Python如何自學 發展方向與路線
分情況討論
如果是985,211大佬或者搞過其他語言的（學過HTML的不算！），不需要學，一看就會。
完全沒接觸過編程的話，那就是另外一回事了。
自學的話，目的不一樣難度等級也相差很大。
如果你只是拿這個語言乾點小工作或者小腳本，自娛自樂。（難度等級：簡單）
如果要靠這個吃飯，那就完全不一樣了。（難度等級：困難）
具體爲什麼，看下面就明白了。
如果是第一種
只是興趣，自娛自樂的話，完全不需要學的很全面，而且一些軟知識，也可以一眼帶過。
如果是第二種
恭喜你，開啓了新世界的大門。
不管哪種目的，語言基礎全家桶【變量、數據類型、選擇和循環語句、函數、類、模塊】，這些語法、概念要先搞定。這些是編程最基本的概念了。而且這些東西，可以直接往其他語言上套用。套不上？等套不上再說！ 這就是之前爲什麼說搞過其他編程語言的，不需要特意花時間專門學語言的原因。用的時候，邊用邊學，邊學邊用，過一段時間自然就掌握了。
這一塊的教程網上滿天飛。菜鳥教程就還行，不是廣告，不是廣告，不是廣告！！！。
（https://www.runoob.com/python3/python3-tutorial.html）
個人自學很容易會在最開始裝環境這一步出一些亂七八糟的問題。環境這一塊，不推薦使用一些已經集成好的環境，還是需要自己學會配置環境，要知道出問題怎麼調整。因爲去公司，一般前兩天就是需要你自己配置工作環境，這種問題問同事…
環境配置這一塊（python3.x + pycharm）網上也是視頻，文章一大堆。現在比較友好的是，大家不需要再糾結python是要裝2.x還是3.x版本了。2.x已經停止維護了，新項目基本就是3.x了。
當然如果想要了解一些python的歷史，特點什麼的可以參考B站裏的一些視頻。比如：https://www.bilibili.com/video/BV19J41167Bc
基本語法這一塊，如果996的話，基本上10天就差不多了。最開始不用深入研究面向對象或者高階的一些東西（比如裝飾器，元類等），然後自己寫點純控制檯的文字項目做個總結。
比如搞一個文字對戰遊戲（就是兩個人有一些屬性，然後相互傷害），或者什麼猜大小這種項目做個總結。那麼基本語法階段就可以先告一段落。這裏只是說基礎語法，有些複雜可以後邊再補，不然上來就啃難的，很容易從入門到放棄。
岔路口
然後就是岔路口。不同的路，除了語言一樣，其他知識就千差萬別了。
這裏可以分五條路：
自動化運維
Web
爬蟲
數據分析
人工智能（數據智能化）
還有些人會把遊戲方向也算進去，Unity、Unreal、Cocos、LayaAir不香嗎？
什麼遊戲後端？C++和Rust不香嗎？小遊戲那你就隨便~
自動化運維不太清楚，就不討論了。聊聊其他幾條路。
Web
先聊聊web，那麼傳統的HTML，CSS，JavaScript這三樣不能少了吧！
JavaScript一些庫和框架也要了解一些吧！jQuery，Bootstrap，Ajax。
前端框架也要了解一些吧！Vue，Angular，React。框架核心還是JavaScript。
後端框架也要了解一些吧！Django，Flask，Tornado。
數據庫也要了解一些吧！MySQL，MongoDB，Redis。
網絡也要了解一些吧！Socket，TCP/IP，HTTP。
序列化也要了解一些吧！JSON，XML，ProtoBuff。
但是後邊這幾個（數據庫，網絡，序列化）是所有技術通用的。
TM~ 搞個Web這麼大一坨東西~
爬蟲
爬蟲嘛，技術好不好，全看能不能強到吃牢飯的地步。每個知識都是一個入獄小技巧。
有些東西和上面的Web一樣。除了框架不用瞭解其他的基本也全需要。其他的就是爬蟲相關的框架或者工具庫了。
爬蟲主要分爲三步。
-
把冰箱門打開
-
把大象塞進去
- 把冰箱門關上
走錯片場了。
-
模擬網絡請求
-
信息解析
- 數據持久化
urllib，requests這兩個基礎的請求庫，或者只學後一個也可以。
lxml/xpath，beautifulsoup/css選擇器，正則這些解析工具。
selenium，appnium，airtest這些自動化測試工具，雖然這些事測試工程師的工具，但是搞爬蟲的也要學一學，主要是爲了反爬。
Fiddler，Charles， Wireshake這些抓包工具，用來搞一搞app。
Scrapy，Celery，Apsheduler框架也要了解一下。
UA，IP，Cookie，字體反爬，css反爬，驗證碼，js加密，安卓逆向這些反爬措施也要了解一下吧。
當然想進監獄更快一點，再搞點多進程多線程協程。
其實爬蟲搞到最後，那都是…
數據分析
數據分析主要是業務的理解，其他的都只是輔助工具，用來加速數據處理或者可視化等。
（馬雲數據分析哪個省的妹子胸最小）
業務就不說了，每個行業千差萬別。我們這裏只討論技術。
Excel是個好東西。
Excel表示：搞什麼編程，我一個打十個。
當然Excel很強大，但也需要其他一些知識
數字數據處理那就學一學numpy，pandas，scipy。
數據可視化可以學一學matplotlib，pyecharts，seaborn。
BI工具可以學一學PowerBI，Tableau，FineBI。
當然數據分析再多走一步就是數據挖掘，機器學習了。比如sklearn、pytorch，tensorflow。
人工智能
這個主要就玩數學和算法了，而且方向其實分的也很細。不同的方向，知識體系也是千差萬別，現在大部分人工智能都在指的是機器學習的領域。
關於人工智能領域，大家可以先了解一些概念，對哪個方向有興趣，再深入研究即可。
關於概念級別的推薦這位大佬的，講的很通俗易懂。
https://www.cnblogs.com/subconscious/p/4107357.html
真正的開始
當基礎語法搞定、方向選定，真正的自學之路纔剛剛開始。建議學習的時候，買本書參考或者利用網上一些系統的教程。
比如書的推薦（真沒有打廣告啊~~~~）：
詳細目錄和試讀可以參考噹噹網
http://product.dangdang.com/24003310.html
網絡教程推薦：（8w start +）
[https://github.com/jackfrued/Python-100-Days![]
(https://github.com/jackfrued/Python-100-Days)
Day01~15 - Python語言基礎
Day16~Day20 - Python語言進階
Day21~30 - Web前端入門
Day31~35 - 玩轉Linux操作系統
Day36~40 - 數據庫基礎和進階
Day41~55 - 實戰Django
Day56~60 - 實戰Flask
Day66~75 - 爬蟲開發
Day76~90 - 數據分析和機器學習
Day91~100 - 團隊項目開發
自學時候的一些建議：
-
首先如果能有一些志同道合的小夥伴一起學習或者大佬帶一帶那是最好的，不然很容易放棄，不管是一個人還是和其他人一起，一定要耐的住性子，畢竟編程是一個實踐性很強的活動，而且還很容易出問題。
-
詳細的學習計劃，最好用一些工具，給自己安排一些計劃，並嚴格執行，形成固定的課程表。不然拖延症一犯——今天是a = 100，一年後b = “hello world”。
-
自信一點，不要懷疑自己，頂尖的那些程序員是需要一些天賦，但大部分都還輪不到拼天賦的地步，就像大學拿獎學金一樣。
-
出錯不要慌，英語好的同學，直接看報錯信息，不好的小夥伴拿出你們gg百度翻譯，先看報錯說明，不行的話，把你的報錯ctrl+C然後ctrl+V到gg百度，如果還不行可以到知乎，論壇什麼的發帖求教。
-
有些課雖好，但不必一開始就啃，往後放一放，不然沒有什麼成就感，沒辦法激勵自己。比如數據結構，算法，計算機組成原理，計算機操作系統，計算機網絡，數據庫系統……
-
多練習多表達，可以用博客的方式記錄自己的學習過程或者學習心得，甚至自己的代碼也可以保存一份，過一段時間再回來看看，別有一番風味。
-
學編程很多時候需要“不求甚解”，對於某些抽象的概念如果怎麼想都想不明白，可以先放一放，先比着葫蘆畫瓢搞明白怎麼做就可以了，具體爲什麼隨着學習的深入自然就明白了。這就像你學說話，如果每說一句話前都要分析一下主謂賓定狀補，那估計到死一句話也說不囫圇。
- 最後一一個字，多看書，多思考，多寫代碼。學編程，不怕笨，也不怕懶，就怕又笨又懶。
一張圖表明我們的學習過程。無知要比博學更容易產生自信。