计算机专业但技术渣渣，想用python做毕业设计，有什么好的建议

使用python的django或者flask框架做网站

使用python做数据分析，如关键字、敏感字分析

使用python做网页爬虫，流量分析

使用pyqt做小程序

网页链接这里有几个例子不错！

具体能不能得看自己学得如何，如果学的很好的话，很容易找到工作。

学python的同时一定会接触到其他技术，毕竟光会python这门语言是不够的，要看用它来做什么。比如说用 python做爬虫，就必须接触到html, >

python是现在最火的数据分析工具语言python的进阶的路线是数据清洗，爬虫，数据容器，之后是卷积，线性分析，和机器学习，区块连，金融方面的量化等高端进阶。

python是现在需求做多的数据程序工程师的语言。移动互联网的前端红利时代已经过去了。现在需要的是跨界的数据工程师，语言会python就可以了，但是高等数学要学好，对其他行业要有认知，英语要好，能看懂国外社区的内容。

扩展资料：

Python的设计哲学是“优雅”、“明确”、“简单”。因此，Perl语言中“总是有多种方法来做同一件事”的理念在Python开发者中通常是难以忍受的。Python开发者的哲学是“用一种方法，最好是只有一种方法来做一件事”。

在设计Python语言时，如果面临多种选择，Python开发者一般会拒绝花俏的语法，而选择明确的没有或者很少有歧义的语法。

由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。这些准则被称为Python格言。在Python解释器内运行import this可以获得完整的列表。

参考资料来源：百度百科-Python

python的源码值得去读！

1无论是有没有其他语言的经验，入门Python都很简单。Python拥有简单直观的语法，方便的语法糖，以及丰富的第三方库。只要一个基础的Python教程，大家基本上都能无障碍的入门。

2在入门之后，很多人对于进一步学习的建议都是“做项目”、“看源码”，然而这样的建议实际是较难实现的，自己执行的效率会很低。

3对于初学者而言，Python入门很简单。入门之后只靠基础语法也完全可以做到平时写写脚本，解决自己工作、生活上的重复性劳动。想要什么功能，基本上都能找到方便的库。在只求应用，不求理解的情况下，很快就能实现日常表格处理、文件下载、邮件发送等功能。甚至像图像处理、OCR这样“高端”的功能也有对应的工具库可以使用。

4但是做到这种程度只是小打小闹，想要真正的在开发工作中使用Python语言，或者是在GitHub上贡献开源代码，都是远远不够的。这时候，初学者的常见问题主要集中在以下四点：

41学会了语法，但是不会应用。

仍然是用其他语言的逻辑在写Python代码，不是Pythonic的代码。

42Python项目结构不合理。

缺少对更深入主题的研究，例如装饰器、异常处理、多进程多线程、设计模式等。

5传统建议的解决方案

51对于初学者而言，应聘到一个使用Python语言做开发的团队显然是不现实的。那么基本上项目的来源就是自己找的练手课题或者在GitHub上参与开源项目。

52自己找个项目进行练手可以说是效果最差的方式了。它实际上还是摸着石头过河，接触不到优秀的源码和实现方法，也没有人指导。最终也只是实现了功能而已，不论是代码设计还是项目结构，都是闭门造车，提升有限。最大的作用也就是提高对语法、基本数据结构和标准库的熟练程度。

如果你已经决定学习Python数据分析，但是之前没有编程经验，那么，这6本书将会是你的正确选择。

《Python科学计算》

从发行版的安装开始，这本书将科学计算及可视化的常见函数库，如numpy、scipy、sympy、matplotlib、traits、tvtk、mayavi、opencv等等，都进行了较为详细地介绍。由于涉及面太广，可能对于单个函数库来说还不够深入，但是这本书能够让人快速上手，全面了解科学计算所用到的常用函数库。进而在此基础上选择自己需要的函数库进行深入学习，相对来说要容易得多。

《NumPyBeginner's Guide 2nd》/《Python数据分析基础教程：NumPy学习指南（第2版）》

面向新手的一本Numpy入门指南。整本书可谓是短小精干，条理清晰，将Numpy的基础内容讲得清清楚楚明明白白。此书的作者还写过一本《NumPyCookbook》/《NumPy攻略：Python科学计算与数据分析》，但这本书相比于前者，就显得结构有些杂乱，内容上也有些不上不下，如果要看的话，建议看完第一本再来看这本。在这里还想顺便吐槽一下这两本书的中文书名翻译。为了能够多卖几本，出版社也是蛮拼的，想方设法都要跟数据分析几个字挂上钩，就好像现在某些书总要扯上云和大数据一样。此外，还有一本《LearningSciPy for Numerical and Scientific Computing》的书，可以作为SciPy的入门教程来学习（似乎还没出中文版）。

《Pythonfor Data Analysis》/《利用Python进行数据分析》

这本书也是从numpy讲起，侧重于数据分析的各个流程，包括数据的存取、规整、可视化等等。此外，本书还涉及了pandas这个库，有兴趣的可以看看。

《MachineLearning in Action》/《机器学习实战》

Python机器学习的白盒入门教程，着重于讲解机器学习的各类常用算法，以及如何用Python来实现它们。这是一本教你如何造轮子的书，但是造出来的轮子似乎也不怎么好用就是了。不过，对于立志要造汽车的人们来说，了解一下轮子的结构和原理，还是十分必要的。此外，打算阅读此书之前，如果各位的高数线代概率论都忘得差不多了的话，还是先补一补比较好。

《BuildingMachine Learning Systems with Python》/《机器学习系统设计》

Python机器学习的黑盒入门教程。如果说上一本书是教你如何组装轮子的话，这本书就是直接告诉你怎么把轮子转起来以及如何才能转得更好。至于轮子为什么能转起来，请参阅上一本书。另外，可以配合《Learning scikit-learn:Machine Learning in Python》这本书来阅读（暂无中文版）。这本书是针对Python的机器学习库scikit-learn进行专门讲解的一本书，100页左右，可以作为官方文档的拓展读物。

《Pythonfor Finance》

教你用Python处理金融数据的一本书，应该是中国人写的，Packt出版，不过似乎现在还没有中文版。比起前面几本书，这本书专业性要强一些，侧重于金融数据分析。这本书我还没怎么看，也写不出什么更详细的介绍。之所以把它列出来，是因为在查资料的时候发现，O'Reilly年底似乎也准备出一本《Python for Finance》。看来Python真的是越来越火了。

以上就是关于计算机专业但技术渣渣，想用python做毕业设计，有什么好的建议全部的内容，包括:计算机专业但技术渣渣，想用python做毕业设计，有什么好的建议、如果只会Python能不能找到工作、python的源码值得去读吗等相关内容解答，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！