- A+
是否非常想学好 Python，一方面被琐事纠缠，一直没能动手，另一方面，担心学习成本太高，心里默默敲着退堂鼓？
幸运的是，Python 是一门初学者友好的编程语言，想要完全掌握它，你不必花上太多的时间和精力。
Python 的设计哲学之一就是简单易学，体现在两个方面：
-
语法简洁明了：相对 Ruby 和 Perl，它的语法特性不多不少，大多数都很简单直接，不玩儿玄学。
-
切入点很多：Python 可以让你可以做很多事情，科学计算和数据分析、爬虫、Web 网站、游戏、命令行实用工具等等等等，总有一个是你感兴趣并且愿意投入时间的。
废话不多说，学会一门语言的捷径只有一个： Getting Started
¶ 起步阶段
任何一种编程语言都包含两个部分：硬知识和软知识，起步阶段的主要任务是掌握硬知识。
°1 硬知识
“硬知识”指的是编程语言的语法、算法和数据结构、编程范式等，例如：变量和类型、循环语句、分支、函数、类。这部分知识也是具有普适性的，看上去是掌握了一种语法，实际是建立了一种思维。例如：让一个 Java 程序员去学习 Python，他可以很快的将 Java 中的学到的面向对象的知识 map 到 Python 中来，因此能够快速掌握 Python 中面向对象的特性。
如果你是刚开始学习编程的新手，一本可靠的语法书是非常重要的。它看上去可能非常枯燥乏味，但对于建立稳固的编程思维是必不可少。
下面列出了一些适合初学者入门的教学材料：
（1.）「笨方法学 Python」：http://learnpythonthehardway.org/book/
这本书在讲解 Python 的语法成分时，还附带大量可实践的例子，非常适合快速起步。
（2.）「The Hitchhiker’s Guide to Python!」：The Hitchhiker’s Guide to Python!
这本指南着重于 Python 的最佳实践，不管你是 Python 专家还是新手，都能获得极大的帮助。
（3.）「Python 官方文档」：Our Documentation
实践中大部分问题，都可以在官方文档中找到答案。
（4.）辅助工具：Python Tutor
一个 Python 对象可视化的项目，用图形辅助你理解 Python 中的各种概念。
Python 的哲学：
用一种方法，最好是只有一种方法来做一件事。
学习也是一样，虽然推荐了多种学习资料，但实际学习的时候，最好只选择其中的一个，坚持看完。
必要的时候，可能需要阅读讲解数据结构和算法的书，这些知识对于理解和使用 Python 中的对象模型有着很大的帮助。
°2 软知识
“软知识”则是特定语言环境下的语法技巧、类库的使用、IDE的选择等等。这一部分，即使完全不了解不会使用，也不会妨碍你去编程，只不过写出的程序，看上去显得“傻”了些。
对这些知识的学习，取决于你尝试解决的问题的领域和深度。对初学者而言，起步阶段极易走火，或者在选择 Python 版本时徘徊不决，一会儿看 2.7 一会儿又转到 3.0，或者徜徉在类库的大海中无法自拔，Scrapy，Numpy，Django 什么都要试试，或者参与编辑器圣战、大括号缩进探究、操作系统辩论赛等无意义活动，或者整天跪舔语法糖，老想着怎么一行代码把所有的事情做完，或者去构想圣洁的性能安全通用性健壮性全部满分的解决方案。
很多“大牛”都会告诫初学者，用这个用那个，少走弯路，这样反而把初学者推向了真正的弯路。
还不如告诉初学者，学习本来就是个需要你去走弯路出 Bug，只能脚踏实地，没有奇迹只有狗屎的过程。
选择一个方向先走下去，哪怕脏丑差，走不动了再看看有没有更好的解决途径。
自己走了弯路，你才知道这么做的好处，才能理解为什么人们可以手写状态机去匹配却偏要发明正则表达式，为什么面向过程可以解决却偏要面向对象，为什么我可以操纵每一根指针却偏要自动管理内存，为什么我可以嵌套回调却偏要用 Promise...
更重要的时，你会明白，高层次的解决方法都是对低层次的封装，并不是任何情况下都是最有效最合适的。
技术涌进就像波浪一样，那些陈旧的封存已久的技术，消退了迟早还会涌回的。就像现在移动端应用、手游和 HTML5 的火热，某些方面不正在重演过去 PC 的那些历史么？
因此，不要担心自己走错路误了终身，坚持并保持进步才是正道。
起步阶段的核心任务是掌握硬知识，软知识做适当了解，有了稳固的根，粗壮的枝干，才能长出浓密的叶子，结出甜美的果实。
¶ 发展阶段
完成了基础知识的学习，必定会感到一阵空虚，怀疑这些语法知识是不是真的有用。
没错，你的怀疑是非常正确的。要让 Python 发挥出它的价值，当然不能停留在语法层面。
发展阶段的核心任务，就是“跳出 Python，拥抱世界”。
在你面前会有多个分支：科学计算和数据分析、爬虫、Web 网站、游戏、命令行实用工具等等等等，这些都不是仅仅知道 Python 语法就能解决的问题。
拿爬虫举例，如果你对计算机网络，HTTP协议，HTML，文本编码，JSON一无所知，你能做好这部分的工作么？而你在起步阶段的基础知识也同样重要，如果你连循环递归怎么写都还要查文档，连 BFS 都不知道怎么实现，这就像工匠做石凳每次起锤都要思考锤子怎么使用一样，非常低效。
在这个阶段，不可避免要接触大量类库，阅读大量书籍的。
°1 类库方面
「Awesome Python 项目」：vinta/awesome-python · GitHub
这里列出了你在尝试解决各种实际问题时，Python 社区已有的工具型类库，如下图所示：
你可以按照实际需求，寻找你需要的类库。
至于相关类库如何使用，必须掌握的技能便是阅读文档。由于开源社区大多数文档都是英文写成的，所以，英语不好的同学，需要恶补下。
°2 书籍方面：
这里我只列出一些我觉得比较有一些帮助的书籍，详细的请看豆瓣的书评：
「集体智慧编程」：集体智慧编程 (豆瓣)
「数学之美」：数学之美 (豆瓣)
「统计学习方法」：统计学习方法 (豆瓣)
「Pattern Recognition And Machine Learning」：Pattern Recognition And Machine Learning (豆瓣)
「数据科学实战」：数据科学实战 (豆瓣)
「数据检索导论」：信息检索导论 (豆瓣)
爬虫：
「HTTP 权威指南」：HTTP权威指南 (豆瓣)
Web 网站：
「HTML & CSS 设计与构建网站」：HTML & CSS设计与构建网站 (豆瓣)
...
列到这里已经不需要继续了。
聪明的你一定会发现上面的大部分书籍，并不是讲 Python 的书，而更多的是专业知识。
事实上，这里所谓“跳出 Python，拥抱世界”，其实是发现 Python 和专业知识相结合，能够解决很多实际问题。这个阶段能走到什么程度，更多的取决于自己的专业知识。
¶ 深入阶段
这个阶段的你，对 Python 几乎了如指掌，那么你一定知道 Python 是用 C 语言实现的。
可是 Python 对象的“动态特征”是怎么用相对底层，连自动内存管理都没有的C语言实现的呢？这时候就不能停留在表面了，勇敢的拆开 Python 的黑盒子，深入到语言的内部，去看它的历史，读它的源码，才能真正理解它的设计思路。
这里推荐一本书：
「Python 源码剖析」：Python源码剖析 (豆瓣)
这本书把 Python 源码中最核心的部分，给出了详细的阐释，不过阅读此书需要对 C 语言内存模型和指针有着很好的理解。
另外，Python 本身是一门杂糅多种范式的动态语言，也就是说，相对于 C 的过程式、 Haskell 等的函数式、Java 基于类的面向对象而言，它都不够纯粹。换而言之，编程语言的“道学”，在 Python 中只能有限的体悟。学习某种编程范式时，从那些面向这种范式更加纯粹的语言出发，才能有更深刻的理解，也能了解到 Python 语言的根源。
这里我自己整理了一份2018Python的系统学习资料，想要获得学习资料的同学，关注并私信我。私信关键词：学习资料。
¶ 最后的话
每个人学编程的道路都是不一样的，其实大都殊途同归，没有迷路的人只有不能坚持的人。虽然听上去有点鸡汤，但是这是事实。
希望想学 Python 想学编程的同学，不要犹豫了，看完这篇文章，Just getting started～
摘要①：微软再发力Python ，VS Code与Anaconda达成合作
微软近日在官方博客宣布，其免费和跨平台代码编辑器 Visual Studio Code 已默认被包含在 Anaconda 发行版中。Python 用户现在可以在安装 Anaconda 的同时轻松安装 Visual Studio Code ，以提供出色的编辑和调试体验，微软还为 Anaconda 用户量身定制了专用功能。
Anaconda 是一个流行的 Python 发行版，主要用于数据科学和信号处理等领域，可为 Windows、Mac 和 Linux 上的用户提供简化的 Python 环境。
此次合作也是微软投资 Python 社区的又一个示例。微软在去年 9 月曾宣布计划将 Python 引入 Azure 机器学习，Visual Studio 和 SQL Server 中。 据微软称，Microsoft Python Extension for Visual Studio Code 是 VS Code marketplace 中下载次数最多的扩展插件，迄今为止已有超过 600 万次的下载。
摘要②：新兴技术岗位薪资涨幅惊人，Python需求增速达174%！
看到Boss直聘发布《2017互联网人才趋势白皮书》，只想说新的一年，希望大家火得像Python一样，根本停不下来。接下来，我们一起解读《2017互联网人才趋势白皮书》！
2017年是互联网行业全面转向技术驱动的一年，技术类人才招聘需求已经占到整体人才需求的25%。在人工智能热潮的驱动之下，AI相关岗位人才需求飙升，然而缺口依然超过百万。
2017年还是热门职位更迭的一年。与人工智能、数据科学等前沿技术相关的职位热度显著提升；移动互联网红利日渐消退，通用开发基础岗位的平均薪酬和需求均进入下行通道。
01 北上广深杭互联网人才需求占比全国63%
从城市分布上看，互联网行业人才需求高度集中，北上广深杭五座城市的互联网人才需求占到了全国的63%。北京身为互联网行业大本营，人才需求稳居首位。
02 技术人才需求占总体需求25.1%
2017年，从巨头到创业公司，为寻找新的增长动力，纷纷转向技术驱动。数据显示，2017年，技术人才招聘需求占到总体人才需求的25.1%，较2016年提高2.7个百分点，占比连续2年提升。产品、设计人才需求也有小幅上升，运营、市场、销售类职位需求则分别呈现小幅下降。
03 人工智能人才需求翻倍
从具体职位来看，人工智能相关的职位需求增幅排在最前。由于大批公司涉足AI领域，2017年AI人才需求已达到2016年的两倍，2015年的5.3倍，人才需求直线上升，大部分岗位三年复合增长率超过200%。AI应用层职位需求增速尤为显著，增速最高的三个岗位依次是算法工程师、语音识别和图像处理。
大数据类职位需求增幅仅次于AI岗位。眼下，几乎所有互联网企业均把数据人才列为团队标配。许多公司在数据层面增加投入，大量招募具有算法和建模能力的人才，力求通过数据沉淀与挖掘更好地推进产品的迭代。数据架构师、数据分析师成为企业争抢对象，过去一年招聘需求提高150%以上。
04 薪资最高职位过半为AI类岗位
2017年薪资最高的十个职位中，过半为AI类岗位。语音识别、NLP、机器学习等职位平均薪资超过2.5万元，远高于一般互联网职位。在部分大公司，60万年薪加期权股票只是争抢高级AI人才的低配标准。同时我们注意到，50%的人工智能岗位的职位描述上会明确提到为员工提供股票期权，这一比例显著高于其他职位。
同时，我们从数据中可以看到，新兴技术岗位薪资涨幅惊人。
图像算法、推荐算法、深度学习岗位薪资增幅均在15%以上，大数据类岗位仅次于人工智能。
新兴技术岗位薪资涨幅惊人
相比之下，通用类岗位程序员由于从业人数不断上升，人才稀缺程度大幅缓解，招聘薪酬不升反降，过去几年格外吃香的PHP、.Net、iOS等职位招聘薪资在下半年出现了2-3%的回调。点击查看►就业|数据分析师、大数据开发、Hadoop开发工程师、数据挖掘、算法工程师的工资薪水到底怎么样？
05 社交领域Java技术受欢迎
社交网络行业招聘平均薪资一直处于高位。2017年社交网络平均招聘薪资高于互联网行业整体招聘薪资16.7个百分点，薪资优势显著。
同时数据显示，后端开发或移动开发方面的技术人才，在社交网络行业比较受欢迎。
06 Python技能需求增速达到174%
在人才需求升级的同时，互联网公司对人才技能的要求也在逐渐提高。以数据分析师为例，2015年，超过40%的职位技能要求中只提到了SQL或HIVE，而到2017年，这一比例已降至30%以下，半数岗位要求候 选人还须掌握通用编程技能(Python、Java),数据挖掘技能(R语言,SAS)以及数据可视化等技能，其他岗位技能要求也普遍较过去更为严格。
从分布上看，新兴技能占比提高显著。Python由于语法简洁，功能强大，且在人工智能、大数据方面展现出效率优势，越来越受到欢迎。数据显示，2017年在雇主发布的职位说明中，Python技能需求增速达到174%，居于首位，Spark、Hadoop等大数据技能需求增幅也十分靠前。【点击查看Python数据分析与数据爬取实战】
07 信息安全领域需求占比最高的技术职位
2017年，信息安全领域尤其值得关注。尽管因企业数量不占优势，人才需求占比不高，但需求增幅超过60%，其中技术人才需求占比多达46.5%，高出互联网均值超过20个百分点。该行业的高需求技术职位偏重于后端、运维、测试类人才。
从人才需求大数据中，我们还发现，信息安全领域的技术人才需求中，机器学习、自然语言处理、深度学习等AI相关人才占比已达1.3%，体量虽不大，但却向我们传递了一个信息，信息安全行业正在向更高端、更高效、更智能的方向发展。
信息安全行业中，高需求职位的薪资涨幅依然强势。Golang、运维开发工程师薪资涨幅在15%以上。即便是招聘薪资普降的运维工程师，在信息安全行业中招聘薪资增幅也达到7.9%，足见行业间的侧重差异。
08 复合型人才竞争力碾压优势愈发明显
2017年，互联网行业求职人才中，有26%的人掌握至少3种技能，较2015年增加3.1个百分点，更多的非技术人才开始掌握技术型技能。增长最快的五大技能分别是SQL、Python、Java、Tableau和Hive。
从竞争力上看，多重技能人才也比以往更加吃香。数据显示，2017年掌握3项以上技能的人才，对企业的吸引力较仅拥有一项能力的人高出30%以上，而在两年前，这一数字还保持在10%左右，特别是在创业公司，这一趋势更加明显。以技术职位为例，虽然不少企业在职位要求中只写了一项编程能力，但过半数公司在寻找人才时偏爱掌握多门编程语言的求职者，多重技能人才对一般求职者的优势碾压愈发明显。
09 2018年发展预测
在谈到2018年发展趋势时，其中Face++人力总监尹利，认为2018年的发展趋势主要有以下几个观察角度：
● 人才的稀缺性会让市场价值在未来两年存在一定不合理性;
● 名校情结会更加严重，人才市场上的两极分化会越来越严重;
● 这个行业更喜欢真正专注的人，而没有过去移动互联网人才的跳跃的基因;
● 海外人才回流，越来越多的北美前30名高校的毕业生，因为美国政治因素，中国市场环境因素将回流 中国北上广深等大城市。
2018年，以下三类职位很可能变得更加热门：
● 跟底层算法技术相关的职位；
● 能带来AI从技术转向产品化的职位；
● 新零售相关岗位。
So，看了这些，你还在犹豫到底学不学Python吗？
