我在學習Python爬蟲之前，只有一點點C++基礎。所謂“一點點”，指的是看過譚浩強的《C++程式設計》、磚頭一樣的《C++Primer》（當然，後者沒看完），有接觸實驗室的MFC大型專案經驗，但是對於資料結構、類、封裝等概念，理解得都不到位。

在這樣的基礎上，由於種種原因，開始學習Python。下面記錄自己學習Python的經歷，持續更新。。。

（1）學習Python基礎

2017年11月11日-11月30日
開始閱讀《零基礎入門學習Python》，看了三天，初始Python的基本語法、列表和字典、包和模組等概念。推薦小甲魚的這本書作為入門，書籍是基於Python3作為開發語言，具有時效性；語言輕鬆易懂；一邊抄程式碼一邊學語法，3天即可以稍微上手Python。

在這三天間，還參考百度教程，配置好Python的執行環境。在win7環境下，安裝了Python3.6，Anaconda3，PcCharm，後來才發現，只需要下載一個Anaconda3就可以了0-0熟悉了Python的執行環境，熟悉了pip、conda等命令的用法、第三方包的安裝。

此外，還配置了MySQL、Navicat、PowerBI等相關軟體。現在想想，有點多餘了，其實暫時是用不到的。但在做專案的時候，終會用到。詳細的Python環境配置可以參考我這篇部落格。

以上的過程大概持續了5天。努力的話，2-3天就夠了，熟悉語法和基礎，就要直接寫程式碼開幹。

（2）初識Python資料分析

2017年11月18日-11月30日
由於剛開始的時候，把自己的求職目標定位為“基於Python的資料分析師”，因此還檢索了很多資料分析的崗位JD。包括資料分析的崗位要求、學習規劃、職業分類等等。自己也很懈怠。

11月27-12月4日去廈門大學出差，期間只能看看書。看的是《利用Python進行資料分析》，草草瀏覽了一遍，只記得NumPy、Matplotlib、pandas這幾個包的名字而已=-=京東雙11的時候，買了《利用Python進行資料分析》、《Python金融大資料分析》、《Python零基礎入門學習》、《誰說菜鳥不會資料分析》、《深入淺出資料分析》這幾本書，一共大概200元，但是過了一個月，目前只看了《Python零基礎入門學習》這一本而已。。。

（3）初學Python網路爬蟲

2017年12月8日-12月25日
出差返校之後，重新定位了一下：把“爬蟲工程師”作為學習Python的階段性目標。大概花了一週時間去攻克，學習到的知識有：
1、網頁的基本知識：get和post的含義、html的含義及基本格式；
2、爬蟲的基本原理：分析網頁-請求網頁-返回網頁資訊-解析網頁-下載檔案-儲存檔案；
3、爬蟲相關的第三方包：請求網頁用的是requests，解析網頁有三種方法（re、lxml、BeautifulSoup），這三個包是爬蟲的重中之重；
4、Python環境下對本地檔案的讀寫：下載檔案則需要自己寫一個download函式，os包的使用；
5、網頁URL的分析方法，需要用for迴圈獲取某些巢狀網頁的url；
6、使用瀏覽器除錯url的方法，F12和尋找scr、href等；

學習的方法，就是不斷的尋找網上的示例，先自己在spyder中手動敲一遍，然後逐句逐句的分析每一條程式碼的含義。重複2-3個例子之後，會發現所有的爬蟲都基本是這個套路。這個重複的過程一週足矣。0-0爬取妹子圖，對於內心成就感的提升是最大的。。。

（4）研讀《從零開始學Python網路爬蟲》，系統學習爬蟲

2017年12月18日-2017年12月31日
在學習了基本的小型爬蟲之後，開始學習爬蟲框架Scrapy。學習Scrapy的過程非常的曲折，主要困難在：由於Scrapy包在17年2月份之後，才支援Python3；此外，有些網頁的html也在更改，因此網上很多教程都是不可正常執行的。

我百度關鍵詞為“scrapy爬取圖片”，瀏覽了前100個網頁，能執行的爬蟲例項，不過6個而已。因此，除了瀏覽Scrapy框架的簡介之後，沒有幾個能仔細研究的case。於是，上jd買了一本《從零開始學Python網路爬蟲》，由於是17年10月份出版的，因此和目前的開發環境很契合，不會出現程式碼執行不了的情況。

將要學習的知識點：
1、用MongoDB和MySQL儲存爬取的資料；
2、多執行緒爬蟲的實現方法；
3、針對非同步載入網頁抓取資料的方法；
4、使用cookies模擬登入網站；

（5）初識機器學習，研讀《機器學習Python實踐》

2018年1月2日-2018年1月13日
看到了拉勾網上廣州銀行的資料分析崗位，要求機器學習方向，做資料預測的工作；結合目前的行業趨勢，開始了機器學習的瞭解。方式，當然是把知乎、CSDN、部落格園、簡書等網站的資訊都過一遍，把百度關鍵詞的幾百個網頁都過一遍；然後在京東買了三本書，《機器學習Python實踐》、周志華《機器學習》、李航《統計學習方法》，第一本是基於scikit-learn框架的Python實踐指導書，後兩本都是機器學習理論方面的經典教材，一深一淺；同時，正好我的舍友（秋招去了海康的大資料演算法）和實驗室的楊烈（做的課題是TensorFlow框架的深度學習）做的工作與之相關，就和他們多討論，可以在學習方向上即是糾偏。

這段時間，主要是直接上手《機器學習Python實踐》這本書的程式碼，把書上幾乎所有的程式碼都重寫了一遍，瞭解了scikit-learn的基本用法、機器學習的基本流程；當然，對於理論完全沒有了解，也缺乏獨立進行專案的能力。

（6）研讀《利用Python進行資料分析》

2018年1月13日-1月22
動物書系列都寫的很好。這本書可以說是資料分析領域，不可避免的一部經典了。集中花了十天左右來看，做示例。
優點在於：針對Python2語言，在資料分析情境下，介紹了常用的包（Scipy、Numpy、pandas、matplotlib）、資料的一般操作（匯入、清洗、轉換、合併、視覺化）、十個左右的例項幫助理解。
缺點在於：程式碼案例在Python3上執行時，很多都需要修改；個人感覺例項偏少，並且有些脫離當代商業分析的實際情景；美國人寫書比較口水；程式碼在書本里面，沒有灰色背景色，不太容易看出來。

我個人只是不求甚解的通看了一遍而已，然後將例子照抄做了一遍，沒有太多的個人思考。個人感覺這本書，是當做“字典”來翻閱的。也即是說：遇到資料分析的具體案例時，查閱這本書，尋找有哪些方法可以借鑑。

這一節很好的的教程：
《利用Python進行資料分析》的學習筆記這裡寫連結內容；
動物書系列《利用Python進行資料分析》；

（7）研讀《深入淺出資料分析》

2018年1月23日-2月1日
這段時間去廈門大學出差，只是在做實驗中途間歇的時候，匆匆瀏覽完了這本書。也是在京東上買的，算是資料分析的入門教程了；這本書本身也屬於‘Head first’系列，即從頭開始，可以是實實在在的入門書。
優點：案例結合商業實踐非常緊密；語言、圖例都及其通俗易懂，沒有任何閱讀難度；
缺點：內容太淺；看過之後印象不深刻。只能算是科普書。

（8）研讀《機器學習》（周志華老師的西瓜書）

我的學習筆記；
機器學習領域，在國內的經典書籍，要好好研讀；

（9）工作&專案&比賽實戰

學到了這裡，Python就已經上路了。這時，你已經對Python生態、用它能做什麼、不能做什麼有了一定的瞭解；在接下來，你需要去學習資料庫、演算法、其他語言、計算機網路、大資料等技術棧的理解，這些需要自己另外摸索了。

基本上，使用Python還是做一個調包俠，核心還是要牢牢抓住實際工程的需要，除了技術本身之外，對業務和產品的理解也都非常重要。

此貼已完結，共勉。