我用了半年的时间，把python学到了能出书的程度

    Python难学吗？不难，我边做项目边学，过了半年就通过了出版社编辑的面试，接到了一本Python选题，并成功出版。

    有同学会说，你有编程基础外带项目实践机会，所以学得快。这话不假，我之前的基础确实加快了我的学习进度。不过话说回来，我平时也做兼职培训，我的学生大多是没基础的，我用本文给出的资料和方法去培训他们，学的好的同学，3个月后能干基本的python项目，照此速度，用1年时间做到精通python，达到出书的程度，应该也不是难事。

    所谓赠人玫瑰手有余香，本人将在这篇文章里，尽可能详细地复原本人的学习历程，以及我辅导学生学python的步骤，以求最大程度帮助到那些想学python的同学。

1 要明确目的，没目的宁可学其它

    如果是为了学着玩，那么不建议学python，因为学了几周就会因为失去兴趣，这样之前的学习就白费了。

    学Python一般需要有比较功利性的目的。比如想学好了跳槽涨工资，又如像我这样公司项目要用，学好了挣工资，或者干私活要用，学好了能录制视频能出书。

    明确好目标后，你就有学习方向了。比如你学好了想要跳槽，就去看大多数jd对python的要求，无非是数据分析，爬虫外带各种机器学习和深度学习应用。比如像我要做金融量化，无非也是数据分析三剑客和深度学习，可能还外带些爬虫技术。如果你要出书出视频，也去看人家怎么做的。总之，有了功利性的目的后，你就会明白你该学习的内容列表。

   其实说倒底，哪怕是深度学习知识图谱人工神经网络这些看上去很高深的技能点，但在python里无非是引入库+调用方法，无非就是调用时传入不同的参数罢了，而且这些技能都有现成的书可以参考。但如果你事先不明确学习目标，这样就不会知道还要学什么。

    我看到网上有不少人在问，python该怎么学？该学些什么？这种事情别人怎么知道？其实更应该问你自己。你以后想怎么用Python挣钱，就该学什么。

2 一定得先搭好环境，安装好第三方包

    废话讲多了，不管你要学python里哪些方面的技能，开发环境是一定要搭建的。

    1 到官网https://www.python.org/downloads/windows/，下载Python解释器。

    2 下载集成开发环境，比如eclipse+pydev，或者直接用Pycharm，我现在用的是后者。

    3 下载第三方包，基本命令是pip install，必要时还需要换源。

    Python开发环境怎样才算搭好呢？

    1 能在Pycharm等集成开发环境里运行通python的hello world程序。

    2 能正确地下载好第三方包，这里就以numpy举例，下载好这个库，并能在pycharm里开发numpy基本程序，这就算好了。

    在安装第三方包时，可能会遇到版本不匹配的问题，具体做法是，凡是遇到安装错误时，就把错误提示放网上搜下，总能找到一大堆解决方法，然后慢慢解决。不过这种问题不经常遇到。

3 基本语法该学什么？

    我入门用的是如下两本书，第一本是这个。

 

    我当时是用了大概两周的时间，把这本书的代码敲了一遍。然后再敲第二本书的代码。这本书虽然讲的是数据分析，但也讲了python的基本语法。

    

 

    当我把两本书的代码敲了一遍时，感觉就能看懂基本的python程序了。当我自己写好两本Python书以后，发现自己在入门时，还是走了弯路，倒不是错误理解了知识点，而是学了初学阶段不需要学的内容。

    现在反思下，在搭建好python开发环境后，可以用如下方法入门python语法。

    1 就敲些if分支和while循环之类的代码，理解python的基本结构，同时理解“缩进”的做法。

    2 需要看列表字典等基本数据结构，因为python主要用来分析数据，分析数据时就用这些对象来存储数据。

    3 然后再稍微看些异常处理部分的代码。

    同时如下的代码无需看。

    1 面向对象思想方面的代码，比如类和继承，这块在现实项目里基本用不到。

    2 文件读写部分的代码。因为数据分析所用的DataFrame能方便地同csv等格式的文件交互，所以基本不会用python核心库自带的读写文件的方法。

    其它的代码，比如本文分析，正则表达式，urllib这些，不是不重要，而是可以放在项目的具体语境里去看，而无需像背单词那样单纯地看相关语法，这样学习的效率会很高。

4 数据分析该学哪些技能？

    当下Python用在最多的可能就算数据分析方面，一般数据分析的项目还外带些机器学习。学这部分的时候，我的建议是：先走通全栈流程，再细看相关方法。

    第一，数据分析无非是用Pandas库的方法，从csv里读数据，再用numpy方法分析清洗下，再用matplotlib库画图，你可以通过若干案例，把这套流程走通。

    我自己感觉我写的这本书，就是围绕这个思路写的。

 

    第二，全栈流程走通以后，你就去看几个点，第一pandas库如何读写csv（或其它文件），第二如何对dataframe对象里的行列数据进行操作，第三如何用matplotlib库画直方图饼图等。

    学的时候，无需太细看语法，因为学了不用的画，过几周就忘了。等到真正做项目时，可以再根据需求来找对应的方法和参数。

    比如我需要把读到的股票数据绘制成折线图，而且折线图对刻度标签和标题都有要求，那么我再以此需求查现成的案例和对应的api，这样就能马上学以致用。         

5 机器学习和深度学习该怎么学？    

    学这部分的时候，一定别先看算法。比如你一定别去关注正则化，梯度下降和降维等算法，因为没必要，而且这些算法很深，你真去看算法的话，估计你的学习自信心马上就会被打消。

    那该怎么学？用自带的数据集和范例学。

    封装机器学习的sklearn库自带很多范例，比如有描述线性回归的波士顿房价案例，有描述SVM分类器的鸢尾花案例，其它像岭回归等算法，也有范例。在这本书里，就用了很多案例讲述机器学习。

 

    深度学习也一样，别看算法，先看api。当大家运行好几本书的代码以后，心里就有底了。而且当大家还会发现，你项目里要写的代码和你之前看书敲的代码框架上是差不多的。

    1 首先无非是创建各种模型，比如人工神经网络，SVM等，创建不同模型时，可能也就是构造函数和类名有所不同。

    2 然后再传入特征值和目标值，比如我在做股票量化时，特征值是开盘价最高价最低价成交量等，特征值是收盘价。在不同的项目里，只要有业务需求，一定也能确定好特征值和目标值，我们程序员要做的就是，在fit方法里传入特征值和目标值，然后让模型训练即可。

    3 训练好了以后再调用predict方法预测即可。

    在做项目的时候，预测的结果可能和期望的不同，那不要紧，慢慢扯皮，换入参特征值即可，或者大家再一起讨论模型，总之这些都不是技术问题。

6 我总结下来比较好的学习方法

    第一，一定得搭建好环境，先把范例代码运行通，通过效果再反看代码和方法，这样基本上代码运行一遍即可理解关键点。

    第二，刚开始的时候一定别到网上看资料，因为网上资料第一未必成系统，第二未必能跑通，刚开始的时候一定得系统地照着书去敲代码。

    第三，找入门书的时候，可以看讲基本语法的书，但一本就够了，而更可以去看综合类的书。比如我上文提到的几本书，都综合包含了语法+数据分析+机器学习等技能，这样的话，就能让大家在理解语法后，直接进入到具体的项目技能环节。

    第四，刚开始做项目的时候，除了自己可以写代码外，更可以参考别人类似的案例。比如我要画股票K线，更要在k线上绘制图例，那么我就可以找两三个人家的类似代码，先运行通，再博采众长地引入人家的方法和参数，这样要比什么都自己想要好很多。 

7 学好Python如何变现？

    回到本文刚开始提到的主题：学好Python如何变现，最直接有效的就是换工作。  

    具体做法是，以主带从。比如你的本业是java或大数据，你还是要以这个方向为主，但在简历上写明，你会数据分析和机器学习等，还熟悉神经网络等模型，然后去投需要此类需求的公司。

    当下能用python做数据分析和机器学习的公司，能开出的公司还未必低，这样如果你兼有python和其它主方向的技能的话，要进此类公司，问题不大。我在培训学校里，就经常帮助学好python的同学做到这点。

    当然用python还能做副业，比如我出过书，录过视频课，也给高校做过教材，总之还是这句话：先指定功利性的学习目标，再细化具体要学的内容，然后在通过看书敲代码等手段系统学，这样学好后，你一定能以此盈利。

8 文末送电子书

    这次要送给大家的还是这本书：《基于股票大数据分析的Python入门实战（视频教学版）》，京东链接：https://item.jd.com/12868774.html。

    我之前搞过类似的活动，如果有同学之前已经拿到了，这次就不用来了。后面合适的时候，我还会送我写的另外一本python书。

    具体做法是：请大家先关注我的公众号：一起进步，一起挣钱。

    然后可以加下我的微信，注明要python股票书，这样我就会把这本书的word电子版给到大家。