一文详解分享Python学习路径，千万不要贪大求全

关于Python

这是本月（2022年05月）编程语言的最新排行榜，Python独占鳌头，记得去年的好像是5月份之前，Python还一直屈居千年老二，后来跃居龙头宝座，就没变过。

本篇文章重点分享关于Python学习路径的一些想法，欢迎大家一起交流。

关于学习路径

小建议

今天我去搜集了一些关于分享学习路径的文章，很多都是满满的罗列各种内容，其实不管你想学习什么，都要

先问：自己为什么要学习它？
然后：想清楚自己的目标是什么？
- Web开发？
- 数据分析？
- 人工智能（AI）？
- 。。。
继续：思考我怎么去学习？
最后：持续改善自己
- 学习路径
- 学习方式
- 交流方式
- 知识体系
- 等等

这样你才有可能成为一代大神（大神毕竟很稀少，成为一个资深工程师还是不难的）。

先思考：不要人云亦云，别人说好就是好，自己先调查、分析、或是向有经验的学长请教.

一张思维导图

为什么

当你想学Python时，建议先百度下，从这三方面先大概了解。

Python语言历史：略过，自己百度下
Python的应用场景：稍后过分享，静静的等一会
Python在国内火热程度
- 文章头部有一张排行榜图片，大家不要被这个排行榜给懵了，此排行榜不是针对国内的情况。关于Tiobe的百度百科上是这样描述的
  
  TIOBE排行榜 [1] 是根据互联网上有经验的程序员、课程和第三方厂商的数量，并使用搜索引擎（如Google、Bing、Yahoo!）以及Wikipedia、Amazon、YouTube和Baidu（百度）统计出排名数据，只是反映某个编程语言的热门程度，并不能说明一门编程语言好不好，或者一门语言所编写的代码数量多少。
- 例如：排在第10位的PHP，排名是比较靠前的，但现在在国内就不太香了，最初国内很多大厂的网站或者系统都是用PHP开发，后来都转成Java、Go做了重构。
- 如何了解火热程度：这块大家可以去招聘网站上搜索就知道了，1:看职位招聘数量 2:职位要求 3:职位薪资
回到Python话题，还是比较火的，尤其在数据分析领域，不二人选的编程语言，所以如果你将来想搞数据分析、AI方面的，学习Python，至少短期来看，方向上不会有什么问题。
提示：
- 自己多去搜索了解编程语言过去、现在、未来趋势，千万不要人云亦云，别人说学这个好，我就开干，没有调查就没有发言权

定方向

我分成2张图，一张图文字太小，定方向是至关重要的一个环节，如果方向都没搞清楚，一股脑想到哪学到哪，很可能学的都是一瓶子不满半瓶子咣当。

下一张，图片有些错位

关于方向

从大方向分，可分为

Web网站开发
服务器端开发
科学计算
数据分析
机器学习/深度学习
自动化测试/运维
…

这些方向，每一个别说搞精了，搞的像模像样都很不容易。比如深度学习，又分自然语言、图像视觉等子分支。每一个子分支深入进去，都够学几年的。

有些方向会依赖周边技术的，然后才能成为一个体系，比如服务器端开发

你大概需要这么一个学习路径

Python基础学习
学习框架：Flask Or Django
学习SQL基本语法（DML、DDL）
学习MySQL（关系数据库）
学习Redis（缓存数据库）
Python并发库等进阶知识学习
之后可能会涉及消息队列、文档数据库等等的学习

如果你是个新手，想找后端开发的工作，学习了这些，进入团队融合的会快，能很快找到感觉。

个人建议

如果你在读大学，建议大家可以考虑按这个路径学习
- 科学计算库
- 学习数据分析相关几个库
- 机器学习
- 深度学习
为啥要这样建议
- 第一：数据分析、AI是热门岗位，人才需求很旺盛，就业容易
- 第二：起薪高，有钱赚
- 第三：机器学习、深度学习的深入学习会涉及很多数学知识，比如统计、概率等等，同学们正在学数学，能很好的理解模型的推导过程。对于毕业几年的学长，很可能大学学的数学都还给老师了，想学AI这块还要从新学，所以正在读大学的同学是有优势的
关于学习路径
- 欢迎和大家一起讨论，分享心得

搭环境

关于搭环境，既然学习Python

首先要安装Python，这个没得说
接下来选IDE，建议这两款大家都安装上

Pycharm Or VSCode：适合做项目
- Web网站开发
- 后端开发
JupyterLab：数据科学家的首选工具
- 学习数据分析、机器学习、深度学习的必须要装
- 学习运维，自动化测试，装这个工具就没必要了
编辑器：Sublime Text Or Atom更轻量的编辑器，建议装上
关于安装，我之前在公众号【小码匠和老码农】里写过些文章，大家可以参考下
- 安装Python那点事，最详细的教程
- 万字长文：深度全面了解Conda的各种骚操作
- 数据科学神器JupyterLab的使用(精简版)

打基础

先上图

关于打基础

最好的资源是，重要的事说三遍：官方文档、官方文档、官方文档
- 例如你想学习Seaborn
  - 官网
    - https://seaborn.pydata.org/
菜鸟教程: 拿数据分析举例，这个网站提供了很多基础教程
- Python 3 教程
- Pandas 教程
- NumPy 教程
- Matplotlib 教程
一本好书：为啥叫一本好书，想提醒大家不要买一堆书，一是你也看不过来，二是书也挺贵的，三是内容很多都是雷同的

例如
- Python基础学习，买一本蟒蛇书就可以了
- 机器学习，可以买一本周志华老师的书
- 建议：马上618了，大家可以趁这个机会囤批书

勇进阶

废话不多说，上图

关于勇进阶这块，千万

别光学不练
别觉得自己看了几本书，写了点代码，水平就高了
别觉得。。。

这块是想给大家泼冷水，在你没见过真正的大神之前，要一直谦虚，学习，学习，在学习

想进阶学习几个途径

找项目做
- 比如你学了机器学习的知识，可以去参加比赛，验证所学
- 比如你学数据分析，可以下载一份基金数据，然后去从多个角度去分析数据
github
- github上开源了很多优秀框架的源代码和项目代码，大家可以去找适合自己的，去学习别人的代码、思想、理念等等
开源框架
- 建议有精力的同学可以去研究下开源框架的源代码，提高自己对底层的了解和架构设计能力
gitee
- 这个就不多说了，托管了很多源代码，和github类似

打比赛

上图

关于打比赛，现在很多比赛都是团体赛，在参加比赛的过程中，你能多方面锻炼自己能力。

比如：规划能力、协调能力、领导力、对外社交能力、技术提升力。

小码匠去年参加了：“天池·TEENTOP杯”AI少年挑战赛-数据科学挑战赛中级赛道，获得了冠军，成绩虽然打的不错，但这个不是最重要的，重要的是

自己技术提升了不少；
结交了几个喜欢学编程的志同道合的朋友，一起学习；
一入猿门深似海，从此成为OI人。

因为2月份北京疫情原因，后来没有能成行去杭州阿里达摩院参加总决赛，虽然很遗憾，如果去了，能开阔视野，认知到自己的不足，见识外面更大的世界

神器

大家可能会有些疑惑，这两个东东怎么可能会是神兵利器，扯淡呢吧。

不是扯淡，安装这两个神器的目的

记录自己学习过程中遇到的各种问题
逐步完善自己的知识体系
提升自己学习效率

下面这张图是小码匠在学习OI时日常整理知识体系

个人建议

千万不要让自己的知识过于碎片化，养成记笔记、梳理知识习惯

最后

关于学习路径进行了粗浅分享，欢迎和大家一起交流，一起探讨，关注：小码匠和老码农，一起持续分享高质量知识