王的机器要开课了

【王的机器】要和新加坡一家在线教育平台 VIPCLASS 一起合作推出 Python 课程，整套内容目录如下图。

首先要学好 Python 的基础知识，不要一上来就好高骛远使用各种包。打牢基础之后，我们再把旗下最常用的几个包一一攻破：

• 用于数组计算的 Numpy

• 用于科学计算的 Scipy

• 用于数据分析的 Pandas

• 用于基本可视化的 Matplotlib

• 用于统计可视化的 Seaborn

• 用于交互可视化的 PyEcharts

• 用于机器学习的 Scikit-Learn

• 用于深度学习的 Keras

本次课程只是 Python 基础，分 11 节。

扫描下方二维码即可报名

????????????

0

我是谁？

我是谁不重要，我能死磕细节、细磨课件，全心付出，深入浅出的教会你们 Python 才重要，这些特质「王的机器」的读者应该很熟悉。面向不是公众号的朋友，还是贴张简历吧。

1

1

为什么要上你的课？

市面上的课程推广文章通常会吹嘘一番 Python，再贩卖一波焦虑，让你买课，但我不会，我更喜欢无套路实打实的推广。

不过有人还是会问：

1. Python 基础知识就那么少

2. 市面免费或低价的课那么多

为什么还要付费上你的课？

原因就在于我按下面四点讲课（看过我文章的朋友也应该知道我喜欢这样写文章）：

体系化，故事化，可视化，抽象化

• 体系化（systematize）可以把握全局

• 故事化（dramatize）可以引人入迷

• 可视化（visualize）可以增强记忆

• 抽象化（generalize）可以认清本质

下节我就结合「学习 Python 基础知识」来详细而具体地介绍这四点。

2

上这门课能学到什么？

表面上看，上这 Python 课能学到的肯定是 Python，但是学到「体系化、故事化、可视化、抽象化任何知识的这种能力」会更加重要。

体系化

将零碎的知识点体系化真的很重要，我就把这门课的所有要点都放在一张思维脑图（是体系化知识的好工具）里了。

整个 Python 基础内容我把它结构化为六点：

1. 编程概论

2. 数据

3. 流程

4. 函数

5. 对象和类

6. 高级特征

从下面动图可看出每个点的更多细节。

按上面这种方式划分构建一个体系是有原因的：

编程概论：学习任何一种编程语言，我们都需要了解一些概论。类比计算机语言和人类语言，学习语言首先要了解其词汇和语法，再开始讲故事。

• 词汇包括保留字（keyword）和变量名（variable name）

• 语法包括缩进、冒号等等

• 故事可由三种方式来演绎，按顺序讲；按条件讲；重复讲

了解完概论就可以了解所有编程语言中最重要的一环，数据。

---

数据：数据的重要性不需要多讲，在 Python 中数据可分两大类：

• 元素型：整数、浮点、布尔、None

• 容器型：字符串、元组、列表、字典、集合

数据会被命名成变量，变量（词）之间会发现联系（句子），当你试着「用词造句讲故事」的时候，你实际创建了一个流程，而流程需要控制。

---

流程：类比三种演绎故事的形式，代码也可以按顺序写、按条件写（if）、重复写（while, for），这些都叫做流程控制，当然在运行不出错的时候。如果出错了需要异常处理（try, except）。因此流程控制可细分

• 按顺序：一句一句写

• 按条件：用 if 语句

• 按重复：

• • 用 for 循环 - 当循环次数事先知道

  • 用 while 循环 - 当循环次数事先不知道

• 要纠正：用 try, except, else, finally 语句

当你想重复使用一组语句时，你需要考虑函数。

---

函数：Python 定义函数有两种方式：

1. 用 def 定义普通函数

2. 用 lambda 定义匿名函数

Python 把函数当成「一等公民」，即可把函数当成变量使用，进而可以定义高阶函数（普通函数和匿名函数都属于低阶函数）：

• 把函数当成输入参数

• 把函数当成输出结果

介绍完数据和函数后，我们可得出

• 如果只处理数据，将其存储在列表，字典或其他数据中

• 如果只处理行为，而没有存储数据，则使用函数更合适

如果同时要处理到数据和行为呢？考虑对象和类。

---

对象和类：对象是既具有数据又具有行为的实例，而类是对象的描述。变量和函数是零散的，而对象将它们集合起来，

• 在对象里也有变量，用来存储数据，这时变量又称字段（fields）

• 在对象里也有函数，用来操作数据，这时函数又称方法（methods）

字段和方法统称为类的属性（attributes）。

基于对象编程叫做「面向对象编程」，里面的知识点包括：实例变量、类变量、实例方法、类方法、静态方法、继承、多态、魔法方法、属性装饰器等。

---

高级特征：这是都是些锦上添花的东西，包括格式化字符串、正则表达式、解析表达式、生成器、迭代器和装饰器等等。

---

现在我已经把整套课的体系建出来了，当然每个知识点还有很多细节要去深挖。学习一个新事物时，我痴迷于去体系化其要点，去对比和类比其性质、这样知识点会越来越明晰。

体系化可以把握全局

故事化

故事总是比代码更能让人感兴趣，尤其以 Python 的难点「装饰器」为例，如果一上来就给装饰器的代码 @decorate_function，没有多少人能坚持学下去的。但是如果将它赋予故事呢？

---

故事开始

斯蒂文是个厨师，有一天开始研究汉堡 (burger) 的做法，第一次他只用鸡肉饼做汉堡。

def meat(food='--鸡肉饼--'):print(food)burger = meat
burger()

--鸡肉饼--

很明显汉堡都是肉，太荤了。加点蔬菜如何？

def vegetable(func):def wrapper():print(' ~西红柿~')func()print(' ~沙拉菜~')
burger = vegetable(meat)
burger()

 ~西红柿~
--鸡肉饼--~沙拉菜~

现在汉堡看起来不错，可是好像看缺少了什么？对，再加点面包就好了。

def bread(func):def wrapper():print('</------\>')func()print('<\------/>')return wrapperburger = bread(vegetable(meat))
burger()

</------\>~西红柿~
--鸡肉饼--~沙拉菜~
<\------/>

现在看上去真像汉堡，面包夹着蔬菜，蔬菜夹着肉。

故事结束

---

面包和蔬菜「装饰」着鸡肉饼，bread() 和 vegatable() 这两个函数起着「装饰器」的作用，它们没有改变 meat() 函数，只在它的基础上添砖加瓦，最后把鸡肉饼装饰成汉堡。

我相信即便你在还不太懂 Python 函数的情况，也能大概了解装饰器的作用了。

除了故事化，我在讲难点时喜欢把所有需要的知识点过一遍。比如装饰器涉及到函数的各种用法，我会在讲装饰器前，揉碎了讲下面几个知识点：

1. 把函数赋值给变量

2. 在函数里定义函数

3. 在函数里返回函数

4. 把函数传递给函数

这样你们学起来会很轻松，但对我而言就要下很大功夫，但是我愿意。

故事化可以引人入迷

可视化

一图胜千言，人是感官动物，从图表中接收的信息绝对比从文字快。

在学习高阶函数 map, filter, reduce 的时候，绝大教材都会直接上代码这样举例：

lst = [1, 2, 3, 4, 5]
map_iter = map( lambda x: x**2, lst )
list(map_iter)

[1, 4, 9, 16, 25]

f_iter = filter( lambda x: x%2==1, lst )
list(f_iter)

[1, 3, 5]

from functools import reduce
reduce( lambda x,y: x+y, lst )

15

虽然可以看懂，但是总觉得不直观。再看看我是如何来「可视化」这三个函数的。

我们看着 Emoji，很自然的就能读懂

• 将 cook 函数映射（map）到牛、土豆、鸡和玉米上，就能做出汉堡、薯条、鸡腿和爆米花。原来 map 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上啊。

• 用 ismeat 函数来判断牛、土豆、鸡和玉米是不是肉，得出汉堡和鸡腿是肉，因此将它们过滤（filter）出来。原来 filter 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上，然后过滤出返回为真的数据。

• 将 eat 函数压缩（reduce）牛、土豆、鸡和玉米成排泄物，因此 reduce 函数是用第一个参数（函数）作用到它第二个参数（容器型数据）上，得到一个元素型数据。

这样是不是秒懂 map, filter 和 reduce 了？

---

再举一个我最喜欢的例子，「可视化」列表解析式。

你可以把「带 if 的 for 循环」到「解析式」的过程想像成一个「复制-粘贴」的过程：

1. 将「for 循环」的新列表复制到「解析式」里

2. 将 append 里面的表达式 n 复制到新列表里

3. 复制循环语句 for n in lst 到新列表里，不要最后的冒号

4. 复制条件语句 if n%2 == 1 到新列表里，不要最后的冒号

通过这样的可视化过程，你发现列表解析式原来这么简单直观啊。

可视化可以增强记忆

抽象化

从具体问题能抽出本质是一种很重要的能力，人一旦会举一反三才算会学习。

以格式化字符串举例，一般有四种方法：

1. 用 % 字符

2. 用 $ 字符

3. 用 format 函数

4. 用 f-string

如果光看例子，那真是千奇百怪，但透过例子看本质，每种方法都有通用的语法格式，如下图总结。

记住那么多特例是不可能的，但记住这四种通式是可行的。

抽象化可以认清本质

3

怎么才能上这门课？

扫描下方二维码即可报名

????????????

11 节高强度高输出的课才 75 人民币，我都觉得有些对不起自己的付出了。Python 基础课上完之后，我还有八门 Python 金融工程的进阶课，里面包含各种案例，比如

• 用 Numpy 计算交易组合的风险价值，计算贷款组合的经济资本，分配投资组合的最佳权重，等等。

• 用 Scipy 用偏微分方程定价障碍期权，用蒙特卡洛方法实现随机波动率模型，等等。

• 用 Pandas 实现三隔栏（triple-barrier）和元标签（meta-label），等等。

• 用 Matplotlib 和 PyEcharts 来绘制各种金融数据的关系图。

• 用 Scikit-learn 和 Keras 来实现多因子模型，等等。

整套 Python 生态配上金融工程的内容，我想想都感到兴奋，能做出来非常不容易，能有幸让你们都学会更有满足感，当然价格一定会比 Python 基础课的 75 元要高。

回到这次Python 基础课，授课时间和方式的细节如下：

授课时间

2020 年 4 月 7 日开课

每周二和周四晚上 8 点半

每堂课 30 分钟

如果内容讲不完会延长时间

授课方式

直播 + 录播

录播视频在直播后 4 个小时自动生成

一年有效

我就喜欢用框架总结，抓住重点

我就喜欢用故事类比，妙趣横生

我就喜欢用图表剖析，简单易懂

我就喜欢用通式归纳，举一反三

此外，我会死磕每一个细节，揉碎每一个难点，细调每一页课件的颜值。

如果你同意我的教课理念，看过并喜欢我的文章，也相信我的课程质量，那么就来报名吧，让我来给你一次不一样的 Python 课。

2020 年 4 月 7 日晚上 8 点半

我等着你