自学python能干什么知乎_自学Python迷茫了怎么办？

起步阶段

任何一种编程语言都包含两个部分:硬知识和软知识，起步阶段的主要任务是掌握硬知识。

1.硬知识

“硬知识”指的是编程语言的语法、算法和数据结构、编程范式等，例如:变量和类型、循环语句、分支、函数、类。这部分知识也是具有普适性的，看上去是掌握了一种语法，实际是建立了一种思维。例如:让一个Java程序员去学习Python，他可以很快的将Java中的学到的面向对象的知识map 到Python中来，因此能够快速掌握

Python中面向对象的特性。

如果你是刚开始学习编程的新手，一本可靠的语法书是非常重要的。它看上去可能非常枯燥乏味，但对于建立稳固的编程思维是必不可少。

下面列出了一些适合初学者入门的教学材料:

这本书在讲解Python 的语法成分时，还附带大量可实践的例子，非常适合快速起步。(2)「The Hitchhiker' s Guide to Python!」 : The Hitchhiker's Guide toPython!

这本指南着重于Python的最佳实践，不管你是Python专家还是新手，都能获得极大的帮助。

(3)「Python官方文档」: Our Documentation实践中大部分问题，都可以在官方文档中找到答案。(4）辅助工具:Python Tutor

一个Python对象可视化的项目，用图形辅助你理解 Python中的各种概念。

⒉.软知识

“软知识”则是特定语言环境下的语法技巧、类库的使用、IDE的选择等等。这一部分，即使完全不了解不会使用，也不会妨碍你去编程，只不过写出的程序，看上去显得“傻”了些。

对这些知识的学习，取决于你尝试解决的问题的领域和深度。对初学者而言，起步阶段极易走火，或者在选择Python版本时徘徊不决，一会儿看2.7一会儿又转到3.0，或者徜徉在类库的大海中无法自拔，Scrapy，Numpy，Django 什么都要试试，或者参与编辑器圣战、大括号缩进探究、操作系统辩论赛等无意义活动，或者整天跪舔语法糖，老想着怎么一行代码把所有的事情做完，或者去构想圣洁的性能安全通用性健壮性全部满分的解决方案。

很多“大牛”都会告诫初学者，用这个用那个，少走弯路，这样反而把初学者推向了真正的弯路。

还不如告诉初学者，学习本来就是个需要你去走弯路出 Bug，只能脚踏实地，没有奇迹只有狗屎的过程。

选择一个方向先走下去，哪怕脏丑差，走不动了再看看有没有更好的解决途径。

自己走了弯路，你才知道这么做的好处，才能理解为什么人们可以手写状态机去匹配却偏要发明正则表达式，为什么面向过程可以解决却偏要面向对象，为什么我可以操纵每—根指针却偏要自动管理内存，为什么我可以嵌套回调却偏要用Promise...

更重要的时，你会明白，高层次的解决方法都是对低层次的封装，并不是任何情况下都是最有效最合适的。

技术涌进就像波浪一样，那些陈旧的封存已久的技术，消退了迟早还会涌回的。就像现在移动端应用、手游和HTML5的火热，某些方面不正在重演过去PC的那些历史么?因此，不要担心自己走错路误了终身，坚持并保持进步才是正道。

发展阶段

完成了基础知识的学习，必定会感到一阵空虚，怀疑这些语法知识是不是真的有用。没错，你的怀疑是非常正确的。要让Python 发挥出它的价值，当然不能停留在语法层面。

发展阶段的核心任务，就是“跳出Python，拥抱世界”。

在你面前会有多个分支:科学计算和数据分析、爬虫、Web 网站、游戏、命令行实用工具等等等等，这些都不是仅仅知道Python语法就能解决的问题。

拿爬虫举例，如果你对计算机网络，HTTP协议，HTML，文本编码，JSON一无所知，你能做好这部分的工作么?而你在起步阶段的基础知识也同样重要，如果你连循环递归怎么写都还要查文档，连BFS都不知道怎么实现，这就像工匠做石凳每次起锤都要思考锤子怎么使用一样，非常低效。

在这个阶段，不可避免要接触大量类库，阅读大量书籍的。

类库方面

「Awesome Python项目」: vinta/awesome-python · GitHub

这里列出了你在尝试解决各种实际问题时，Python社区已有的工具型类库，如下图所示:

你可以按照实际需求，寻找你需要的类库。

至于相关类库如何使用，必须掌握的技能便是阅读文档。由于开源社区大多数文档都是英文写成的，所以，英语不好的同学，需要恶补下。

Science and Data Analysis

Libraries for scientific computing and data analyzing.

astropy - A community Python library for Astronomy.

· bcbio-nextgen - A toolkit providing best-practice pipelines for fully automated high throughput

sequencing analysis.

bccb - Collection of useful code related to biological analysis.

Biopython - Biopython is a set of freely available tools for biological computation.blaze -NumPy and Pandas interface to Big Data.

· cclib - A library for parsing and interpreting the results of computational chemistry packages.NetworkX- A high-productivity software for complex networks.

Neupy - Running and testing different Artificial Neural Networks algorithms.

Numba - Python JIT (just in time) complier to LLVM aimed at scientific Python by the developersof Cython and NumPy.

NumPy - A fundamental package for scientific computing with Python.

. Open Babel - A chemical toolbox designed to speak the many languages of chemical data.. Open Mining - Business Intelligence (BI) in Python (Pandas web interface)

orange - Data mining, data visualization, analysis and machine learning through visualprogramming or Python scripting.

·Pandas - A library providing high-performance, easy-to-use data structures and data analysis

tools.

· PyDy - Short for Python Dynamics, used to assist with workflow in the modeling of dynamicmotion based around NumPy,SciPy, IPython, and matplotlib.

.PyMC-Markov Chain Monte Carlo sampling toolkit.

S规指南

·RDKit - Cheminformatics and Machine Learning Software.

.SciPy - A Python-based ecosystem of open-source software for mathematics, science, and

2.书籍方面:

这里我只列出一些我觉得比较有一些帮助的书籍，详细的请看豆瓣的书评:「集体智慧编程」∶集体智慧编程(豆瓣)

「数学之美」︰数学之美(豆瓣)

「统计学习方法」︰统计学习方法(豆瓣)

「Pattern Recognition And Machine Learning」 : Pattern Recognition AndMachine Learning (豆瓣)

「数据科学实战」︰数据科学实战(豆瓣)「数据检索导论」︰信息检索导论(豆瓣)爬虫:

「HTTP权威指南」:HTTP权威指南(豆瓣)Web 网站:

「HTML & CSS 设计与构建网站」:HTML & CSS设计与构建网站(豆瓣)

学习视频：学习视频方面前途APP可以为你通过丰富的相关视频教程，还有其他方面内容…

列到这里已经不需要继续了。

聪明的你一定会发现上面的大部分书籍，并不是讲 Python 的书，而更多的是专业知识。

事实上，这里所谓“跳出 Python，拥抱世界”，其实是发现Python和专业知识相结合，能够解决很多实际问题。这个阶段能走到什么程度，更多的取决于自己的专业知识。

深入阶段

这个阶段的你，对Python几乎了如指掌，那么你一定知道Python是用C语言实现的。

可是Python对象的“动态特征”是怎么用相对底层，连自动内存管理都没有的C语言实现的呢?这时候就不能停留在表面了，勇敢的拆开Python 的黑盒子，深入到语言的内部，去看它的历史，读它的源码，才能真正理解它的设计思路。

这里推荐—本书:

「Python源码剖析」: Python源码剖析(豆瓣)

这本书把 Python源码中最核心的部分，给出了详细的阐释，不过阅读此书需要对C语言内存模型和指针有着很好的理解。

另外，Python本身是一门杂糅多种范式的动态语言，也就是说，相对于C的过程式、Haskell等的函数式、Java基于类的面向对象而言，它都不够纯粹。换而言之，编程语言的“道学”，在Python中只能有限的体悟。学习某种编程范式时，从那些面向这种范式更加纯粹的语言出发，才能有更深刻的理解，也能了解到 Python语言的根源。

若是学的迷茫了的话可以找一个老师来教教你，可以选择整体流程的那些学习班，也可以选择哪种按小时来收费的老师，看个人需要，或者说认识一下会python的大佬可以去进行请教一下。