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
  • 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*华老师的书

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

最后

如果对Python感兴趣的话，可以试试我的学习方法以及相关的学习资料

Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具
 

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、Python练习题

检查学习结果。

七、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

大家拿到脑图后，根据脑图对应的学习路线，做好学习计划制定。根据学习计划的路线来逐步学习，正常情况下2个月以内，再结合文章中资料，就能够很好地掌握Python并实现一些实践功能。