导读
可以说，在写这篇文章之前，我一直在考虑，这个文章是不是我可以写出来的，因为我不是专业大咖也不是行业大牛，只是一个很普通的学生甚至还不是计算机系的学生。后来想一想其实还是很有必要，因为我想也许有很多人和我一样想走近这门编程语言，而那些大咖的分享往往都是站在一个制高点上，虽然很有道理却有很多不切和我们这些非科班出身的人。这篇指南是我在Python学习小有成就，并能通过Python编程小赚一笔的情况下，对于3年的断断续续python学习作出的学习指南。希望通过这篇指南你能够有所收获，公众号基本建设之后，主打的Python每日学习，你也可以在这里收获到你想要的知识点式的每日提升，最后祝你学有所成，事事顺利，那么就让我们一起走进Python的世界。
Python简介
这几年Pyhton真的是火爆了，每个公众号/教育平台基本你都能看到Python的广告，Python语言以简易，功能强大两大特点几乎称霸了编程语言，数据分析，人工智能，爬虫等等等用Python进行编程意外的好用，加上树莓派的逐渐普及更是带来了Python在硬件方向的应用，除了运行慢几乎Python没有任何的弱点了，因此才受到了诸多学者的偏爱，除此之外Python的库和Python的社区环境很活跃也为这门语言的持久力注入了力量，让这门语言逐渐发展的势不可挡。
image
image
Python学习路线
image
image
学习流程
python涉及的知识点十分广泛，正如上图所示，可以说学完了Python基础以后，走不同的分支就会有不一样的岗位，不一样的工作，就和我们之前所述的后期指南哪一篇，如果你要想变成业界大咖，就应该在学习基本的之后专攻一个方向。
推荐的学习流程：
image
一.基础方面：
1.python语言基础：Python3入门，数据类型，变量，运算符合表达式，判断/循环语句，函数，类与对象，继承，多态，封装，文件读写与存储，异常处理，正则表达式，多线程/多进程方法。
2.算法基础：抽象数据类型，渐进分析，二叉搜索树，哈希，队列/栈结构，树，排序算法，图的遍历，图论，最短路径，动态规划等内容。
3.其他基础：Linux操作基础，关系型数据库基础，Web前端基础，JavaScript基础（爬虫必学），数学基础（尤其是机器学习/神经网络，一定要学好高数，线性代数）
二.进阶方面：
1.网络爬虫工程师****（15k左右）：
首先爬虫是一个下限很低，上限极高的一个学习方向，入门爬虫十分简单，你甚至可以只利用request，正则表达式就能轻易的爬取某个网站，因为它的逻辑十分简单，即使是一个小白也能在很短时间内掌握，可为什么又说他的上限极高呢，就是因为日常爬取和岗位要求是两回事，比如常见的如何绕过复杂的认证，HTTP协议，分布式结构的应用，各类形式的JS加密等等，这些就是他上限极高的原因，这些东西都涉及很多方面的知识，因此需要你不断学习。
这些东西我持续学习了一年的时间，并在我的CSDN把学习心得以文章的形式进行了分享，有兴趣的可以去看一下：
https://blog.csdn.net/AI_LINNGLONG
（1）爬虫流程：
image
请求：
请求获取网站资源
响应：
如果网站返回 status_code 是200，服务器就会返回资源
解析：
Parser 来解析我们得到的资源（数据清洗）
可以用来解析的库
BeautifulSoup
PyQuery
Xpath
Re （正则表达式）
入库：存储我们需要的资源
（2）爬虫分类：
全网爬虫，主题爬虫，增量式爬虫和深层爬虫。
（3）作为爬虫工程师，需要你掌握：
爬虫开发网络基本知识，计算机网络基础，Fiddler等工具，Request，BeautifulSoup，Scrapy，Selenium，文件存储（包括关系型数据库）,GIL锁，多进程/多线程方法，异步方法，分布式方法，常见的反爬虫破解方法（如字体反爬，防盗链，目录数据加载，数据加密等）。
2.数据分析工程师****（8k-30k）：
首先数据分析并不是Python独大的，往往要求是Excel，SQL必会，Python，Matlab，R为加分项，当然Python其实在某些下的确很优雅很美观，个人曾经做过某所大学的大数据专业的课程设计，整体说来就是数据获取（爬虫或商业数据），储存入库（Excel，Mysql），数据清洗，数据可视化的过程，这几门技能除了R语言我接触不多剩下的我都有接触，可Python却还是我最喜欢的一种方式。
（1）数据分析流程：
image
（2）作为数据分析师，需要你掌握：
Numpy，Pandas，Matplotlib（数据可视化），Scipy，Tushare（金融必学），Hadoop HDFS，Spark core，Spark SQL，Spark MLlib，一定的机器学习基础（ scikit-learn）等。
3.机器学习工程师（15k-35k）****：
首先，机器学习是一门很高深的学问，也就是下限很高的一个学习路线，你不但要有编程知识，还需要你对于数学/算法具有很高的理解才可以，所以每个想学习或者入手机器学习的都应该学好数学，并且机器学习包含的领域也很广泛，比如就包含其中最受欢迎的深度学习。
image
image
（1）作为机器学习工程师，需要你掌握：
机器学习基础知识，KNN算法，线性回归，逻辑回归，神经网络，决策树算法，朴素贝叶斯算法，支持向量机，聚类k-means算法，树莓派基础相关知识等。
Python推荐链接
吴恩达的机器学习课程（cousera）
Python for everybody（cousera）
Python资料 公众号回复【Python资料】获取
关注我
image
扫码关注我们
凌云天下事
哔哩哔哩：凌动俱乐部
♬..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
♫. ♪ ~ ♬..♩~ ♫. ♪..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩..♩~ ♫. ♪ ~ ♬..♩
网友评论