最全资料整理,用python激活2020
2020-3-7 18:4:52 Author: mp.weixin.qq.com(查看原文) 阅读量:4 收藏

伴随着新冠疫情的有效控制,企业陆续复产复工,职场人的2020年,也算是正式启动了。在这几乎所有人都足不出户的一个月里,多数人的心灵和脚步都无法按时上路,反而产生莫名的焦虑感:担心职业风险,寻求额外收入,思考如何精进,而大部分人则身陷迷茫和困惑中,不知何去何从。为此,我也做一点个人盘点,从一个结构性的角度开始,帮大家整理下python学习资料,希望能够在2020这个不平凡的年份里给焦虑的学习者带去一些能量。
写代码可以让头脑变得更加清醒。而在诸多编程语言中,python简单易学,拥有众多忠实的用户和粉丝。踏踏实实学习,不能保证我们在职业生涯中大有作为,但起码能够守住一份饭碗。
 
多数朋友转跨行学习python 的理由,是对某一个领域有兴趣或者寄希望于找到一份自己喜欢又能够赖以生存的工作,所以近年来大热的网络爬虫、数据分析、机器学习、人工智能就成为了众人追捧的对象。只是,单纯的掌握python某一个或几个方面的知识点,往往会让自己产生一个似有非无的疑问:“到底学没学会python?”。不够真实的自我评估,一定会浪费这门语言的真实价值。
 
抱着从整体到局部再到整体的心态,我做了一些整理,得出如下几个结论:
由点及面,举一反三。比如学到python基础list、tuple、dict序列的时候,有列表推导式的存在,就可以想到是否存在元组推导,数组推导。
先思整体,再看局部。每一本书籍的目录,都是对一整本书内容的提炼,且往往是对一个版块内容最好的总结。
专业之内,做到精通。比如数据处理中的pandas库,从Series和Dataframe结构到分类、统计、汇总,再到层次化索引,这些知识点是块状的和线条状的,本身就具有极强的关联性,可以做到组合提取。
知识面广,能力就强。在利用python做数据处理或科学计算的时候,往往需要调用大量的扩展库,而在动手写代码之前,需要做的就是理清思路,寻找问题的解决方案及执行流程。知识面的广窄,直接决定了你能调用武器的数量和质量。
不面面俱到,但有所耳闻。科学计算中,常用库包含Numpy、Scipy、matplotlib,此外,还有符号运算的帮手Sympy、三维可视化的TVTK、计算机视觉的OpenCV。
量力而行,循序渐进。学习一门语言,虽不需费九牛二虎之力,但也需要投入大量的精力和时间,心态、思维、毅力决定路能走多远。
 
以下内容,为近200本Python学习资料的收集、整理、分类、介绍,资料已添加至网盘,如有需要,请在公众号后台回复留言:python
注:如回复不及时,可能正忙,或留言较多忙于处理。但有言必有应,有应必有果。
按照python的学习进度和功能应用,可将其结构分为如下几块:
1.基础入门
入门阶段,低基础,高要求。代码初学,基本都是语法、变量、数据类型、语句等。代码的功底取决于基础知识的融会贯通和灵活应用。
    此处主荐:
  • Python编程初学者指南

  • Python编程入门经典

2.升级进阶
进阶时,主要学习python的函数、表达式、类、对象、模块、包,以及流程控制、异常处理。
    此处主荐:
  • 疯狂python讲义

  • Python核心编程

3.WEB开发

主要面向Web开发者,在掌握python基础知识后,了解脚本开发、文本类型、编码规范、文件处理、机器环境、程序设计、团队开发流程等内容。
    此处主荐:
  • Python开发技术详解

  • Python项目开发实战 第2版    

4.网络爬虫

面向爬虫爱好者。了解Web前端基础、HTML解析、数据处理、数据存储等。
    此处主荐:
  • Python爬虫开发与项目实战

5.科学计算

面向科学计算、数据分析、数据处理、机器学习等爱好者及从业者。了解数据格式、矩阵处理、线性表达、符号运算等内容。
    此处主荐:
  • python科学计算第二版


6.数据处理

面向科学计算、数据分析、数据处理、机器学习等爱好者及从业者。包含表格数据处理、自然语言处理、图像处理等内容。
    此处主荐:
  • Python数据处理

  • 用Python进行自然语言处理

7.数据分析

面向科学计算、数据分析、数据处理、机器学习等爱好者及从业者。主要利用python扩展库Numpy、Pandas、Matplotlib库及时间序列,对金融、工业、运营数据做处理。
    此处主荐:
  • 利用Python进行数据分析

8.机器学习
面向科学计算、数据分析、数据处理、机器学习等爱好者及从业者。包含机器学习、深度学习、神经网络、迁移学习、强化学习等内容。
    此处主荐:
  • 《机器学习实战:基于Scikit-Learn和TensorFlow》

9.大数据

面向大数据科学从业爱好者。介绍pyspark下的Dataframe、RDD、SparkSession、MLlib、数据流等内容。
    此处主荐:
  • PySpark实战指南:利用Python和Spark构建数据密集型应用并规模化部署

至此,完成初步整理。大家可根据自己的兴趣爱好和职业路径挑选有价值的书阅读,建议将获益良多的纸质版书籍购入,作为枕边读物。

感谢浩瀚书海,感谢前辈牛人,感谢耐心阅览。
万里尚为邻,相扶无远近。关注能量场,愿2020的你乘风破浪,直挂长帆。
另,风控从业爱好者,可关注知乎:正阳
此近200本Python学习资料已添加至网盘,如有需要,请在公众号后台回复留言:python
欢迎转发,多多留言

文章来源: https://mp.weixin.qq.com/s?__biz=MzI1MzA3Mjg4Mg==&mid=2647831062&idx=1&sn=c73c5e566658c754a9532084bf94b0b2&chksm=f1fc168bc68b9f9d32f18caafa45ea9e9cf34f8264e93786bd102380c9f38dce487a96ba2561&scene=58&subscene=0#rd
如有侵权请联系:admin#unsafe.sh