35岁转行python可怕吗？为什么要选择python _35岁学好python转行可以吗-CSDN博客

本文链接：https://blog.csdn.net/weixin_58142821/article/details/137849073

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新网络安全全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上网络安全知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip204888 （备注网络安全）

正文

1. Python方便灵活

之前对于矢量或栅格数据的处理，非常严重的依赖于ArcGIS和ENVI，尤其是数据读取，如ArcGIS 的.shp，ENVI的.img，以及LiDAR的.las等这类独有的格式，离开了这些专业软件基本就不知道该怎么对付这类数据了。所以在选择语言的时候，矢栅数据读取以及数据基本分析（空间分析，遥感影像的）是否灵活方便很重要，这也是为什么在学校时都是学的基于ArcGIS Engine和IDL二次开发（好像GIS专业的特长就是二次开发似的，总感觉这就像是软件开发世界的二等公民）。Python在一定程度上能够解决这个问题，不再依赖于特定的软件平台，毕竟那些对工具依赖性强的工作，你的价值越依附于工具，你越是要警惕自己的思考能力被工具剥夺。

2. Python库丰富

可以说我在了解Python各种库上面花费了很多时间，有时间应该整理一个表格分类列出来有用的工具包。至少，在矢量数据方面，有GDAL，Geopandas，leafet，rasterio；fiona而栅格数据方面，通用的图像处理有opencv，scikit-image，用于遥感图像的有spectral-python。更重要的是，如果想涉足机器学习，python更有从较通用的sklearn到深度学习的Tensorflow、keras等一大票工具包等着你。

3. Python资源多

在此是指有问题基本都能在stackoverflow等找到答案，也有很多相关的书籍。

4. 代码共享方便

这里特指Juypter Notebook的.ipynb文件。文字说明，代码，图在一个文件里面，也可以在gist和nbviewer直接在线共享浏览，微软和anaconda也提供了在线运行环境，申请个账号就能直接运行代码。

5. Python”上手快”

之所以列在最后，我对这点是有些质疑的。因为没有一定的编程功底和对编程语言的理解，很难说的上上手快。装个flask包，敲几行代码运行起来一个网站，不能称之为上手了。我一开始对着些教程敲代码，的确感觉python能在相对短的时间内，用较少的代码完成一些复杂的工作，但都是在利用已有的工具包的情况下，当实际需要处理数据时，还是要非常频繁的去google或翻之前的资料，很多情况都是没有能够深入的去理解。