Python好学吗

记得刚学Python的时候，几乎所有人都说Python 简单易学，而对于编程零基础，只掌握Word和Excel的人来说，感觉真的好难。

学习之前网上的教材看了，Python的书也看了，包括《核心编程》，公开课也看了，包括莱斯大学和MIT的课。很多知识点，看的时候好像明白了，然后马上就忘，看了三四遍也记不住。

就算是多练习，多做题，很多题也是照着例题依样画葫芦就能做出来，改动一下就不明白了，感觉还是没有深入理解。

在网上看，到处都是自学几个月就很懂了然后找到满意工作的帖子，有没有人像我一样觉得很难呢？

有网友点评说：

Python语言本身是比较容易的，楼主说的难应该指programming本身。

不觉得非计算机专业出身就学不好编程，我就是学通信的，学Python全凭兴趣。平时用Python干各种脏活累活，数值计算、数据处理、复杂文本处理、数据库导入导出excel、网上抢票、Web数据抓取、消息推送、DHT网络爬虫、Kodi插件、Web自动化测试、网盘下载、云点播。甚至有次日记软件密码忘了，都是通过py+autoit暴力破解出来的。

我的win、debian、mac上面一般都会开一两个ipython，临时处理各类杂务。简单来说，Python现在就是我日常生活的一部分。我不是专业程序员，也没用Python做过什么大项目，只是每天享受Python带来的便捷与快乐。

楼主所说的不能深入理解，其实是不愿意花时间钻研。用了十几年Python，现在也要一直翻看官方文档和一些第三方module的文档，不断把遇到的问题弄懂弄透，学习不就是这个过程么？

我觉得楼主对Python无爱，对编程无爱，那就没必要强迫自己填鸭式“学习”了。

另外一个建议，练习时尽量不要copy后在现有demo基础上改，从头开始写起，遇到问题一个个查清，这样才能学到东西。

接收到这个小伙伴的答案，我内心开始反思，其实他说得都对的3个点是：

1其实本身我对编程是不热爱的，只是因为需要；

2其实本身我是对Python更上层可以用来做什么是不清楚的，思维还是在机械的完成一个Python习题；

3其实我本身对编程的难度是小悄了的，Python简单是相对于C、Java等语言。

说到这里，不知道看到本文的小伙伴有几个有类似的心理映射，如果你是上面的状态，那你学习Python一定是难的。

下面我们来看看另外一位学习者的建议：

python是一门简单易学，容易理解，分分钟就可以掌握的语言，我也是学了大概一两个星期吧，就开始做项目了，嘻嘻！！！

这里有一个很严重的问题，，我在学python之前，做过3点的C#，一年的php和一年的java！

所以呢，我想说的是，如果你对编程不那么敏感，就需要时间来弥补了，那些什么书啊，公开课啊，我觉得都是辅助的，你要是不经历几个项目，怎么知道python为什么容易学，怎么知道python好理解，怎么知道python有哪些超级好用的框架，比如django，tonado之类的。

所以呀，编程没有捷径，你甭想通过看。。。就学会，写起来才是最重要的！

最终通过对学习Python这件事，我总结了几点关于学习Python的建议，希望跟大家一起分享：

1编程语言是一回事，但更重要的是编程思想，不要把应试教育的思想带到这里面来，并不是所有的知识都能靠“五年高考三年模拟”来掌握；

2自己找个想用程序解决的任务，然后自己边学边完成。

3没有编程基础的人新学一门语言一定一定要有耐心，基础知识没有半年以上的学习和练习是很难彻底掌握的，千万不要图快，学的太快或许会有一时的成就感，但基础知识不扎实终将会成为你前进道路上的瓶颈，不仅学新的知识一知半解，工作时也会磕磕绊绊。

4没有计算机基础，不管学什么语言都会有点吃力的，python语法比较简单的。

5现在要做的就是把错误犯下100遍，那你就拿下这个Get了！

就像只要会JavaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。\x0d\\x0d\云基础设施\x0d\\x0d\这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。\x0d\\x0d\云平台分为私有云和公有云。私有云平台如日中天的 OpenStack\x0d\ \x0d\，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年\x0d\初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。\x0d\\x0d\如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。\x0d\\x0d\提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapReduce数据处理速度不够快，已经不再作为大数据处理的首选，但\x0d\是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第\x0d\三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。\x0d\\x0d\Hadoop MapReduce的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。\x0d\\x0d\DevOps\x0d\\x0d\DevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。\x0d\\x0d\自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox, \x0d\flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预\x0d\安装什么软件。\x0d\\x0d\自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。\x0d\\x0d\自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。\x0d\\x0d\在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。\x0d\\x0d\除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。\x0d\\x0d\网络爬虫\x0d\\x0d\大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。\x0d\\x0d\网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，>

《R语言编程指南》（任坤|译者）电子书网盘下载免费在线阅读

链接：> 提取码：oz8y  

书名：R语言编程指南

作者：任坤|译者

译者：王婷

出版社：人民邮电出版社

出版年份：2017-10

内容简介：

R是一个开源、跨平台的科学计算和统计分析软件包，它提供了丰富多样的统计功能和强大的数据分析功能。随着数据科学的快速发展，R已经成为数据分析领域非常流行的语言。本书通过15章内容，向读者全面讲解了R的基础知识和编程技巧。本书不仅介绍了R的安装、基本对象、工作空间管理、基本表达式、基本对象 *** 作、字符串的使用等基础内容，还对数据处理、R的内部机制、元编程、面向对象编程、数据库 *** 作、数据 *** 作进行了讲解，同时也涉及高性能计算、网页爬虫和效率提升等重要主题。

作者简介：

在量化交易中使用R以及C++和C#已有4年的时间，他一直致力于开发有用的但社区尚未提供的R包（每天工作8~10小时）。他为其他作者开发的扩展包做出过很多贡献，指出其中存在的问题并给出改进建议。他也是中国R语言大会的重要嘉宾，在R会议上做过多次演讲。在众多社交媒体中，任坤也受到了广泛关注。

你好，这主要是因为Python在处理大数据方面有着得天独厚的优势。

以后您如果再遇到类似的问题，可以按照下面的思路去解决：

1、发现问题:往往生活在世界中，时时刻刻都处在这各种各样的矛盾中，当某些矛盾放映到意识中时,个体才发现他是个问题，并要求设法去解决它。这就是发现问题的阶段。从问题的解决的阶段性看，这是第一阶段，是解决问题的前提。

2、分析问题:要解决所发现的问题，必须明确问题的性质，也就是弄清楚有哪些矛盾、哪些矛盾方面，他们之间有什么关系,以明确所要解决的问题要达到什么结果，所必须具备的条件、其间的关系和已具有哪些条件,从而找出重要的矛盾、关键矛盾之所在。

3、提出假设:在分析问题的基础上，提出解决问题的假设,即可采用的解决方案,其中包括采取什么原则和具体的途径和方法，但所有这些往往不是简单现成的，而且有多种多样的可能。但提出假设是问题解决的关键阶段，正确的假设引导问题顺利得到解决,不正确不恰当的假设则使问题的解决走弯路或导向歧途。

4、校验假设:假设只是提出n种可能解决方案,还不能保证问题必定能获得解决，所以问题解决的最后一步是对假设进行检验。不论哪种检验如果未能获得预期结果，必须重新另提出假设再进行检验，直至获得正确结果，问题才算解决。

1、语言的定义：

Python是一种跨平台的计算机程序设计语言。

是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。

R是用于统计分析、绘图的语言和 *** 作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

2、适用群体：

R语言在学术研究和调查工作中使用的比较多，逐渐延伸到企业商业界。使用人群不一样需要计算机背景，统计、金融、经济、核电、环境、医疗、物流管理乃至人文学科，都有R语言立足之地;Python相比R非标准的代码，Python作为出了名的语法简洁工具，对于一些稍有编程基础的人来说格外友好，可以减少在编程进程中的磕绊，没有任何基础的编程小白一样可以上手Python，适用于金融、医疗、管理等各行各业。

3、学习难度：

刚开始学习R语言的时候了解最基本知识和语言逻辑，入门不难，如果数理统计基础好的话学起来更容易，相反，如果没有数理背景，学习起来会增加难度;Python看重可读性和易用性，学习难度比较平缓，对于初级小白而言，十分友好，可就业方向也有很多。

4、就业方向：

R场景：数据探索、统计分析、数据可视化;岗位：数据分析师、数据科学家、投资分析师、税务人员、管理人员、科研人员等。

Python场景：数据分析、网络爬虫、系统编程、图形处理、文本处理、数据库编程、网络编程、Web编程、数据库连接、人工智能、机器学习等;岗位：数据架构师、数据分析师、数据工程师、数据科学家、程序开发员等。

下面我们来说一下Python具体的工作岗位以及其岗位要求：

Python后台开发工程师：主要是负责搭建和改进平台产品的后台，并与前端开发工程师相互配合完成整体产品的开发工作。要求工程师具备至少一门Python Web开发框架（Tornado、Django、Flask等），了解并熟悉MySQL/Redis/MongoDB。还要熟悉分布式、微服务、高性能Web服务的开发。

Python爬虫开发工程师：爬虫开发工程师并非我们预想的那样，只是负责为公司爬取相对应的数据内容。爬虫开发工程师主要负责对传统网页、SNS及微博等各种网站信息高效采集与正确解析，然后对用户数据进行整理分析，参与建模的构建，总结分析不同网站、网页的结构特点及规律，负责爬虫架构设计和研发，参与爬虫核心算法和策略优化研究。需要开发工程师熟悉了解robot规则、selenium、mitmproxy、pymouse等内容。当然作为爬虫开发工程师一定要有一定的职业情况，所有工作都需要在合理合法的需求下进行。

Python全栈开发工程师：是指可以使用Python相关工具，独立完成网站开发，称之为全栈开发。全栈开发工程师需要掌握非常多的技能，包括：项目管理、前后端开发、界面设计、产品设计、数据库开发、多端产品等等。

自动化运维工程师：是在基本的运维工作的基础上，实现运维工作的自动化，并且对自动化程序进行优化提升。需要从业者在掌握基本的运营工作的前提下，掌握Python中的IPy、Ansible、Saltstack等常用模块。

自动化测试工程师：首要要完成测试的基本工作，包括测试计划、测试用例、黑盒测试、性能测试等等。其次要是完成产品的自动化测试的部署以及维护工作，并且不断尝试新的方法，新的工具，以提高测试的效率。需要掌握Python以及selenium相关的技能。

数据分析师：指的是不同行业中，专门从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员。需要从业者了解行业相关业务知识、相关管理工作、掌握足够的数据分析方法、了解数据分析工具使用、能够完成数据分析建模等，工作内容偏重于分析，同样也要掌握一定的开发能力，例如R语言和Python语言。

数据分析开发工程师：根据数据分析师的建模完成数据相关的开发工作，搭建仓库、完成数据存储、数据处理、计算处理以及报表开发等工作。需要从业者熟练应用数据库、数据建模开发、Python相关数据科学知识等技能。

人工智能开发工程师：根据企业人工智能AI相关的开发需求，完成相应产品或者功能开发。需要从业者掌握充分的数据理论基础、Python开发基础、机器学习理论与实践、深度学习理论与实践、自然语言处理等一系列相关的开发技能。

Python游戏开发工程师：主要负责游戏服务端的逻辑开发。需要从业者掌握Python各种性能优化方法、soket网络编程知识、运维相关基础知识、以及Python相关的游戏开发库与框架。

此外还可以将Python开发相关工作按照岗位晋升分为初级Python开发工程师、中级Python开发工程师、高级Python开发工程师、项目经理、架构师、CTO等。主要是根据从业者工作年限，在某个就业方向的工作经验以及解决问题的能力进行定位。

无论是哪个就业方向，扎实的学习好Python相关知识是重中之重，在互联网行业，无论是大厂还是创业创新的公司，招聘人才的最核心要求是技术能力，只有自己的能力和岗位匹配的时候，才能获得更多的工作机会。

数据挖掘的编程语言，一般要看用于什么领域来进行选择，介绍一下数据挖掘的编程语言的应用：

数据挖掘会用到SQL结构化查询语言，其它任何编程语言仅是借助SQL结构化查询语言完成数据库的 *** 作、查询和维护。结构化查询语言(Structured Query Language)简称SQL，是一种特殊目的的编程语言，是一种数据库查询和程序设计语言，用于存取数据以及查询、更新和管理关系数据库系统。一般来说做数据分析挖掘每种编程语言基本都能做。比如在社会经济领域，普遍应用的是SPASS、SAS、MODELER等，一般的话，应用EXCEL也是可以的；在其他领域，编程能力强的可以用MATLAB，Python，R等语言上面这几种最好都学一下,做分析方面,R语言是强项。数据可视化是Matlab。但是挖数据要做爬虫，这个又会用到Java和Python,Python是个全能，在分析方面有Numpy，Scipy等数据分析库，又有很多爬虫库，还有matplotlib的库把数据可视化。

如果你想了解数据挖掘使用什么编程语言,推荐CDA数据分析师的课程,课程主要培养学员硬性的数据挖掘理论与Python数据挖掘算法技能的同时，还兼顾培养学员软性数据治理思维、商业策略优化思维、挖掘经营思维、算法思维、预测分析思维，全方位提升学员的数据洞察力。课程以项目调动学员数据挖掘实用能力的场景式教学为主，在讲师设计的业务场景下由讲师不断提出业务问题，再由学员循序渐进思考并 *** 作解决问题的过程中，帮助学员掌握真正过硬的解决业务问题的数据挖掘能力。点击预约免费试听课。

以上就是关于Python好学吗全部的内容，包括:Python好学吗、为什么说Python是大数据全栈式开发语言、《R语言编程指南》epub下载在线阅读，求百度网盘云资源等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！