学生们是否非常想学好 Python, 一方面被琐事纠缠, 一直没能动手, 另一方面, 担心学习成本太高, 心里默默敲着退堂鼓? 幸运的是, Python 是一门初学者友好的编程语言, 想要完全掌握它, 你不必花上太多的时间和精力.
Python 的设计哲学之一就是简单易学, 体现在两个方面: 语法简洁明了: 相对 Ruby 和 Perl, 它的语法特性不多不少, 大多数都很简单直接, 不玩儿玄学.
切入点很多: Python 可以让你可以做很多事情, 科学计算和数据分析, 爬虫, web 网站, 游戏, 命令行实用工具等等等等, 总有一个是你感兴趣并且愿意投入时间的.
1. 起步阶段
任何一种编程语言都包含两个部分: 硬知识和软知识, 起步阶段的主要任务是掌握硬知识.
"硬知识" 指的是编程语言的语法, 算法和数据结构, 编程范式等, 例如: 变量和类型, 循环语句, 分支, 函数, 类. 这部分知识也是具有普适性的, 看上去是掌握了一种语法, 实际是建立了一种思维. 例如: 让一个 Java 程序员去学习 Python, 他可以很快的将 Java 中的学到的面向对象的知识 map 到 Python 中来, 因此能够快速掌握 Python 中面向对象的特性.
如果你是刚开始学习编程的新手, 一本可靠的语法书是非常重要的. 它看上去可能非常枯燥乏味, 但对于建立稳固的编程思维是必不可少.
下面列出了一些适合初学者入门的教学材料:
(1)「笨方法学 Python」:http://learnpythonthehardway.org/book/
这本书在讲解 Python 的语法成分时, 还附带大量可实践的例子, 非常适合快速起步.
(2)「The Hitchhiker's Guide to Python!」:The Hitchhiker's Guide to Python!
这本指南着重于 Python 的最佳实践, 不管你是 Python 专家还是新手, 都能获得极大的帮助.
(3)「Python 官方文档」:Our Documentation
实践中大部分问题, 都可以在官方文档中找到答案.
(4) 辅助工具: Python Tutor
一个 Python 对象可视化的项目, 用图形辅助你理解 Python 中的各种概念
Python 的哲学: 用一种方法, 最好是只有一种方法来做一件事.
学习也是一样, 虽然推荐了多种学习资料, 但实际学习的时候, 最好只选择其中的一个, 坚持看完.
必要的时候, 可能需要阅读讲解数据结构和算法的书, 这些知识对于理解和使用 Python 中的对象模型有着很大的帮助.
"软知识" 则是特定语言环境下的语法技巧, 类库的使用, IDE 的选择等等. 这一部分, 即使完全不了解不会使用, 也不会妨碍你去编程, 只不过写出的程序, 看上去显得 "傻" 了些.
对这些知识的学习, 取决于你尝试解决的问题的领域和深度. 对初学者而言, 起步阶段极易走火, 或者在选择 Python 版本时徘徊不决, 一会儿看 2.7 一会儿又转到 3.0, 或者徜徉在类库的大海中无法自拔, Scrapy,Numpy,Django 什么都要试试, 或者参与编辑器圣战, 大括号缩进探究, 操作系统辩论赛等无意义活动, 或者整天跪舔语法糖, 老想着怎么一行代码把所有的事情做完, 或者去构想圣洁的性能安全通用性健壮性全部满分的解决方案.
很多 "大牛" 都会告诫初学者, 用这个用那个, 少走弯路, 这样反而把初学者推向了真正的弯路.
还不如告诉初学者, 学习本来就是个需要你去走弯路出 Bug, 只能脚踏实地, 没有奇迹只有狗屎的过程.
选择一个方向先走下去, 哪怕脏丑差, 走不动了再看看有没有更好的解决途径.
自己走了弯路, 你才知道这么做的好处, 才能理解为什么人们可以手写状态机去匹配却偏要发明正则表达式, 为什么面向过程可以解决却偏要面向对象, 为什么我可以操纵每一根指针却偏要自动管理内存, 为什么我可以嵌套回调却偏要用 Promise...
更重要的时, 你会明白, 高层次的解决方法都是对低层次的封装, 并不是任何情况下都是最有效最合适的.
技术涌进就像波浪一样, 那些陈旧的封存已久的技术, 消退了迟早还会涌回的. 就像现在移动端应用, 手游和 html5 的火热, 某些方面不正在重演过去 PC 的那些历史么?
因此, 不要担心自己走错路误了终身, 坚持并保持进步才是正道.
起步阶段的核心任务是掌握硬知识, 软知识做适当了解, 有了稳固的根, 粗壮的枝干, 才能长出浓密的叶子, 结出甜美的果实.
2. 发展阶段
完成了基础知识的学习, 必定会感到一阵空虚, 怀疑这些语法知识是不是真的有用.
没错, 你的怀疑是非常正确的. 要让 Python 发挥出它的价值, 当然不能停留在语法层面.
发展阶段的核心任务, 就是 "跳出 Python, 拥抱世界".
在你面前会有多个分支: 科学计算和数据分析, 爬虫, Web 网站, 游戏, 命令行实用工具等等等等, 这些都不是仅仅知道 Python 语法就能解决的问题.
拿爬虫举例, 如果你对计算机网络, HTTP 协议, HTML, 文本编码, JSON 一无所知, 你能做好这部分的工作么? 而你在起步阶段的基础知识也同样重要, 如果你连循环递归怎么写都还要查文档, 连 BFS 都不知道怎么实现, 这就像工匠做石凳每次起锤都要思考锤子怎么使用一样, 非常低效.
在这个阶段, 不可避免要接触大量类库, 阅读大量书籍的.
3. 类库方面
「Awesome Python 项目」:vinta/awesome-python . GitHub
这里列出了你在尝试解决各种实际问题时, Python 社区已有的工具型类库, 如下图所示:
你可以按照实际需求, 寻找你需要的类库.
至于相关类库如何使用, 必须掌握的技能便是阅读文档. 由于开源社区大多数文档都是英文写成的, 所以, 英语不好的同学, 需要恶补下.
4. 深入阶段
这个阶段的你, 对 Python 几乎了如指掌, 那么你一定知道 Python 是用 C 语言实现的.
可是 Python 对象的 "动态特征" 是怎么用相对底层, 连自动内存管理都没有的 C 语言实现的呢? 这时候就不能停留在表面了, 勇敢的拆开 Python 的黑盒子, 深入到语言的内部, 去看它的历史, 读它的源码, 才能真正理解它的设计思路.
这里推荐一本书:
「Python 源码剖析」:Python 源码剖析
这本书把 Python 源码中最核心的部分, 给出了详细的阐释, 不过阅读此书需要对 C 语言内存模型和指针有着很好的理解.
另外, Python 本身是一门杂糅多种范式的动态语言, 也就是说, 相对于 C 的过程式, Haskell 等的函数式, Java 基于类的面向对象而言, 它都不够纯粹. 换而言之, 编程语言的 "道学", 在 Python 中只能有限的体悟. 学习某种编程范式时, 从那些面向这种范式更加纯粹的语言出发, 才能有更深刻的理解, 也能了解到 Python 语言的根源.
5. 最后的话
每个人学编程的道路都是不一样的, 其实大都殊途同归, 没有迷路的人只有不能坚持的人. 虽然听上去有点鸡汤, 但是这是事实.
希望想学 Python 想学编程的同学, 不要犹豫了, 看完这篇文章, Just getting started~
PS: 微软再发力 Python ,VS Code 与 Anaconda 达成合作
微软免费和跨平台代码编辑器 Visual Studio Code 已默认被包含在 Anaconda 发行版中. Python 用户现在可以在安装 Anaconda 的同时轻松安装 Visual Studio Code , 以提供出色的编辑和调试体验, 微软还为 Anaconda 用户量身定制了专用功能.
Anaconda 是一个流行的 Python 发行版, 主要用于数据科学和信号处理等领域, 可为 Windows,Mac 和 Linux 上的用户提供简化的 Python 环境.
此次合作也是微软投资 Python 社区的又一个示例. 微软在去年 9 月曾宣布计划将 Python 引入 Azure 机器学习, Visual Studio 和 SQL Server 中. 据微软称, Microsoft Python Extension for Visual Studio Code 是 VS Code marketplace 中下载次数最多的扩展插件, 迄今为止已有超过 600 万次的下载.
来源: http://www.jianshu.com/p/652e2b68977b