说起来也有趣，谁能想到我身为一个文科生，最后却走上了 Coder 的道路。
中学时候，我对物理就抱有深深的恐惧，它一度让我在高二年级分班的时候毅然决然地选择了文科；高考后录取的学校也是文科院校，似乎跟代码八竿子打不到一块。
所上的课程中，唯一与代码有关的就是一门和统计课程相配套的 STATA 软件应用课程。
STATA 软件
但是，当时的我并没有发现自己是个热爱敲代码的人。在暑假某个无聊的日子，我拿起了这门课上用到的教材，开始学习操作了起来。一段时间后发现，其实老师课上讲的许多东西并不难，编码更是容易的实现分析需要的手段。从那时起，我就对编程开始有了兴趣。
说是编程，更多其实是为了数据分析而学编程。但学校并没有开设有关数据分析的课程，所以我只能自学。不过我学习的第一门语言不是 Python，是 R 语言。
R 语言
在数据分析领域，R 语言其实一直是被人们拿来和 Python 比较但却是难分伯仲。R 语言好的地方在于存在大量的第三方包可供使用者调用，这是 R 一直富有生命力的地方。R 语言在我大一到大二期间(2015 年至 2016 年)的时候仍然是数据分析热门的选择之一，而 Python 这时只是处于上升趋势。
那时恰逢学校有老师新开了一门 R 语言的公选课，于是我果断在选课时选了这门课程，并在这门 R 语言公选课上拿到了满分。这给了我继续 Coding 的动力。但是这样的热情随着考研的来临逐渐褪去，我不得不将更多心思放在考研准备中，虽然当中我也继续有写过一些用 R 语言做数据分析的文章，可都还只是停留在基础的数据分析层面，而没有深入到更多技术细节或更高级的领域中。
然而考研并没有成功，从考研成绩出来到写毕业论文之前的一段时间里一直都在宿舍里「赋闲」。
这时我重新拾起了一个学习的念头，我希望即使我出去工作，也能找有关数据分析的工作。那时候 Python 已经是机器学习、深度学习火热的首选语言之一，各类有关 Python 的教程如雨后春笋般窜出。但是我就仅仅是根据网上的一些资料来重新自学，可自学的道路异常艰苦，没有人给你准备好完整、可靠、体系的资料，没有人给你设置好翔实、细致入微地讲解课程，一切都靠自己去摸爬滚打。
我想过学过 R 语言的我或许入门会很快，但是其实也是有点困难；因为 R 语言的语法和 Python 的语法有点差异，而且 Python 似乎太过于简洁，以至于很多东西我不知道从哪调用。那时候我看到了 Pandas 库(Python 数据分析领域的核心库)作者所写的一本《利用 Python 进行数据分析》，跟着学了之后尽管仍有些懵懵懂懂，可在接下来的一个月的时间里，我喜欢上了这门简单、直观地编程语言，我上手也越来越快了。
《利用 Python 进行数据分析》
Why Python？
也许会有人问，「为什么选择 Python？」。
在没接触过编程之前，可能我们对于编程地刻板印象就是在编写大片由字母和符号堆砌成的代码，或是一堆看不懂的 01 数字；但是接触 Python 之后就会发现似乎编程语言也没有那么困难。
所以为什么选择 Python，我的答案是：因为它很简单。
我所说的简单，当然是仅仅停留在它易用易上手的层面；实际上关于 Python 的各种技术细节可不是那么简单。
但是光是上手简单就已经可以让 Python 成为目前入门编程最好的语言之一了(还有一门我认为是 SQL)。它不需要你指定变量的类型、不需要写过多地代码、不需要你遵循太多复杂的规则。正如《Python 之禅》里开头三句写道：优美胜于丑陋
明了胜于晦涩
简洁胜于复杂
当然，Python 也并非没有缺点，它在大型的一些开发上会性能有瓶颈、在某些方面速度会慢于其他编程语言等。但是无论别人怎么评价这门语言，谁都不能否认它是用来培养编程兴趣或习惯成本最低的程序语言之一。Python 生态社区如今快速发展与壮大，也离不开它语法本身简单直观。
获取：
利用Python进行数据分析电子书PDF版+Python400集
评论+转发 私信“学习”就可以啦
470
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
