2020年10月 TIOBE 排行榜超过了 Java, 历史上首次 Python 超越了 Java ,再次让许多朋友对 Python 产生了兴趣,今天我们来梳理下学习 Python 几个阶段或者级别,期望对持续进化的你有所帮助
本文缘起于知乎上的一个提问: 怎么自学python,大概要多久? ,当时做了一个回答,这次重新整理了一遍,全文如下:
看了回答区的很多回答,感觉很专业也很详尽,觉得要回答多久的问题,需要先回答 学习的目标是什么 这个问题,这里将目标分为 入门、进阶、深入和终极四个部分来说明
入门:只是了解
Python 已然是最流行的语言,特别是在数据分析和机器学习风靡的情况下,Python 也受到了少儿编程的青睐,所以许多同学处于各种原因,只是需要了解一下
那么需要先了解 Python 环境搭建,了解一下操作系统的基本只是,比如环境变量、命令行工具等 然后安装 Python,并且可以在命令行中执行进入 Python,执行简单操作
接着,在文件文件中,写入 print(Hello World) ,保存,执行
这就可以算入门了,整个过程不到一个小时
对应入门来说,推荐用命令行的方式,很多教成会推荐 Anaconda,PyCharm 等集成开发工具,虽然功能强大,界面美观,不太信息量太大,比如容易分散注意力,且不利用 Python 环境的理解
进阶:完成简单任务
要完成一些简单任务或者是写写脚本,比如处理下 Excel、Word、文本中的数据,做些文件处理操作,写个自娱自乐的小程序(非微信\支付宝\头条等小程序)等
只需要了解基本 Python 语法,比如变量定义,基础数据结构,判断语句,循环语句,方法定义等
另外学习一下相关软件包,比如 OpenPyXl (可参考 《Excel 神器 —— OpenPyXl》 )用于处理 Excel
Python-docx(可参考 《Word 神器 python-docx》 ),用于处理 Word
Python 内置模块 os,用于处理文件系统,Pygame 简单游戏包(可参考 《做硬核老爸,我用 Python》 ),用来做些好玩的游戏,等等
这一阶段,只要持续练习,一个月左右,就能熟练上手,做出自己想要的东西,提高工作效率
我公司有个通信设备工程师,为了方便调试主机,开始学 Python,不到一年时间,不仅解决了工作中的问题,得到了嘉奖,还成了部门 Python 专家,经常指导其他人学习 Python
高级:构建应用系统
如果想让更多的人用自己写的程序,而不仅仅用于自己,就需要构建一个系统或者应用。
Web 系统
需要学习 Flask(可以参考 《Web 开发 Flask 介绍》 ) 或者 Django 等 Web 框架
更重要的是,需要了解网络基础知识,如 Http,域名,云服务器等
数据库处理等相关知识,如 Sql 语句,Mysql 数据库,或者 Sqlite 数据库等
安全相关知识,如 Session,token,OAuth 认证机制(可以参考 《OAuth2.0 简介》 )等
服务部署相关知识或技能,将自己的程序通过网络方式提供更多的人使用(可参考 《部署 Flask 应用》 )
桌面应用
比如在 Windows,或者 Linux 下的应用,需要了解操作系统相关知识
并学习 wxpython、PythonWin、PyGTK、PyQt 等软件包,像 wxpython 有强大丰富的功,并且支持跨平台的桌面应用,让你做的程序有更好的适应环境
Windows 下的应用,可参考 《公交闹钟 —— 再也不用白等车了》 ],其中描述了如何构建一个Windows 定时任务,以及将 Python 程序打包成 可执行文件 的方式
如果要达到构建系统的目标,除了 Python 语言本身以及相关软件包的学习之外,更多的是需要学习网络、操作系统、编程思想、设计模式等方面的知识
如果是从头学习,至少需要半年使时间,如果要到达精通,且在商业项目中应用,则可能需要一到两年时间
深入:数据分析与机器学习
python 几乎是个万能的语言,特别实在数据分析和机器学习方面,因为其写更少的代码,做更多的事的理念,深受数据科学家们的追捧。
如果目标是做数据分析,首先需要对数据分析思想和过程有所了解(可以参考 《这个数据分析报告,居然没写一行代码》 )
然后需要学习,数据采集、数据整理、数据可视化等方面的知识或者技能:数据采集基本上就是常说的爬虫,从网络上获取需要分析的数据,相关框架或者软件包有 Scrapy,Selenium,Requests 等
数据整理就是对要分析的数据进行清洗、分解、归类、转换等操作,常用的包有 Numpy、Pandas 等,可以以极为高效的方式处理完成任务,例如我写的一篇 《干掉公式——Numpy就该这么学》 ,从另一个侧面介绍了 Numpy 的强大
数据可视化只有能被人直观感受到,才能更多的发挥数据的价值,通过条形图、圆饼图、雷达图、散点图等直观有效的图像,将数据直观的呈现出来,是数据分析必不可少的环节,相关框架和软件包有 matplotlib、pyecharts、Dexplot 等,我写过一篇关于 Flask 和 pyecharts 结合的文件可以参考 《Python Flask 数据可视化》
如果你的目标是做数据分析,从头学起,坚持练习,三个月,就可以做基本工作了,这是找个相关数据分析的工作,不成问题,如果想要深入研究,数据分析、甚至机器学习相关的原理算法,并能应用自如,没个三五年估计很难做到
终极:成为专家
其实任何领域成为专家,有一个共识定律:一万小时定律,想成为 Python 的专家也不例外
python 之所以成为众多领域中首选的编程语言,并非 Python 是众多领域的核心,而是 Python 可以作为一种处理问题的思想和实现工具
所以更多的学习者是想将 Python 作为一种学习和工作的工具,提高某个领域中解决问题的效率,因此,如果目标是成为专家,可以先选择一个 Python 可以得到应用的领域,比如系统构建、数据分析、机器学习、视频游戏等等
然后通过在该领域的不断深入,使 Python 技能在该领域上得到最大限度的发挥,可能是个成为专家的捷径
如果问需要多久,只能说看造化了。
总结
无论你的目标是什么,都离不开不断的学习与实践
学习分为三个阶段,第一阶段是学,即了解和学习相关习知识;第二阶段是教,即跟着老师或者教材学;第三个阶段是练,这个阶段是最为重要,需要自己多练
希望这篇短文对你的学习之旅有所启发,祝你早日实现自己的目标。