- A+
如果你学过其他的语言，再学 Python 将会让你的技能树大大地拓宽，有能力涉足更多的领域。
学习编程从入门到放弃的人不计其数，很大程度上是因为，产出和投入的精力完全不成正比。
而学习 Python，几行代码就可以实现一个爬虫，几个函数就可以做简单的数据分析，写一个小工具、小游戏也是分分钟的事情……这种成就感，会激发你最原始的兴趣。
那如何系统学习Python呢？一般我们会经历以下几个阶段。
01 了解 Python 编程基础
一是变量、编程规范、基础语法等，这也是能够上手编写 Python 代码的前提。
二是数据结构，字符串、列表、字典、元组这些需要非常熟练，数据类型将贯穿你整个编程的始终。
这个部分一些简单的练习就是，自己构造一个数据类型，然后去实现基本的用法。比如你自己构造一个列表，实现列表中数据的访问、更新、删除等基本操作，比如 len()、max()、min() 函数，以及 append()、count()、extend() 等方法。
函数和方法是实现数据增删改查的基本途径，如果你在实际操作中遇到数据操作的问题，可以在具体的数据类型下查找相关用法。
02 Python函数及流程控制
学习 Python 的函数和控制语句，是真正去解决问题的过程。如何实现判断和循坏，如何将固定的功能模块封装成函数，这些不仅是写出代码的必要条件，也是训练编程思维的必经之路。
函数这个部分无外乎函数的定义、函数调用以及参数传递，但是要能够娴熟地写出函数实现对应的功能，需要注意的细节很多，也需要不断地训练。
流程控制则相对要好掌握一些，条件语句和循坏语句在不同的场景下练习几遍，知道判断和循环实现的过程，基本上就没问题了。
其实到这个地方，基本的Python知识你已经掌握了，你可以自己去做一些小项目，比如猜数字、各种转换器、记账工具……
03 利用 Python 做些事情
通常在学习一段时间之后，你就会有自我怀疑的过程，貌似真的懂了，但是离做出实际的东西又很远，这些东西是否有用？
这个时候不妨了解一些第三方库，你可以做更多的事情。比如用pandas作数据处理，用matplotlib做数据可视化分析，用BeautifulSoup写爬虫，利用Flask搭建网站……这些别人搭好的轮子，你直接拿来用就可以了。当然像写爬虫和网站，你还需要了解其他方面的一些知识（比如HTTP、HTML、JS、数据库等）。
对于不同的库，内部的方法、函数你还需要去熟悉，开始的时候先掌握少部分最常用的方法，在遇到实际的问题的时候，再去查对应的更多的用法，这样会更高效。
04 深入 Python 编程
其实第三个阶段反复练习实践，你已经基本具备一些工作的技能了，比如 Python 数据分析、网络爬虫、写工具脚本……
首先你要了解Python的高级特性，如迭代器、生成器、装饰器等，了解类和面向对象的理念。深入下去，你可以去探索Python的实现原理，Python的性能优化，跳出Python语言本身，去了解计算机的交互原理，还有很长的路要走，但并不是每一个人都需要这个过程。
但这些高屋建瓴的东西，又是你在这个领域立足生根的重要条件，对于坚定走技术方向的人来说，这个过程是有必要的。这个时候你再去做应用层面的一些东西，又会有更加深刻的理解。
总结下来，学习Python，最常见的坑有这些：
1.很难找到合适且优质的学习资源，难以下手，或者随便找一些材料开始学习，极其容易从入门到放弃；
2.遇到问题不知道如何寻找解决办法，甚至连问题都描述不清楚，经常被一些细小的问题卡住，学习效率不高；
3.在理论学习中无法自拔，学习很久之后，发现还是不知道如何在实际的项目中去应用，缺乏解决问题的能力；
4.看到别人的案例觉得好像是那么回事，但是自己去写代码的时候依然很困难，无法训练编程思维。
文末小题摘要①：Python 推出新的 PyPI 网站，旧 PyPI 于 4 月 30 日关闭
PyPI 团队的成员 Sumana Harihareswara 发表博客表示，Python 已推出新的 PyPI 网站（Python 的官方第三方软件存储库），浏览器流量和 API 调用（包括"pip install"）已从旧版 pypi.python.org 重定向到新网站，而旧的 PyPI 网站将于 4 月 30 日关闭。
不过现在旧的代码库在 https://legacy.pypi.org 上仍然可用。
目前，权威的 PyPI(Python Package Index) 地址是：https://pypi.org/，使用了新的 Warehouse 代码库。
https://pypi.org 测试版早于 3 月 26 日已提供，到 4 月 16 日正式推出，而旧的 PyPI 网站 https://legacy.pypi.org 则计划于 4 月 30 日关闭，pypi.python.org 则继续重定向至新网站。
有关更多详细信息，请参阅路线图：https://wiki.python.org/psf/WarehouseRoadmap
如果你仍在使用 pypi.python.org，现在开始应该迁移至使用 pypi.org，迁移指南：https://warehouse.readthedocs.io/api-reference/integration-guide/#migrating-to-the-new-pypi
文末小题摘要②：Python开源项目推荐：跨平台批量运维小工具batch_ops
batch_ops是一个用Python实现的跨平台批量运维小工具。通过它可以执行远程命令/上传下载文件。它基于yaml配置文件可灵活指定操作单位：host(s)或hostgroup(s)；基于多线程可实现多主机并行；基于docopt提供详细的命令行界面。
特点：
-
完善的命令行提示，比较优雅的输出
-
基于yaml的配置文件，实现灵活的对主机或主机组的操作
-
支持多线程并发执行
-
批量执行支持忽略某个（些）节点的错误
-
传输文件实现了类似rsync的机制
-
跨平台，支持Linux和Windows
依赖和实现思路：
-
包依赖：docopt(0.6.2)，paramiko(2.4.0)，pyyaml(3.12)
-
将主机组以及主机(格式 name:ip:port)信息写进yaml配置文件，以便灵活选取操作目标
-
paramiko 模块实现远程命令和sftp客户端功能。
-
要同时支持并行和串行：抽象出多线程模型，将串行视为多线程中只有一个线程的特例，解决多线程输出乱序问题
-
文件传输功能：由于ssh的sftp子系统只支持单个文件传输，所以需要以递归思想传输目录；尽量减少无谓通信；基于两端文件的mtime和size判断是否需要传输
-
当过程遇到错误时，发送信号给主线程，对于还未开启的线程，则不再开启；对于以开启的线程，等待其完成（这里以任何一种方式将其杀死，都不好阻止其在远程已经开使的命令）
使用说明
帮助信息：
批量执行远程命令: 以主机组为单位批量执行远程命令
上例也可以主机为单位批量执行
也可以通过--parallel参数实现并发执行
也可通过--skip-err参数忽略批量执行中的错误
关于--skip-err： 不提供此参数时 串行情况下：遇到错误便退出，不会继续在后续的主机上执行命令 并行情况下：对于还未开启的线程（一个线程对应一个主机），则不再开启；对于以开启的线程，等待其完成（或报错）
上传：
下载：
希望能对大家有所帮助。
* 免责声明：转载文章和图片均来自公开网络，版权归作者本人所有，推送文章除非无法确认，我们都会注明作者和来源。如果出处有误或侵犯到原作者权益，请与我们联系删除或授权事宜。
