1. 前言

好久没写文了。最近在搞一些好玩的技术用到了 Python 。我原以为要花些时日，谁知道第一天入门之后便没有再刻意地去学习它了。这里就写写其中的一些关键点吧。如果我去学一门语言不是因为它火了而是我用到它了。曾经闲着没事干的时候把 Kotlin 、Vue、React 学了，但是从来没有实践中用到它们，以至于现在几乎快要忘了。所以这是个惨痛的教训：有可能用不到的东西不要去学。有这个时间泡妞打游戏它不香吗？

2. 为什么选择Python

"玩蛇"其实我是拒绝的，我要搞个爬虫以及数据清洗，包括机器学习的一些东西。而这些方面 Python 具有先天性优势，所以 Python 成了不二的选择。从这里你需要知道当你要去学一个新技术时，你要知道它的优势是什么，它的场景是什么。有不少人去报个班学 Python ,当你问他为什么学 Python 的时候，他告诉你因为它火啊。这种是没有前途的。

3. 如何快速入门Python

这一篇是结合我个人的经历写的，所以想快速入门首先你要有编程的经历，掌握其它任何一门语言的前提下，有一定的学习能力，Python 对你来说是几乎没有难度的语言。

3.1 环境安装和包管理

Python 大部分人学习和使用直接去官方下对应的环境包安装就行了，当然这个也可以。事实上如果用的多了后面会涉及环境的问题。这里建议直接使用 Anacoda3 。这个可以看作 Python 中的 Maven 或者 Gradle 。将来你会遇到有得项目依赖 Python2 有的依赖 Python3 的问题，Anacoda3可以帮助你解决特定的环境管理问题。

3.2 一种以缩进来归纳代码块的语言

这个是 Python 比较特色的一个地方。它不使用大括号 {} 来控制类，函数以及其他逻辑判断的层次。如果是 Java 你会这么写：

 public void test(String str){
       if(str!=null){
          System.out.println("str ="+ str);
       }else{
         System.out.println("str is null");
       }
 }

用 Python 就这么写了：

  def test(str):
      if str:
         print('str')
      else:
         print('None')

从这里可以看出来 Python 把能省的都省了，连变量类型，返回值类型都不要了。作为面向对象的语言来说这有点”不严谨“ ,但是作为脚本语言来说这就非常受用了。写这一篇文章的时候刚好需要修改个证件照的大小，Python 随手就处理了：

 file_dir = './2.jpg'
 
 with Image.open(file_dir) as img:
     x, y = img.size
     x_s = 650
     y_s = y * x_s / x
     out = img.resize((int(x_s), int(y_s)), Image.ANTIALIAS)
     out.save('./3.jpg')

在你掌握一门其它语言的前提下学习 Python 是很容易的。所以基本语法几乎是一遍过。高级特性建议边用边学，不用再这个上面浪费时间。学习任何一门语言都是多练多写。就像神枪手都是子弹喂出来一样，一名出色的 Coder 都需要代码量达到一定的量级。

3.3 难点

我觉得唯一的比较花时间的就是切片(slice)。切片就是按照范围取 list 或者 tuple 中的值。非常灵活，切片不但有正序也有逆序。这也是 Python 擅长处理数据的重要原因之一。这里要花大量的时间取练习和理解操作数据。机器学习，科学实验，数据分析都用得到。

4. 如何快速学习

建议直接自定一个小需求开始学，遇到问题就去解决问题。然后着重练习并理解自己遇到的问题的技术解决途径。我写完 HelloWorld 就没有去按部就班了。找了个爬虫脚本去尝试爬东西。并且去理解里面的一些写法，然后把自己的一些想法实现进去。练习数据处理可以去连一个数据库，进行各种数据的聚合操作。学新东西你往往不知道什么对你有最直观的提高，只有需求才能让你找到短板、看清方向。不要纠结于某些你不知道用途的语言特性。

5. 尽情地调包

”玩蛇“ 就是玩调包！一名出色的 Python Coder 都是调包侠！Python 有非常丰富的类库让你去实现各种想法。所以用 Python 不要遇到场景就想着造轮子，先去找找有没有轮子。这里有几个常用的轮子你可以在学习的时候就能用起来:

BeautifulSoup 玩爬虫必备
Pillow 图片处理库。比如我上面给美女帮忙P图的的就是它，赢得好感必备。
Numpy 高性能科学计算和数据分析的基础包。玩机器学习必备。
Pandas 数据分析必学

还有非常多，不过上面的几个在某些领域非常强大，玩的好能当饭吃。

6. 总结

Python 作为第二语言非常不错，而且上手非常快。平时处理点数据很顺手，玩起来很爽。如果想搞一些人工智能的东西，需要的门槛就高些，数学、统计、概率、英语、建模一个都不能少。所以如果要吃 Python 这碗饭还是要看清楚自己的能力的。单单会 Python 并不让你具备优势，更不值得去报班学习，因为学 Python 没有难度。