的项目，并添加更多功能
• 查找要贡献的开源项目
• 查找他人制作的项目，然后查看是否可以扩展或改编它们。Github是找到这些的好地方
• 浏览其他人的博客文章以找到有趣的项目构想
• 考虑可以使您的日常生活更加轻松的工具，比如自己做一个爬虫小工具。

最好启动一个小项目，然后慢慢的增加功能，直到完成一个中型甚至大型项目。如果是在没有什么想法，下面有一些项目可以参考：

1. 数据科学/机器学习项目

• 可以预测居住地的天气的算法
• 预测股市的工具
• 自动汇总新闻文章的算法

1. 移动应用项目

• 跟踪你每天走多远的应用程序

• 发送天气通知的应用程序

• 基于位置的实时聊天

总结：

Python是一种非常有趣且有益的语言，我认为只要找到合适的动机，任何人都可以熟练掌握它。如果你能坚持看到这里，那么就去学吧，去学不被定义的Python，从最简单也是最直观的数据分析学习来吧。