入门Python，这些看完还不懂，那我也是没办法了！
文章类别：
- 12月 17, 2022
- 3 条评论
- 整形：int，常见的整数（正数／负数／0），通过sys.maxint即可查看当前平台上最大的整型的值。
- 长整型：long，比整型最大的值还大或者比整型最小的值还小的整数。注意：Python中长整型没有大小限制，你的内存有多大，它就能表示多大。
- 浮点型：float，即小数。
- 布尔型：bool，常见形式为True, False，表示逻辑真和逻辑假，其实背后的实现是数字1和0.
- 复数：complex，Python是为数不多语法层面上支持复数的语言，表现为形如1+2j的形式。可以直接支持两个复数的运算。
- !=, <>：不等于，表示两边的值不相等，推荐使用前一种。1 != 2。
- ==：等于，表示两边的值相等。2 == 2。
- and：逻辑与，如果两边的值都为True则整个值为True，反之为False。1==1 and 2==2。
- or：逻辑或，如果两边有一个值True则整个值为True，反之为False。1==2 or 2==2。
- not：逻辑非，如果值为True，则结果为False。not 2=＝1。
(0 次顶, 0 人已投票)你必须注册后才能投票！
Loading...Python和Pythonic
Python是一门计算机语言（这不是废话么），简单易学，上手容易，深入有一定困难。为了逼格，还是给你们堆一些名词吧：动态语言、解释型、网络爬虫、数据处理、机器学习、Web开发、等等等等。Python目前分为2.x和3.x两个版本，与其它语言不一样的是，它的这两个版本是不兼容的，虽然会其中一个就容易上手另一个，但是鉴于公司目前几乎全是用Python2.7，建议同事们也可以从2.x版本开始，如果没有历史遗留问题，建议初学者直接上手Python3。
当然在学习Python的道路上肯定会困难，没有好的学习资料，怎么去学习呢？
所以小编准备了一份零基础入门Python的学习资料。关注，转发，私信“01”即可领取！
Pythonic指的是按照Python推荐的规范，干净美观、可读性强的逼格满满到代码风格，比如多使用Python内置的数据结构，不要重复造轮子。简单来讲，你可以在Python解释环境里输入import this了解一下Python之禅。Python的代码风格上，如果团队有自己的风格则按照自己的风格，否则，比较推荐的是PEP8或Google Code Style。关于PEP8规范，请点击这里。
开发环境搭建
在常见的*inx系统上，默认都安装了Python解释器，你可以直接在终端输入python进入默认的环境。在Windows系统上，你需要去Python官网下载Python的安装包，安装之后可以在“所有程序”中找到“IDLE”，也可以在cmd中通过输入python进入解释器环境。
对于Python常用的IDE（集成开发环境），推荐使用PyCharm，如果土豪请购买正版，如果不是土豪又有情怀，请使用社区版（免费），如果既不土豪又没有情怀，就用盗版吧（不推荐）。
Python之所以非常流行，离不开它千千万万的第三方库，你可以将第三方库理解为我写了一个牛X的功能，发布出来之后你可以直接使用。安装第三方库的话，推荐使用pip，在Ubuntu上，你可以通过apt-get install python-pip安装。
hello, world.
常见情况下，Python代码可以通过两种形式运行：一是直接在刚才所讲的解释环境下（输入python命令后进入的地方）一行一行的执行，或者也可以保存到一个.py的文件中，在终端输入python 文件名来执行。比如新建一个test.py，文件内容为print ‘hello, world.’，在终端输入python test.py，即可输出hello, world.。
注意⚠️：Python中没有使用花括号{}来表示代码间的层级关系而是使用缩进，这样的好处是在语法层面上限制了不好的代码风格，但是初学者容易混淆。
变量、基础数据类型
变量
Python中变量不需要声明，你可以通过直接赋值的方式使用变量：
在Python中，你可以在给一个变量赋值为一种类型之后重新为其赋值为新的类型（如上面代码第1、4行）。
基础数据类型
Python中的数字有：整型、长整型、浮点型、布尔型、复数。
Python中的所有数据类型都是对象。你可以通过type()函数查看一个变量的类型。
Python中字符串有4种表现形式：单引号、双引号、三引号：
其中，第3/4种字符串表现形式都是三引号引起来的。如果在字符串的引号之前加上一个u，则表示这是一个unicode字符串，如果加上r，则表示这是一个原始字符串 ，这两种类型，对于初学者暂不讨论。值得注意的是，Python中没有C-Like语言中的字符类型。
运算符、控制语句
运算符
Python中没有类似于C/C++/Java的自增自减运算符，因为在Python中，数字是一种不可变类型（immutable），对数字的操作都会产生新的对象而不是修改原来的对象。但是i = i + 1一样可以写为i += 1。
注意：Python2.5以后的除法为地板除，即5／2=2而不是5／2 ＝ 2.5。
Python常见的逻辑运算符为：
控制语句
条件语句：
Python中的条件语句只有if-elif-else，没有switch-case，但是有经验的开发者通常使用map这一结构来达到比switch-case更加优雅，更加Pythonic的实现，这个后续再说。
elif类似于其它语言中的else if。
循环语句：
Python中有两种方式表达循环语句：
while 循环：
for循环：
值得注意的是Python中没有C-Like语言里的for(int i=0; i<10; i++)的语法，不过可以使用xrange或者range函数实现同样的效果。前一个函数返回一个生成器，后一个函数返回list，一般推荐使用前一个，至于这两个函数的异同，后面有时间细聊。
集合
Python中常见的集合类型有：list，tuple，set，dict。
list
list表达的是一列数据的集合，列表中的元素可以增加、删除、查找等操作：
tuple
tuple类似于list，同样表示一组数据的集合，不同的是，tuple是写保护的，即：tuple不可以对其元素做任何修改操作（新增、删除等）：
set
set表示一个不重复元素的集合，值得注意的是：set是无序的。
dict
dict表示一组数据的对应关系，与set一样，dict是无序的（你可以通过collections中的OrderDict来达到有序）。同时，对于初学者，dict与set的声明方式容易混淆：
函数（初步）
在Python中声明函数的方式如下：
通其它语言一样，你可以在函数中通过return返回值。不同的是，Python中函数可以有多个返回值，比如下面的函数，返回了两个数的和以及差：
其实这里并不是真的返回了两个值，而是将返回值组装成一个tuple再返回。
小结
Python中最最最基础的部分差不多就是这些了，后面会继续分享一些Pythonic的Python代码写法。
/thumb.jpg "入门Python，这些看完还不懂，那我也是没办法了！")
/thumb.jpg "入门Python，这些看完还不懂，那我也是没办法了！")
文章类别：
本文链接: http://www.books51.com/505704.html
【点击下方链接，复制 & 分享文章网址】
入门Python，这些看完还不懂，那我也是没办法了！ → http://www.books51.com/505704.html |
上一篇: wordpress用火车头批量发布[磁力链]和[迅雷]链接时，会被自动去掉头部前缀的解决办法
下一篇: 25个PPT冷知识与技巧
(0 次顶, 0 人已投票)你必须注册后才能投票！
Loading...
腾讯Python高级程序员写给Python零基础入门总结，希望有帮助！
因为目前python非常火，应用非常的广泛，是目前最火的行业之一，竞争很大，工资很高，未来发展也极好。
我个人建议：如条件还可以，负担不是那么大，可以选择培训，培训一定会比你自学的好，如果培训都学好，自学肯定更难。目前python的培训费用都是2W+，这还只是培训费而已，加上一些其他的东西，四个月时间要小三万吧！所以建议选择线上培训，成本低，可以反复学。
如果条件不允许，选择自学，自学肯定会难，但是只要你决心够用，自学也可以找到工作，但是从比例来看会很低，其实无论在哪里学习都是一样的，重在内心怎么看到你学python这个事情。
个人经历：我学python不是培训的，最开始也是从大一开始自学的，那个时候对做web方面比较有兴趣，所以我还是比较相信兴趣是最好的老师这句话的。那个时候在网上找了一些视频教程学着也是非常痛苦，自己也看了一些书，但是作用都不是很大。所以我在这里不建议大家初学python去看书，还是建议当你学完了一部分之后，你在看书温习，这样的效果是我实践出来的，仅代表个人建议。直接完全看书学的后果可能是看了之后能看懂，但是自己动手，啥都不会。
教程视频不在于多，越多越是不看也是我个人总结出来的，我还是很少见到自己完全看视频能自学python的，尤其现在框架越来越难，光看视频还是比较难学python的，很多代码上的东西如果没有人告诉你，可能你连空行都不会，代码写的一团糟，最基本的达不到，更不要说找到工作了。
两个抉择：
一.如果你选择培训建议如下：
我们这个行业别的要求不高，就是做项目的能力，到了公司是否可以干活，能干活完成任务怎么样都可以。但是目前培训的市场学费都在两万以上，加上四个月的吃住行，至少也要三万块钱，这笔费用挺多的，最重要的还是时间问题，我学完编程就学了四年，怎么可能用四个月时间学的很好，除非很聪明的人，我个人觉得目前学python想要找工作，至少要学习个半年的时间，身边也有不少在培训的时候发生的一些事情，当然有好的结果，也有很多不好的结果，不做评价，如果想去培训的朋友，建议慎重选择。
二.如果你选择自学建议如下：
1.了解如今的市场行情，就是企业需要什么样的人才，这点很重要。
2.有一套系统的学习方案，学习不是瞎学的，是有节奏感的，每天看多少视频，不是说看完了就完了，在很多人的实践中，看完视频一点用没有用。一天用多少时间学python，自己规划好，每天做什么案例都是非常重要的。
3.合理的学习路线，规划好每天的学习。
4.有人指点，很多问题是我们自己不可能解决的，除非那个是天才，可能一个小问题，我们一天都想不明白，但是别人的一句话可能就懂了，这个就是经验。
为了帮助你入门机器学习，我们列出了Packt上5本免费的机器学习电子书。你可以全部下载下来，但是在下载前需要先注册一下。
1. Python学习
首先要声明一点——《Python学习》并不是一本机器学习的专著。但是把它列在免费电子书单的第一位是有一个重要的理由的：如果你想搭建机器学习模型，Python是关键语言。
如果你没有接触过Python，这本书将帮助你入门并运行这门语言。你将发现Python确实是一种直观的惊人的编程语言，并可以灵活运用于解决各种问题。
这本书涵盖了Python的基础知识，在引领你进入Python应用语言的核心领域前，这本书将会为你打下坚实的基础。书中内容包括了数据科学和机器学习，但同时还将指导你如何在网络和应用程序开发项目中使用Python。
2. Python机器学习
《Python机器学习》是过去十年最畅销的机器学习书籍之一。这本书如此受欢迎是有很多原因的：众所周知Python快速成为了机器学习的专用语言，这本书的作者Sebastian Raschka一直进行着机器学习和AI的前沿研究，能够将Python以更实用和易于接受的形式介绍给读者。
这本书将一步步带你建立数据管道，并示范如何使用目前最先进的机器学习和深度学习包，如scikit-learn和TensorFlow。对于每个学习机器学习和AI的人，《Python机器学习》都是学习计划的重要补充。
3. Python深度学习
深度学习是机器学习的前言领域。简单来说，深度学习就是增加了复杂性和精密性的机器学习，可以用于实现不同形式的人工智能。
《Python深度学习》在现有Python和机器学习知识的基础上增加了更细致的深度学习相关内容，并可以应用于图像识别、游戏开发等不同领域。
4. 人工智能和Python
围绕人工智能的炒作已达到狂热的程度，并且进入了公众领域，影响到了包括政治在内的各行各业。
任何一本我们在这里推荐的免费电子书都能帮助你识破这些炒作，真正开始探索如何应用深度学习和人工智能，《人工智能和Python》无疑是其中最合适的一本。书中介绍了更多高级的概念，这些概念将会测试你现有的知识和技能。这本书的目的就是告诉你如何最大程度的应用人工智能系统。
这意味着你学到的不仅是实现人工智能的编程概念和技巧，还有应用实践来帮助你建立你自己的演讲、文字识别系统等。
5. 高级Python机器学习
如果你还在寻找一本能够挑战自我、督促自己进步的教程，《高级Python机器学习》将带领你学习到这个领域最前沿的技术。这本书不仅将帮助你开发更好的Python机器学习解决方案，还将帮助你理解这门语言的更多细节。作为回报，你将更好的掌握这个世界上最快发展的语言。
掌握这个学习方法，让 Python 不再从入门到放弃
随着数据科学概念的普及，Python 这门并不算新的语言火得一塌糊涂。因为写了几篇用 Python 做数据分析的 文章，经常有读者和学生在留言区问我，想学习 Python，该如何入手？我经常需要根据他们的不同情况，提出对应的建议。这样针对性虽强，但效率不高。这个问题，我还是写出来，让更多的人一同看到吧。
有几位出版社的编辑，给我发私信，鼓励我赶紧写一本 Python 教材出来。我暂时还没有写 Python 基础教程的计划。因为在我看来，现有的学习资源已经足够好了。
但是，有这么多现成的资源和路径，为什么许多人依然在为学 Python 犯愁呢？因为学习有个效率问题。Python 语法清晰明快，简单易学，这是 Python 如此普及的重要原因。但是，选择合适的 Python 学习方式，需要跟你自身的特性相结合。
人群划分的标准是什么？不是你是否计算机相关专业，也不是你是否已经工作，而是一个重要的指标——你的自律能力。
你可能觉得我说的话没有信息含量。自律能力强，学得更好，地球人谁不知道？可是，自律不够强的人，难道就注定什么也不能学了？当然不是。
每个人的性格都有不同的特点，没有绝对的高下之分。不信你听听刘宝瑞先生的相声《日遭三险》，就明白了。自律能力也是这样。只要你能清楚认识自己，就能以更高效的方法来学习新知识和技能。
下面我们分类探讨一下，不同自律能力的人，该如何学 Python，才能更高效。我为大家准备了三种完全不同的路径，相信你能找到适合你的那一种。
路径 I：适合自律能力最差的人
咱们先从自律能力最差的人说起。
这样的同学，往往是三分钟热度。偶然受到了刺激，发奋要学习 Python，以便投入数据科学的事业中。他会立即跑到图书馆或者书店抱回来一本《X 天从入门到精通 Python》的书开始啃。结果 X 天还没到，就顺利跑完了从入门到放弃的全过程。
你没能坚持下来，自己肯定是有责任的。但是最大的问题，在于过度高估自己的自律能力。这样的同学，我推荐你到 Coursera 平台上，按部就班学习一门非常好的 MOOC——Programming for Everybody。
推荐这门课，是因为课程质量真是太好了。首先是教材好。这本教材的来源是有故事的。先是 Allen B. Downey 写了一本开放书籍 Think Python: How to Think like a Computer Scientist。
这本书在Amazon上的评价是这样的：
Charles Severance 觉得这本书写得太好了，想把它作为教材。于是征得作者同意，大篇幅借鉴了这本书的内容架构，编写了一本 Python for Informatics。
Charles 写作这本书的时候，同时开放推出了 iBooks 格式，里面就包含了自己的授课视频，供学生直接观看学习。
后来，Charles 用这本书扩展，做成了一门 MOOC。2015年上线不久，硅谷资深工程师就都争相学习。
Charles 深谙课程迭代的技艺。他不断添加内容，完善课程体系，将一门课发展成一个专项课程(Signature Track)，并且将教材升级为 Python for Everybody: Exploring Data In Python 3。
在目前全球 MOOC 口碑榜上，Charles 的这门课一直名列前茅。
这个专项课程深入浅出讲解 Python 本来就很简单的语法，而且还用数据科学的一些基础工作任务，带动你去使用 Python 语言写简单项目。这种扎实的训练过程可以增强你的信心，激发兴趣。
对于自律程度低的同学来说，下面这个特性更重要：一切工作都有时限。
Coursera 上的课程，每周的任务很明确。练习题正确率如果不能达到 80%，就不能过关。到了截止日期，如果你不能完成全部练习和课程项目，就拿不到证书。
老师在前面引领你，助教在旁边督促你，平台用时间表提醒你，论坛上的同学们在用同侪压力推挤你……想偷懒？想三天打鱼两天晒网？很难。
路径 II：适合自律能力中等偏上的人
如果你的自律能力中等偏上，那么你可以选择的面就宽了。
这里我给你推荐另一个MOOC平台，叫做 Datacamp。
我第一次接触 Datacamp，是在 2015 年初。那时我在 Coursera 上选修杜克大学的统计学课程「Statistical Inference」，配套的练习就在 Datacamp 上。
当时这个平台就给我留下了非常深刻的印象，因为代码的运行都采用了云环境。学习者不需要在本机安装任何环境，一个支持 HTML5 标准的浏览器就能带给你完整的学习体验。
对初学者来说，这种入门方式太好了。要知道，许多人的学习热情，就是被环境配置和依赖软件包安装的坑埋掉的。
两年之后，Datacamp 已经迭代得更为强大。你可以打开首页的 Data Scientist with Python 这个学习路径，查看其中已经提供的 20 门课程。
这些课程涵盖了从 Python 基础，到数据处理，直至人工智能和深度神经网络的方方面面。
所有的课程设计，都是短小精悍的。一般不超过 4 个小时，就可以完成某一主题的学习。这样你学起来毫不费力，可以在相当短的时间内获得反馈（练习题自动评分）和成就感（证书）。
这个平台的课程，进度完全由学习者自己掌控。所以我把它归纳为适合有一定自律能力的学习者。它既可以给你即时的回馈，让你时刻了解自己所处的位置进度，不会迷失方向，又能充分体验自主学习的乐趣。
Datacamp 的课程，一般都是第一部分免费开放。后面部分购买后才能解锁学习。如果你对自己的学习能力和毅力有信心，可以购买一个完整时间段（例如一年）的课程。在此期间，所有平台上的课程，你都可以学习，并且可以在通过后获取证书。这样的购买方案本身已经有优惠，而且每年都会有特定时段的大幅打折促销，非常划算。建议放到购物车里面多关注。
这是我在 Datacamp 拿到的深度学习框架 Keras 课程证书，确实只需要几个小时的时间就能学完，成就感还是蛮强的。
路径 III：适合自律能力强的人
前面提到的课程费用不菲。Coursera 上每门课平均价格在 49 美元左右。对来自发展中国家的学生群体，Coursera 可以提供助学金。你可以根据自己的需求如实填写申请表，来获得资助。
对于自律能力强的同学来说，你的选择可以变得非常简单直接——可以用最受推崇的教材，自己看书学习。
最受推崇的教材，其实是没有的。正如西谚有云：
这个世界上，就没有哪件东西大家都说好。但口碑非常好的教材是存在的，例如这本起了个怪名字的《笨办法学Python》(Learn Python the Hard Way)。
千万不要被名称迷惑，望文生义觉得这是一本糟糕的 Python 入门教程。恰恰相反，这本书的设计，非常适合人们的认知规律。
我们学东西，由浅入深，由易到难，逐步递进。如果一味追求新知，那么之前学的东西会很快遗忘。如果总是原地打转，会带来枯燥和无聊的感觉。还记得高三做的那一年卷子吧？
好的教科书，应该在每一个章节给学习者提供新的知识和内容，提出足够的挑战。但是挑战性不能高到让学习者产生挫败感而放弃。同时也不能忽视在后续内容中把前面所学知识改换面目不断螺旋上升式重复出现。只有这样才能巩固所学，让学习者感受到基础知识的作用，增强学习的愉悦感。
这么说有些抽象，实际上有一本英语教材非常符合上述认知规律，就是我在课堂上和文章里反复推荐过的这一套教材：
《笨办法学Python》也是一本这样的书。你需要做的就是把书打开，同时打开一个好用的代码编辑器，开始按书中要求敲代码、运行代码、改代码……
下图是我当初学习时，照着这本书敲的代码。
书中对 Python 基础内容训练的完备性，至今无出其右者。顺便说一句，这本书有中文版哦。所以如果你英语不好，完全不用担心。
嘱咐一句，英语真该好好学。拓宽的不仅是你的眼界，也增加了你可能获得的机会。考虑到仔细阅读这部分的读者都是自律性很强的人，我就不用多说了。
挑战
三条基本的 Python 入门路径讲完了。通过对自己自律能力的清晰理解，相信你可以找到一种适合自己逐渐学习和掌握 Python 的方式。
但是完成了读书和听课，是不是就完事大吉了？当然不是。
许多人在这里犯了错误。他们以为拿到了证书，或学完了教材，就算是真正掌握 Python。然后把这门语言丢弃在一旁，去刷美剧和小说了。相信我，你会遗忘的。如果你对于长期不接触的东西从不遗忘……去医院检查一下吧。大部分人的记忆模式，都是这个样子的：
若不加以干涉，不出一个星期，你就能把学到的新知识几乎忘光。如果你不希望自己辛苦学来的 Python 知识被如此轻易浪费掉，怎么办？
实践
你应该实践。
实践 Python 技能，未必一定要找个世界 500 强企业的核心技术部门，「996」工作 N 年才能完成。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。
我真正觉得自己初步掌握了 Python，就是在完成了我的第一个 Github 项目之后。
项目非常简单，就是用 Python 作为胶水语言，把一系列工具连接在一起。可以把 Markdown 撰写的内容随心所欲一键变化成各种格式。
格式包括而不限于：
其中部分功能我正陆续发布在 Github 公开项目中，地址在 这里。相应地，我也 撰文 做了介绍。
这个小项目，我从 2014 年开始做。实话实说，现在回头看当时的代码，简直惨不忍睹。但是如果你逐渐对自己你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。你可以从生活中寻找各种有趣的问题，然后思考能否用 Python 编程来解决它。的代码有了这种感觉，证明你在进步。
不要指望自己一出手就能写出完美的代码，要把「迭代」两个字时刻装在心里。这样你才能容忍自己的笨拙，不断提高。正如古人说的那句：
我在做这个项目的过程中，曾经遇到了中文编码、隐私信息存储、文件名空格处理、绝对与相对路径、发布流程划分、功能解耦合、Web 图片地址附带参数……等等一系列的问题。
通过回顾用 Git 版本控制工具记载下来的日志，以及版本对比功能，你可以清楚看到自己是在何时利用什么方法解决了这些问题。然后别忘了，给自己工具箱里的新增小技能打个勾。
一个个小问题逐渐被你攻克的时候，你才能真正感受到所学技能的价值，并且点滴积累自信。
讨论
你学会 Python 了吗？你是用什么方法学会的？可否把你的学习心得体会分享给大家？对本文推荐的资源和路径，你有什么不同的意见，或者更好的建议？欢迎留言，记录下你的思考，我们一起交流讨论。
（题图来自于 Unsplash，图中使用编程语言和本文无关）