Python難學嗎？不難，我邊做專案邊學，過了半年就通過了出版社編輯的面試，接到了一本Python選題，併成功出版。

    有同學會說，你有程式設計基礎外帶專案實踐機會，所以學得快。這話不假，我之前的基礎確實加快了我的學習進度。不過話說回來，我平時也做兼職培訓，我的學生大多是沒基礎的，我用本文給出的資料和方法去培訓他們，學的好的同學，3個月後能幹基本的python專案，照此速度，用1年時間做到精通python，達到出書的程度，應該也不是難事。

    所謂贈人玫瑰手有餘香，本人將在這篇文章裡，儘可能詳細地復原本人的學習歷程，以及我輔導學生學python的步驟，以求最大程度幫助到那些想學python的同學。

1 要明確目的，沒目的寧可學其它

    如果是為了學著玩，那麼不建議學python，因為學了幾周就會因為失去興趣，這樣之前的學習就白費了。

    學Python一般需要有比較功利性的目的。比如想學好了跳槽漲工資，又如像我這樣公司專案要用，學好了掙工資，或者幹私活要用，學好了能錄製視訊能出書。

    明確好目標後，你就有學習方向了。比如你學好了想要跳槽，就去看大多數jd對python的要求，無非是資料分析，爬蟲外帶各種機器學習和深度學習應用。比如像我要做金融量化，無非也是資料分析三劍客和深度學習，可能還外帶些爬蟲技術。如果你要出書出視訊，也去看人家怎麼做的。總之，有了功利性的目的後，你就會明白你該學習的內容列表。

   其實說倒底，哪怕是深度學習知識圖譜人工神經網路這些看上去很高深的技能點，但在python裡無非是引入庫+呼叫方法，無非就是呼叫時傳入不同的引數罷了，而且這些技能都有現成的書可以參考。但如果你事先不明確學習目標，這樣就不會知道還要學什麼。

    我看到網上有不少人在問，python該怎麼學？該學些什麼？這種事情別人怎麼知道？其實更應該問你自己。你以後想怎麼用Python掙錢，就該學什麼。

2 一定得先搭好環境，安裝好第三方包

    廢話講多了，不管你要學python裡哪些方面的技能，開發環境是一定要搭建的。

    1 到官網https://www.python.org/downloads/windows/，下載Python直譯器。

    2 下載整合開發環境，比如eclipse+pydev，或者直接用Pycharm，我現在用的是後者。

    3 下載第三方包，基本命令是pip install，必要時還需要換源。

    Python開發環境怎樣才算搭好呢？

    1 能在Pycharm等整合開發環境裡執行通python的hello world程式。

    2 能正確地下載好第三方包，這裡就以numpy舉例，下載好這個庫，並能在pycharm裡開發numpy基本程式，這就算好了。

    在安裝第三方包時，可能會遇到版本不匹配的問題，具體做法是，凡是遇到安裝錯誤時，就把錯誤提示放網上搜下，總能找到一大堆解決方法，然後慢慢解決。不過這種問題不經常遇到。

3 基本語法該學什麼？

    我入門用的是如下兩本書，第一本是這個。

    我當時是用了大概兩週的時間，把這本書的程式碼敲了一遍。然後再敲第二本書的程式碼。這本書雖然講的是資料分析，但也講了python的基本語法。

    當我把兩本書的程式碼敲了一遍時，感覺就能看懂基本的python程式了。當我自己寫好兩本Python書以後，發現自己在入門時，還是走了彎路，倒不是錯誤理解了知識點，而是學了初學階段不需要學的內容。

    現在反思下，在搭建好python開發環境後，可以用如下方法入門python語法。

    1 就敲些if分支和while迴圈之類的程式碼，理解python的基本結構，同時理解“縮排”的做法。

    2 需要看列表字典等基本資料結構，因為python主要用來分析資料，分析資料時就用這些物件來儲存資料。

    3 然後再稍微看些異常處理部分的程式碼。

    同時如下的程式碼無需看。

    1 面向物件思想方面的程式碼，比如類和繼承，這塊在現實專案裡基本用不到。

    2 檔案讀寫部分的程式碼。因為資料分析所用的DataFrame能方便地同csv等格式的檔案互動，所以基本不會用python核心庫自帶的讀寫檔案的方法。

    其它的程式碼，比如本文分析，正則表示式，urllib這些，不是不重要，而是可以放在專案的具體語境裡去看，而無需像背單詞那樣單純地看相關語法，這樣學習的效率會很高。

4 資料分析該學哪些技能？

    當下Python用在最多的可能就算資料分析方面，一般資料分析的專案還外帶些機器學習。學這部分的時候，我的建議是：先走通全棧流程，再細看相關方法。

    第一，資料分析無非是用Pandas庫的方法，從csv裡讀資料，再用numpy方法分析清洗下，再用matplotlib庫畫圖，你可以通過若干案例，把這套流程走通。

    我自己感覺我寫的這本書，就是圍繞這個思路寫的。

    第二，全棧流程走通以後，你就去看幾個點，第一pandas庫如何讀寫csv（或其它檔案），第二如何對dataframe物件裡的行列資料進行操作，第三如何用matplotlib庫畫直方圖餅圖等。

    學的時候，無需太細看語法，因為學了不用的畫，過幾周就忘了。等到真正做專案時，可以再根據需求來找對應的方法和引數。

    比如我需要把讀到的股票資料繪製成折線圖，而且折線圖對刻度標籤和標題都有要求，那麼我再以此需求查現成的案例和對應的api，這樣就能馬上學以致用。         

5 機器學習和深度學習該怎麼學？    

    學這部分的時候，一定別先看演算法。比如你一定別去關注正則化，梯度下降和降維等演算法，因為沒必要，而且這些演算法很深，你真去看演算法的話，估計你的學習自信心馬上就會被打消。

    那該怎麼學？用自帶的資料集和範例學。

    封裝機器學習的sklearn庫自帶很多範例，比如有描述線性迴歸的波士頓房價案例，有描述SVM分類器的鳶尾花案例，其它像嶺迴歸等演算法，也有範例。在這本書裡，就用了很多案例講述機器學習。

    深度學習也一樣，別看演算法，先看api。當大家執行好幾本書的程式碼以後，心裡就有底了。而且當大家還會發現，你專案裡要寫的程式碼和你之前看書敲的程式碼框架上是差不多的。

    1 首先無非是建立各種模型，比如人工神經網路，SVM等，建立不同模型時，可能也就是建構函式和類名有所不同。

    2 然後再傳入特徵值和目標值，比如我在做股票量化時，特徵值是開盤價最高價最低價成交量等，特徵值是收盤價。在不同的專案裡，只要有業務需求，一定也能確定好特徵值和目標值，我們程式設計師要做的就是，在fit方法裡傳入特徵值和目標值，然後讓模型訓練即可。

    3 訓練好了以後再呼叫predict方法預測即可。

    在做專案的時候，預測的結果可能和期望的不同，那不要緊，慢慢扯皮，換入參特徵值即可，或者大家再一起討論模型，總之這些都不是技術問題。

6 我總結下來比較好的學習方法

    第一，一定得搭建好環境，先把範例程式碼執行通，通過效果再反看程式碼和方法，這樣基本上程式碼執行一遍即可理解關鍵點。

    第二，剛開始的時候一定別到網上看資料，因為網上資料第一未必成系統，第二未必能跑通，剛開始的時候一定得系統地照著書去敲程式碼。

    第三，找入門書的時候，可以看講基本語法的書，但一本就夠了，而更可以去看綜合類的書。比如我上文提到的幾本書，都綜合包含了語法+資料分析+機器學習等技能，這樣的話，就能讓大家在理解語法後，直接進入到具體的專案技能環節。

    第四，剛開始做專案的時候，除了自己可以寫程式碼外，更可以參考別人類似的案例。比如我要畫股票K線，更要在k線上繪製圖例，那麼我就可以找兩三個人家的類似程式碼，先執行通，再博採眾長地引入人家的方法和引數，這樣要比什麼都自己想要好很多。 

7 學好Python如何變現？

    回到本文剛開始提到的主題：學好Python如何變現，最直接有效的就是換工作。  

    具體做法是，以主帶從。比如你的本業是java或大資料，你還是要以這個方向為主，但在簡歷上寫明，你會資料分析和機器學習等，還熟悉神經網路等模型，然後去投需要此類需求的公司。

    當下能用python做資料分析和機器學習的公司，能開出的公司還未必低，這樣如果你兼有python和其它主方向的技能的話，要進此類公司，問題不大。我在培訓學校裡，就經常幫助學好python的同學做到這點。

    當然用python還能做副業，比如我出過書，錄過視訊課，也給高校做過教材，總之還是這句話：先指定功利性的學習目標，再細化具體要學的內容，然後在通過看書敲程式碼等手段系統學，這樣學好後，你一定能以此盈利。

8 文末送電子書

    這次要送給大家的還是這本書：《基於股票大資料分析的Python入門實戰（視訊教學版）》，京東連結：https://item.jd.com/12868774.html。

    我之前搞過類似的活動，如果有同學之前已經拿到了，這次就不用來了。後面合適的時候，我還會送我寫的另外一本python書。

    具體做法是：請大家先關注我的公眾號：一起進步，一起掙錢。

    然後可以加下我的微信，註明要python股票書，這樣我就會把這本書的word電子版給到大家。

&n