Python從入門到轉行

題記：大二的時候發現人生苦短，所以信了拍神，開始學python。學了大半年之後成功轉行做前端了。來寫個教程幫助大家入門python。

零基礎入門就得從最基本的變數，語法格式，資料型別，函式，作用域，模組等基本知識入手（有程式設計基礎基礎也得這麼來）

和籃球一樣，先來三步上籃：

學寫一些基本的python程式，上述《簡明 python 教程》後邊的示例可以做。想更進一步掌握基礎，可以做一點leetcode easy題目練練手。（看個人情況唄，反正我是沒那個耐心，做題實在太枯燥，雖然寫題是很有好處的）

做一些感興趣的小專案，這裡有python習題100例，很基礎。覺得不夠高大上可以玩實驗樓裡的專案，實驗樓是個不錯的**，可以做一些很好玩的東西。

以上三步可以讓你21天精通python喲

tips：推薦乙個神器，python執行視覺化，可以一步步檢視程式執行狀態，變數狀態，函式呼叫，記憶體分配，對於理解變數生命週期，作用域，除錯理解程式非常有幫助。

開發工具：推薦pycharm，有免費社群版，也可用edu郵箱註冊專業版。

高階就是專注於python的某個領域做深入研究了，python主要包含了ai領域（nlp，深度學習，影象處理啥的，反正無所不能），web開發（後端服務，爬蟲），資料處理（資料分析，科學計算），工具（比如讀寫excel，編寫自動化指令碼），桌面開發（gui工具）等等。

python好強大啊，我又想寫python了。

下面簡單寫寫我知道的領域的入門：

web開發

python web框架眾多，是建**的利器。對於建立不太複雜的cms系統（比如新聞**，部落格**），django強到沒朋友，開發效率無敵。對於注重靈活性的**，flask可以作為首選，靈活而小巧，非常優雅的框架。

django入門先看官方文件，了解基本概念。然後開始做實際專案，比如django開發部落格系統教程

flask入門看官方文件，同django。

爬蟲（網路資料獲取）

先科普，網路爬蟲，可以理解為在網路上爬行的一直蜘蛛，網際網路就比作一張大網，而爬蟲便是在這張網上爬來爬去的蜘蛛，如果它遇到資源，那麼它就會抓取下來。比如它在抓取乙個網頁，在這個網中他發現了一條道路，其實就是指向網頁的超連結，那麼它就可以爬到另一張網上來獲取資料。簡單地說，利用程式從網頁上獲取你想要的資料。

python的爬蟲框架非常多，也非常好用。

入門步驟：

理解網頁是怎麼構成的

網頁的基本知識包括：

基本的html語言知識

理解**的發包和收包的概念（post get）

稍微一點點的js知識，用於理解動態網頁

解析網頁，這裡需要學習正規表示式

選取乙個爬蟲框架，比如自帶的urllib，request，bs4等等

看官方文件，如何使用框架，然後就可以養乙隻爬蟲咯。

教程點這裡

資料處理

上邊爬蟲講到如何獲取資料，這裡將學習如何分析處理資料，教程鏈結。

科學計算，資料處理用到比較多的是matlab，無所不能的python當然也可以替代它。

numpy pandas是科**算當中最為重要的兩個模組。matplotlib 是乙個非常強大的 python 資料視覺化工具，繪製各種圖形。

看官網文件，理解這個庫的基本用法。

學習一些簡單的專案，上文提到的實驗樓也可以用

ai領域

略從別處引用一點基本介紹

theano 是一種用於使用數列來定義和評估數學表達的 python 庫。它可以讓 python 中深度學習演算法的編寫更為簡單。

keras 是類似 torch 的乙個精簡的，高度模組化的神經網路庫。theano 在底層幫助其優化 cpu 和 gpu 執行中的張量操作。

pylearn2 是乙個引用大量如隨機梯度（stochastic gradient）這樣的模型和訓練演算法的庫。它在深度學習中被廣泛採用，這個庫也是以 theano 為基礎的。

lasagne 是乙個輕量級的庫，它可以在 theano 中建立和訓練神經網路。它簡單、透明、模組化、實用、專一而克制。

blocks 是一種幫助你在 theano 之上建立神經網路模型的框架。

caffe 是一種以表達清晰、高速和模組化為理念建立起來的深度學習框架。它是由伯克利視覺和學習中心（bvlc）和網上社群貢獻者共同開發的。谷歌的 deepdream 人工智慧影象處理程式正是建立在 caffe 框架之上。這個框架是乙個 bsd 許可的帶有 python 介面的 c++庫。

genism 是乙個部署在 python 程式語言中的深度學習工具包，用於通過高效的演算法處理大型文字集。

cxxnet 是一種快速，簡明的分布式深度學習框架，它以 mshadow 為基礎。它是輕量級可擴充套件的 c++/cuda 神經網路工具包，同時擁有友好的 python/matlab 介面，可供機器學習的訓練和**使用。

這裡包含的東西太多了，基本學習方法如上。

附錄：先來看看python有多強大，不然不能被它所吸引，就學不下去了。

20行**實現人臉檢測與識別：

face_recognition可以通過python或者命令列即可實現人臉識別的功能。使用dlib深度學習人臉識別技術構建，在戶外臉部檢測資料庫基準（labeled faces in the wild）上的準確率為99.38%。

# 匯入識別庫
import face_recognition
# 載入已有的作為影象庫
# 編碼載入的
obama_face_encoding = face_recognition.face_encodings(known_obama_image)[0]
biden_face_encoding = face_recognition.face_encodings(known_biden_image)[0]
known_encodings = [
obama_face_encoding,
biden_face_encoding
]# 載入要識別的並編碼
# 計算該與已有的差別值
face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding)
# 自行設定同一張面孔的分界值，輸出比對結果 
for i, face_distance in enumerate(face_distances):
print("the test image has a distance of  from known image #{}".format(face_distance, i))
print("- with a normal cutoff of 0.6, would the test image match the known image? {}".format(face_distance < 0.6))
print("- with a very strict cutoff of 0.5, would the test image match the known image? {}".format(face_distance < 0.5))
print()

Python從入門到轉行

python 從入門到放棄

Python從入門到斷氣

python從入門到實踐

Python從入門到轉行

python 從入門到放棄

Python從入門到斷氣

python從入門到實踐

相關推薦