1.好久没写前言了。最近，我在一些有趣的技术中使用了Python。本来以为要花点时间的，结果第一天入门就没有刻意去学。以下是一些要点。如果我学习一门语言，不是因为它流行，而是因为我使用它。Kotlin、Vue、React都是闲来无事的时候学的，但是从来没有在实践中使用过，所以现在都快忘记了。所以这是一个惨痛的教训：不要学你可能用不到的东西。有这个时间泡妞打游戏不好吗？2、我为什么选择Python来“耍蛇”？事实上，我拒绝了。我想做一个爬虫和数据清洗，包括机器学习中的一些东西。在这些方面，Python有着先天的优势，因此Python成为了唯一的选择。从这里你要知道，当你要学习一门新技术时，你需要知道它的优势是什么，它的场景是什么。很多人去上课是为了学习Python。当你问他为什么学习Python时，他告诉你因为它很流行。这是没有希望的。3.如何快速上手Python本文是根据我个人的经验写的，所以要想快速上手，首先要有编程经验。在掌握其他任何一门语言的前提下，你都有一定的学习能力。Python是为你而设的一门几乎不难学的语言。3.1环境安装和包管理大多数学习和使用Python的人都是直接去官方的环境包安装。当然，这也是可能的。其实用多了，后面还会涉及到环境问题。这里推荐直接使用Anacoda3。这可以看作是Python中的Maven或Gradle。以后会遇到项目有的项目依赖Python2，有的项目依赖Python3的问题。Anacoda3可以帮助您解决具体的环境管理问题。3.2使用缩进来概括代码块的语言。这是Python的一个特性。它不使用花括号{}来控制类、函数的层次结构和其他逻辑判断。在Java中你会这样写：publicvoidtest(Stringstr){if(str!=null){System.out.println("str="+str);}else{System.out.println("str为空");}}用Python写就可以了：deftest(str):ifstr:print('str')else:print('None')从这里可以看出Python把能存的都存了，连变量类型都存了不需要返回值类型。对于面向对象的语言来说有点“松散”，但对于脚本语言来说效果很好。写这篇文章的时候，只需要修改一张证件照的大小，Python轻松搞定：file_dir='./2.jpg'withImage.open(file_dir)asimg:x,y=img.sizex_s=650y_s=y*x_s/xout=img.resize((int(x_s),int(y_s)),Image.ANTIALIAS)out.save('./3.jpg')当你掌握另一种语言时学习Python在前提下很容易。所以基础语法差不多就pass了。高级功能建议边用边学，不要浪费时间在这上面。学习任何语言都是大量的练习和写作。就像神枪手被子弹喂饱一样，优秀的Coder需要一定的代码量。3.3难点我觉得唯一比较耗时的就是切片（slice）。切片就是根据范围取列表或元组中的值。非常灵活，切片不仅有正序还有反序。这也是Python擅长处理数据的重要原因之一。在这里练习和理解操作数据需要花费大量时间。机器学习、科学实验、数据分析都可以用到。4.如何快速学习？建议直接设置一个小需求开始学习，遇到问题解决问题。然后重点练习和理解遇到的问题的技术解决方案。我写完HelloWorld之后，就没有一步一步来了。我找到了一个爬虫脚本来尝试爬取东西。并了解其中的一些写法，进而实现自己的一些想法。要练习数据处理，您可以连接到数据库并执行各种数据聚合操作。在学习新事物时，你往往不知道什么最能直观地提高你。只有需求，才能让你找到短板，看清方向。不要迷恋一些你不知道其用途的语言特性。5.尽情玩贪吃蛇优秀的PythonCoder就是切换器！Python有非常丰富的类库，可以让你实现各种想法。所以在使用Python的时候，遇到场景不要想着造轮子，先找轮子。下面介绍几个常用的轮子，大家边学边用：BeautifulSoup是爬虫必备的Pillow图像处理库。比如上面就是我帮美女用的P图，博人眼球是必须的。Numpy是高性能科学计算和数据分析的基础包。机器学习必备。Pandas数据分析还有很多需要学习的地方，但是上面几个在某些领域是非常厉害的，玩得好也能吃得下。6.总结Python作为第二语言非常好，而且上手很快。平时处理一些数据非常轻松，玩起来非常爽。想搞人工智能，需要更高的门槛，包括数学、统计学、概率论、英语、建模等。所以想要吃Python，还是要看清自己的本事。仅仅了解Python并不能给你带来优势，也不值得报名参加课程，因为学习Python并不难。关注公众号：Felordcn获取更多资讯个人博客：https://felord.cn
