你曾成功自学过哪些技能？有何经验之谈？

琴韵未尽未d · 2021-7-19 06:18:37

引言

曾经自学过python，无论从工作、生活、收入都有所改变，可以说获益颇丰吧。
Python是一门快要出圈的编程语言，在今年的TIOBE年度语言评比中，Python再度夺冠，这已经是第四次。正因为流行，一部分人趋之若鹜，一部分人嗤之以鼻。
我觉得学任何技能无非出于实用需求，能带来效率的提升，或者能找到一份工作。
学习python也是如此，不要盲从，也不必排斥，对自己有用就去学。
接下来，我会从七个方面系统谈下学习python过程中需要了解的那些事。
一、什么是Python？

定位

我们知道Python既能像R、Matlab一样做数据科学、机器学习，又能像Java、Go一样开发网站、管理数据库，还能做CV、NLP等前沿技术，堪称编程界的瑞士军刀。这些既得益于Python本身的优秀特性，很大程度上还因为Python强大的开源社区（第三方库开发）。
Python是一门面向对象的解释性高级动态编程语言，这些术语会有些拗口，后面一一解释。它的设计哲学是“优雅”、“明确”、“简单”，崇尚做一件事情应该只有一种最好的方法。
Python提供了高效的高级数据结构，还能简单有效地面向对象编程。其优雅的语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的理想语言。
虽然Python运行代码不如Java等静态语言快，但它胜在简单易学，开发效率高，而且根据二八定律，大多数程序对速度要求不高。所以人生苦短，何不Python？
不只是开发效率，Python帮助程序员更关注问题的本质，而不用担心语言的细节，不需要担心内存泄漏、意外中断等。
所以说，Python的定位是面向所有人的全栈语言。

历史

Python的创始人为Guido van Rossum，一个荷兰人。

你曾成功自学过哪些技能？有何经验之谈？-1.jpg

1989年圣诞节期间，Guido为了打发圣诞节的无趣，决心开发一个新的脚本解释程序，作为ABC语言的一种继承。
Guido希望有一种语言，这种语言能够像C语言那样，能够全面调用计算机的功能接口，又可以像shell那样，可以轻松的编程，于是Python应运而生。
Python原本是一个马戏团的名字，而Guido作为该马戏团的铁粉，把这门新语言命名为Python。
最初Python完全由Guido个人维护，后来同事也来帮忙改进，再后来形成强大的开源社区，一举成为最受欢迎的编程语言之一。
Guido直到2020年才退休，在此之前他一直主导维护开发Python，被称为Python社区称为‘仁慈的独裁者’
1991年，第一个Python编译器诞生。它是用C语言实现的，并能够调用C语言的库文件。
Python 2.0于2000年10月16日发布，增加了实现完整的垃圾回收，并且支持Unicode。同时，整个开发过程更加透明，社区对开发进度的影响逐渐扩大。
Python 3.0于2008年12月3日发布，此版不完全兼容之前的Python源代码。

特点

前面也讲到Python是一门崇尚“优雅”、“明确”、“简单”的编程语言，有专门的pythonic风格代码，这也是广大Python开发者日积月累的代码之道。
如果你在IDE中输入`import python`，则会看到下面一首诗：

你曾成功自学过哪些技能？有何经验之谈？-2.jpg

美胜于丑，简胜于繁，这就是Python哲学。
除了简单易学之外，Python有以下5个主要特点：

如果你还只认为Python是个脚本语言，那就out了。
二、为什么要学习Python？

用途

学习Python目的不是为了了解这门语言，而是要利用Python来解决问题。
从问题出发是我一贯推崇的编程学习方法，记得一个朋友说过：脱离实践的学习，也是一种变相的玩物丧志。
有一部分人把学习当作一个目的，来安慰自己，这其实本末倒置了。
说了点题外话，下面聊聊Python的应用领域。
无论你出于何种IT领域的需求，可能都能够通过Python找到解决方案，但不是每一种都适合用Python来做，所以了解Python的重点应用领域格外重要。
自动化运维、数据科学、人工智能、web开发、网络爬虫
以上几个是Python核心应用领域。
【自动化运维】
自动化运维主要包括监控、部署变更、安全保障、故障处理、运营数据报表、系统管理、配置管理、集群管理及大数据应用等。
目前开源软件社区优秀的自动化运维软件，如Ansible、Airflow、Celery、Paramiko等框架都使用Python语言开发，甚至一些大型商用的自动化部署系统都有Python的应用。
很多操作系统中，Python 是标准的系统组件，大多数 Linux 发行版以及 NetBSD、OpenBSD 和 Mac OS X 都集成了 Python，可以在终端下直接运行 Python。
有一些 Linux 发行版的安装器使用 Python 语言编写，例如 Ubuntu 的 Ubiquity 安装器、Red Hat Linux 和 Fedora 的 Anaconda 安装器等等。
因此，学好Python，不仅可以在多平台编写自动化运维程序，而且可以对开源的自动化运维工具进行二次开发。
【数据科学】
前段时间matlab被限制在中国使用，知乎上开始讨论什么工具可以替代matlab，python是被提及最多的编程语言。
且不说python能否替代matlab，就目前python在科学计算、模型构建、可视化上的能力就已经可以傲视编程界，其拥有像numpy、scipy、statemodels、pandas、matplotlib等众多现象级的数据科学库。
不管是github、kaggle、天池，还是企业高校里的数据项目，python几乎都已成为首选支持语言之一。
另外在高端科技领域，同样有python的身影。自 1997 年，NASA 就大量使用 Python 进行各种复杂的科学运算。
【人工智能】
说到AI，这应该是python的看家本领了，其应用生态可谓波澜壮阔、群星云集。
不仅有tensorflow、pytorch、caffe、keras等主流人工智能学习框架，还有Gensim、NLTK、OpenCV、Mahotas等专注于nlp、cv细分领域的经典开发工具。

你曾成功自学过哪些技能？有何经验之谈？-3.jpg

场景

如果你经常逛github，会发现有很多AI开源应用，开发者们基于tensorflow创造出许多好玩的东西。
面部识别-face_recognition ，几行代码就可以进行人脸识别

你曾成功自学过哪些技能？有何经验之谈？-4.jpg

图像文字识别-PaddleOCR ，可以识别图像里的文字，并转化为文本。

你曾成功自学过哪些技能？有何经验之谈？-6.jpg

自然语言处理-HanLP

你曾成功自学过哪些技能？有何经验之谈？-8.jpg

不一一举例了，Python第三方库实在太多，在各个领域都发挥着作用。
三、哪些人适合学习Python？

学生

如果评比编程语言里谁最受大学生欢迎，Python当之无愧排第一。
经常有各个专业的童鞋来找我聊Python，其中很多是计算机、生物、医学、地信等工科专业，但也不乏汉语言、经济学、会计等文科专业，甚至还有风景园林这样的偏艺术专业。
可见Python的应用范围之广，受众之多，已经遍布文理工农医艺。
用Python处理数据，跑模型是最多的选择，还有用到学科类的第三方库。
下面列举一些各类学科的库：
生物-Biopython ，用来进行生物计算
天文-astropy ，提供天文学和天体物理学分析的核心功能
统计-scipy、statemodels、statistics，各种统计分析模型和计算工具
化学-cclib 、Open Babel 、RDKit，化学数据和模型分析
动力学-PyDy ，用来为动力学运动建模工作流程提供帮助
金融学-Pandas，最为强大的金融分析工具之一
详细讲下python在金融领域的应用。我们知道python是金融分析的核心语言，越来越多的金融机构试图利用ML和DL算法改善运营，以及它们的交易及投资表现。
特别是在量化领域，应用非常广泛，从衍生品定价到量化交易，Python社区提供了大量解决问题的工具。诸如：
pandas- 提供了高性能的数据结构和数据分析工具
PyQL- Quantlib的Python接口
QuantPy- 定量金融分析
tushare- 获取中国股票，基金，债券和期货市场的历史数据
Seaborn- 基于Matplotlib，方便快捷创建可视化图表
......

你曾成功自学过哪些技能？有何经验之谈？-10.jpg

另外，Python还适合作为教学工具，一方面因为它语法简洁，另一方面因为Jupyter Notebook的存在。
Jupyter Notebook是一个基于网页的编程交互应用，它可以在浏览器打开，支持包括Python、R在内的多种语言编程。
简而言之，Jupyter Notebook是以网页的形式打开，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。

你曾成功自学过哪些技能？有何经验之谈？-11.jpg

Jupyter Notebook的用途包括：文本编辑、数据清理和转换、数值模拟、统计建模、数据可视化与机器学习等，它还支持Markdown、LaTeX等文本形式。
老师在教学过程中，可以很方便地使用Jupyter Notebook进行代码演示，图表播放。
不少学生直接把Jupyter Notebook作为随身笔记本，跑代码、记笔记、写作业。

职场

说到职场，我们往往会高估企业员工的IT技能。
其实大部分人连excel都用不利索，不信你去调查下，身边的同事有多少会用透视表和vlookup等基本的函数。
所以能用编程的人就少之又少了，如果你从事数据类、运维类的工作，不妨学习下python，和其他语言相比，学习成本应该是最低的。
从成本来看：
经济上，python开源免费；
时间上，python非常容易安装，能即编即运行，而且支持windows、os、linux等各平台；
复杂度上，python代码几乎接近口语，逻辑清晰，结构明了
比如说打印，只需要print即可
print(&#34;world&#34;)循环，用for语句
for i in [1,2,3]:
print(i)函数，用def定义
def plus(a,b):
result = a + b
return result那么python对日常工作有什么帮助呢？我觉得主要有三点：
1、自动化办公

朱卫军：一文搞懂Python文件读写

用python进行办公自动化都需要学习什么知识呢？
请教下 Python 高手，如何用 Python 自动化操作 Excel？

朱卫军：干货 | 解放双手,用Python实现自动发送邮件
2、处理数据
python因为是图灵完备的语言，且拥有大量工具库，常见的模型公式拿来即用，可以灵活方便地处理数据，能节省很多时间。
就拿地理空间分析来说，目前我们常用的是gis，但gis很贵、而且不好安装，学起来也费事。
python就提供了很多地信分析库，包括shapely、geopandas、cartopy等，这些都是免费试用，而且可定制化，能处理大批量空间数据。
3、爬虫
这是很多人学习python的原因，爬虫太有趣了。几十行代码就可以批量爬取文本和图片，在信息即是财富的今天，网络数据是一个巨大宝藏。
当然，爬虫有风险，我们需要在确保不触碰他人利益的前提下合法使用爬虫。
简单介绍下Python爬虫：
网络爬虫，其实叫作网络数据采集更容易理解。
就是通过编程向网络服务器请求数据（HTML表单），然后解析HTML，提取出自己想要的数据。
归纳为四大步：

这会涉及到数据库、网络服务器、HTTP协议、HTML、数据科学、网络安全、图像处理等非常多的内容。但对于初学者而言，并不需要掌握这么多。
在编写python爬虫程序时，只需要做以下两件事：

这两件事，python都有相应的库帮你去做，你只需要知道如何去用它们就可以了。
首先，发送HTML数据请求可以使用python内置库urllib，该库有一个urlopen函数，可以根据url获取HTML文件，这里尝试获取百度首页“https://www.baidu.com/”的HTML内容
# 导入urllib库的urlopen函数
from urllib.request import urlopen
# 发出请求，获取html
html = urlopen(&#34;https://www.baidu.com/&#34;)
# 获取的html内容是字节，将其转化为字符串
html_text = bytes.decode(html.read())
# 打印html内容
print(html_text)获取了HTML之后，接下就要解析HTML了，因为你想要的文本、图片、视频都藏在HTML里，你需要通过某种手段提取需要的数据。
python同样提供了非常多且强大的库来帮助你解析HTML，这里以著名的python库BeautifulSoup为工具来解析上面已经获取的HTML。
BeautifulSoup是第三方库，需要安装使用。在命令行用pip安装就可以了：
pip install bs4然后用BeautifulSoup解析HTML文件。
# 导入urlopen函数
from urllib.request import urlopen
# 导入BeautifulSoup
from bs4 import BeautifulSoup as bf
# 请求获取HTML
html = urlopen(&#34;https://www.baidu.com/&#34;)
# 用BeautifulSoup解析html
obj = bf(html.read(),&#39;html.parser&#39;)
# 从标签head、title里提取标题
title = obj.head.title
# 打印标题
print(title)这样就搞定了，成功提取出百度首页的标题。
四、如何学习Python？

Python一门面向对象的编程语言，基本语法并不复杂。
其实大部分语言的语言特性都是相似的，无论Python、Java、Go、JS等等，只需要理解了语言特性，你就能快速入门任何一门编程。
比如：变量、数据类型、函数、循环语句、条件语句、算术运算、面向对象、递归等等
这些语言特性是编程语言的标配，就像人一样，虽然每个人是不同的个体，但共同的特征是都有手、足、五官、大脑、皮肤。
学习编程语言，忌讳一开始就抓住某个知识点啃，有的编程书籍光是数据类型就洋洋洒洒写了几十页，等你看完早就身心疲惫，感慨Python真难学。管中窥豹不可取。
输出是最好的输入，编程语言虽然注重逻辑，但更需要学习者不断地动手敲代码。
从一开始，你要学会如何搭建python环境，选择什么样地开发环境（IDE）。这些都可以去网上查，慢一点的折腾两三天，快一点的一天不到就能搞定。总之，这是学习python的第一步，也是练习的开始。
对于官方文档的每一段代码，我建议都动手亲自敲一遍，比如你看到字符串这一节，在理解了字符串定义后，文档会给出示例代码和运行结果：

你曾成功自学过哪些技能？有何经验之谈？-12.jpg

照着示例代码，在你的编程环境中实践，千万不要复制黏贴，对自己的火眼精金过度自信并不是一件好事。
这里会对Python语言特性有个简单的介绍。对想入门python的小白十分友好！
变量
变量是存储在内存中的值，变量可以通过变量名来访问。
比如说，我想在内存中存2019这个值，并给它命名：year = 2019，那么我就可以访问year得到2019。
变量是有数据类型的，有数字、字符串、列表等。
Java里面当我们创建一个变量的时候需要申明它的类型，但Python不用，你想创建变量可以直接这样写：
# 字符串变量
a = &#34;hello!&#34;
# 数字变量
b = 2019
# 列表变量
c = [1,2,3]可以通过变量名a、b、c分别访问hello!、2019、True
数据类型
数据类型是编程语言中为了对数据进行描述的定义，机器不能识别数据，而不同数据间的相互运算，在机器内部的执行方式是不一样的。
Python里也有不同的数据类型，但就像前面说的，Python定义变量不需要申明数据类型，它可以自动识别。
Python3 中有六个标准的数据类型：

比如hello属于字符串类型，2019属于数字类型，[1,2,3]属于列表类型
数据运算方式
我们已经知道了数据类型，数据运算方式就是编程语言里操作更改数据的方法。
换句话说，编程语言需要对数据进行处理，这个处理是在一定的规则里操作的。
在Python里面有以下几种运算方式，也称作运算符：

并不需要你一下子理解这些运算方式，但需要知道简单的概念。
# 算术运算
x = 1 + 2
# 比较运算
y = 4 > 9
# 赋值运算
z = 9条件语句
条件语句是通过检查条件来更改程序行为，比如：如果今天不下雨，我就逛街
这种情况就需要来判断，有两种情况，1、下雨-不逛街 2、不下雨-逛街

你曾成功自学过哪些技能？有何经验之谈？-13.jpg

Python里面使用if...else...语句来完成条件判断的操作，我们来用写代码操作一下：
weather = &#34;雨&#34;
if weather == &#34;雨&#34;:
print(&#39;不逛街&#39;)
else:
print(&#34;逛街&#34;)通过条件判断，今天有雨，代码会输出：不逛街
循环语句
循环语句是用来进行规律性的重复操作。就像医生门诊，需要一个个对病人进行诊断。
循环结构是在一定条件下反复执行某段程序的流程结构，被反复执行的程序被称为循环体。

你曾成功自学过哪些技能？有何经验之谈？-14.jpg

在python里面有两种方式执行循环：for语句和while语句。
拿for语句举个例子，for循环可以遍历序列，比如列表、字典、字符串。
for i in [1,2,3]:
print(i)依次输出：1,2,3
函数
函数本质上是一组功能代码块，只有在你调用的时候才会执行。
你可以将参数作为输入传递给函数，然后经过函数体的加工，返回一个结果作为输出。
在Python中，函数用def关键字定义。

你曾成功自学过哪些技能？有何经验之谈？-15.jpg

比如，我想写一个函数，来输出“hello world”
def helloWorld():
x = &#34;hello world&#34;
return x
面向对象
现如今面向对象编程的使用非常广泛，很多新手觉得面向对象很难理解。
面向对象对应的是面向过程，它们分别是什么呢？
面向过程就是分析出解决问题所需要的步骤，然后用函数把这些步骤一步一步实现，使用的时候一个一个依次调用就可以了。
面向对象是把构成问题事务分解成各个对象，建立对象的目的不是为了完成一个步骤，而是为了描叙某个事物在整个解决问题的步骤中的行为。

你曾成功自学过哪些技能？有何经验之谈？-16.jpg

面向对象编程的基本元素是对象，其包含的数据成员称为属性，函数（例程、过程）称为方法。
对象是类的实例。换句话说，类主要定义对象的结构，然后我们以类为模板创建对象。
类不但包含方法定义，而且还包含所有实例共享的数据。
简单来实现一个面向对象编程：
class Employee:
&#39;所有员工的基类&#39;
empCount = 0

def __init__(self, name, salary):

   self.name = name
   self.salary = salary
   Employee.empCount += 1

def displayCount(self):
   print (&#34;Total Employee %d&#34; % Employee.empCount)

def displayEmployee(self):
   print (&#34;Name : &#34;, self.name,  &#34;, Salary: &#34;, self.salary)练习
学习编程最主要的是练习，下面介绍适合新手的python小项目：
贪吃蛇小游戏
用100行python代码写个贪吃蛇小游戏，也不复杂但涵盖了大部分python语法。

你曾成功自学过哪些技能？有何经验之谈？-17.jpg

项目地址：https://gitee.com/codetimer/Snake/blob/master/main.py
可以尝试着先复制代码运行一遍，然后自己写。
人脸识别
调用开源项目，只需要简单的几十行python代码，就可以实现人脸识别。

你曾成功自学过哪些技能？有何经验之谈？-19.jpg

项目地址：https://github.com/ageitgey/face_recognition
中文分词&情感分析
这个也比较有意思，可以爬取电商评论数据，然后分词处理，并做情感分析，判断好评、差评。
jieba可以用来做分词处理
https://github.com/fxsjy/jieba

你曾成功自学过哪些技能？有何经验之谈？-21.jpg

snownlp可以用来做情感分析。
import snownlp
sentense = &#39;&#39;&#39;亲，第一天秒杀买，比第二天的正常价还高，
说保价7天申请售后说退差价也比不退，你们还有信誉吗
         &#39;&#39;&#39;
result = snownlp.SnowNLP(sentense)
a = result.words  # list
b = result.sentiments  # float
print(&#34;%.2f&#34; % b)https://github.com/isnowfy/snownlp
车型识别
这里使用python调用百度的车型识别模型，只要导入车辆图片可以自动识别车型。
import requests
import base64
import matplotlib.pyplot as plt
import matplotlib.image as mpimg

# 输入你的api_key和secret_key，获取地址https://console.bce.baidu.com/ai
api_key = &#39;&#39;
secret_key = &#39;&#39;
url = &#39;https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=&#39; + str(api_key) + &#39;&client_secret=&#39; + str(secret_key)
res = requests.get(url).text
a = eval(res)
access_token = a[&#39;access_token&#39;]
animal = &#39;https://aip.baidubce.com/rest/2.0/image-classify/v1/car?access_token=&#39; + str(access_token)
header = {
&#39;Content-Type&#39;:&#39;application/x-www-form-urlencoded&#39;
}
data = {}
with open(&#39;timg.jpg&#39;, &#39;rb&#39;) as f:
image = base64.b64encode(f.read())
data[&#34;image&#34;] = str(image, &#39;utf-8&#39;)
res2 = requests.post(url=animal,data=data, headers=header).text
print(&#39;颜色:&#39;,eval(res2)[&#39;color_result&#39;])
print(&#39;车型预测&#39;)
for each in eval(res2)[&#39;result&#39;]:
      print(each[&#39;name&#39;], &#39;\t相似度：&#39;, each[&#39;score&#39;])
plt.imshow(mpimg.imread(f))
plt.show()
你曾成功自学过哪些技能？有何经验之谈？-23.jpg

其他还有很多可以实操的小例子，大家可以去github上找找
五、Python有哪些好的学习资源？

python的自学书籍非常多，涉及基础入门、web开发、机器学习、数据科学、自动化测试、量化交易等各个门类，新手很容易陷入到处是书却无书可看的局面。
所以我们要明白自己学习python出于什么目的，处于哪个阶段，再选择合适的书看。
Python入门书（适合初学者）
《Python编程，从入门到实践》

你曾成功自学过哪些技能？有何经验之谈？-24.jpg

这应该是世界上最畅销的Python编程书，没有之一。英文名叫作《Python crash course》，作者Eric Matthes是一名高中老师，正是有着丰富的教学经验才会写出这样深得人心的书。
该书的特点是一半基础（语法知识），一半游戏（案例练习），所谓寓教于乐，通过案例练习的方式巩固基础知识。这里的练习和高中数学枯燥的课后练习可不一样，作者把代码放到一个个场景里，学习者在写个小游戏的过程中就把语法掌握了。
看了本书的目录，基本把python的核心语法都讲到了，学完之后可以搞点小事情，比如数据分析、可视化编程、web开发等。
《Python学习手册》

你曾成功自学过哪些技能？有何经验之谈？-25.jpg

这是一本老少咸宜，高手与小白都可以看的一本书，英文名叫作《Learning Python》，作者Mark Lutz是一位Python培训讲师，也是Python社区的元老级贡献者。可想而知该书是一本百科全书式的python宝典。
该书已经出到第五版，对语法的讲解非常详细，而且有丰富的插图和示例代码。详细有时候意味着啰嗦，很多人觉得作者过于琐碎，但其实不太明白作者的用心良苦，想要学好python还真得细细琢磨语法。
当然语法书需要配合大量的练习，切忌盲目啃书，敲代码才会理解更深。
本书的主要内容包括：python百科小常识、python历史、命令行、IDE、python语法基础、python模块、大量的练习。
如果你真心想做一位python开发，该书是不错的起点。
《笨方法学Python》

你曾成功自学过哪些技能？有何经验之谈？-26.jpg

这本书体现的是一种学习python的思维，不对，应该是学习任何一种编程语言的方法论。作者鼓励的是practice、practice、practice，这或许真的是学习编程的唯一捷径。
书里面一步步引导初学者从下载软件开始，到安装、配置，写出第一个hello world，最后实现一款有用的小软件或者有趣的小游戏，最终学会并喜欢上python。
我也是看这本书入门python的，捧着它敲了一个月的代码。
给大家看看作者的自述，很有意思：

你曾成功自学过哪些技能？有何经验之谈？-27.jpg

Python进阶书（适合有基础的）
《流畅的python》

你曾成功自学过哪些技能？有何经验之谈？-28.jpg

豆瓣9.4分！这本书不是通俗意义上的python语法书，而是教你写出更简洁、更规范、更聪明的python代码。
内容方面深入探讨了Python语言的高级用法，涵盖数据结构、Python风格的对象、并行与并发，以及元编程等不同的方面。作者Luciano Ramalho是一个几十年的骨灰级python程序员，既做开发，也教编程课。

你曾成功自学过哪些技能？有何经验之谈？-29.jpg

《Effective Python：编写高质量Python代码的59个有效方法》

你曾成功自学过哪些技能？有何经验之谈？-30.jpg

这本书讲的并不是Python基础编程，而是Python的规范和技巧，也就是pythonic。
pythonic简单的翻译就是python风格。pythonic code，就是说写代码要带有浓厚的python规范和python风格。而Python的代码样式规范称之为PEP 8规范，往大了说，遵守PEP 8是成为一个优秀python程序员的必备条件。
书中有59个Python编程的技巧和捷径，并用真实代码示例进行了解释。当然阅读起来会有些门槛，适合那些有基础的童鞋。

你曾成功自学过哪些技能？有何经验之谈？-31.jpg

《Python Cookbook》

你曾成功自学过哪些技能？有何经验之谈？-32.jpg

cookbook系列一向是精品，python这本也不例外，适合有基础的朋友看，里面讲了很多python编程的奇技淫巧，对资深开发者来说也是可以长读的。
该书介绍了Python应用在各个领域中的很多使用技巧和方法，其主题涵盖了数据结构和算法，字符串和文本，数字、日期和时间，迭代器和生成器，文件和I/O，数据编码与处理，函数，类与对象，元编程，模块和包，网络和Web编程，并发，实用脚本和系统管理，测试、调试以及异常，C语言扩展等。
数据分析与挖掘
《利用Python进行数据分析（原书第2版）》

你曾成功自学过哪些技能？有何经验之谈？-33.jpg

本书由Python pandas项目创始人Wes McKinney亲笔撰写，详细介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。
第2版针对Python 3.6进行全面修订和更新，涵盖新版的pandas、NumPy、IPython和Jupyter，并增加大量实际案例，可以帮助你高效解决一系列数据分析问题。
第2版中的主要更新包括：
1、所有的代码，包括把Python的教程更新到了Python 3.6版本(第1版中使用的是Python 2.7)
2、更新了Python第三方发布版Anaconda和其他所需Python包的安装指引
3、更新pandas库到2017年的新版
4、新增一章，关于更多高级pandas工具和一些使用提示
5、新增statsmodels和scikit-learn的简明使用介绍
《Python数据科学手册(图灵出品)》

你曾成功自学过哪些技能？有何经验之谈？-34.jpg

《Python数据科学手册》是对以数据深度需求为中心的科学、研究以及针对计算和统计方法的参考书。
本书共五章，每章介绍一到两个Python数据科学中的重点工具包。首先从IPython和Jupyter开始，它们提供了数据科学家需要的计算环境；
第 2章讲解能提供ndarray对象的NumPy，它可以用Python高效地存储和操作大型数组；
第3章主要涉及提供DataFrame对象的Pandas，它可以用Python高效地存储和操作带标签的/列式数据；
第4章的主角是Matplotlib，它为Python提供了许多数据可视化功能；第5章以Scikit-Learn为主，这个程序库为重要的机器学习算法提供了高效整洁的Python版实现。
《Python数据科学手册》适合有编程背景，并打算将开源Python工具用作分析、操作、可视化以及学习数据的数据科学研究人员。
《Python数据分析与挖掘实战》

你曾成功自学过哪些技能？有何经验之谈？-35.jpg

本书共15章，分两个部分：基础篇、实战篇。
基础篇介绍了数据挖掘的基本原理，实战篇介绍了一个个真实案例，通过对案例深入浅出的剖析，使读者在不知不觉中通过案例实践获得数据挖掘项目经验，同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中，应充分利用随书配套的案例建模数据，借助相关的数据挖掘建模工具，通过上机实验，以快速理解相关知识与理论。　　
基础篇（第1～5章），第1章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具Python语言进行了简明扼要的说明；第3章、第4章、第5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。　　
实战篇（第6～15章），重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程的关键环节，穿插程序实现代码。最后通过上机实践，加深读者对数据挖掘技术在案例应用中的理解。
Python爬虫
《Python网络爬虫权威指南第2版(图灵出品)》

你曾成功自学过哪些技能？有何经验之谈？-36.jpg

本书采用简洁强大的Python 语言，介绍了网页抓取，并为抓取新式网络中的各种数据类型提供了全面的指导。
第一部分重点介绍网页抓取的基本原理：如何用Python 从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何以自动化手段与网站进行交互。
第二部分介绍如何用网络爬虫测试网站，自动化处理，以及如何通过更多的方式接入网络。
《Python 3网络爬虫开发实战(图灵出品)》

你曾成功自学过哪些技能？有何经验之谈？-37.jpg

本书介绍了如何利用Python 3开发网络爬虫，书中首先介绍了环境配置和基础知识，然后讨论了urllib、requests、正则表达式、Beautiful Soup、XPath、pyquery、数据存储、Ajax数据爬取等内容，接着通过多个案例介绍了不同场景下如何实现数据爬取，最后介绍了pyspider框架、Scrapy框架和分布式爬虫。
算法和机器学习
《数据结构与算法：Python语言实现》

你曾成功自学过哪些技能？有何经验之谈？-38.jpg

本书采用Python语言介绍数据结构和算法，包括其设计、分析和实施。本书源代码简洁、明确，面向对象的观点贯穿始终，通过继承大限度地提高代码重用，同时彰显不同抽象数据类型和算法之间的异同。
《机器学习实战(图灵出品)》

你曾成功自学过哪些技能？有何经验之谈？-39.jpg

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。
第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。　　
《机器学习实战》通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统计数据，进行数据分析及可视化。通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。