经验&交流｜python 学习阶段性经验总结

决定认真学python到现在过去了大概5个月的时间。市面上有很多python for beginners的教程，也有很多专注于某些领域应用的教程，例如data analysis/finance/big data一类。beginners的课程因为是朋友推荐的而且比较幸运很对我的胃口，可是后面领域应用部分稍微有点“踩雷”了...换了好几个课程才搞懂为什么觉得“踩雷”，开个帖子总结一下

-----

我的情况： 1. 没有强烈转码目的（当程序员），但工作和学习生活需要要学；2. 不完全是0基础；3. 希望系统掌握一门编程语言并且有迁移学习的能力

----

python for beginners：ytb的博主bro code

推荐原因：这个博主应该是开发人员，而且是属于比较厉害的那部分，他的讲课结构是【一个小知识点+一些小程序/小例子】，对于初学者来说比较有趣。他能够在比较短的视频时间内讲明白每个知识点比较重要的使用方法和注意事项，因此跟着他的小例子来学习的同时，还可以自己做很多不同的尝试和思考，这些对熟悉一门计算机语言非常有帮助，而且是非常必要的。

我的笔记链接：https://www.douban.com/group/topic/288282537/?_i=27614064GRLrme

-------

python for data analysis（踩雷的部分和原因）

太长不看版：如果想学python for data analysis，可以考虑先学python pandas/numpy两个包的课程，再学python for data analysis

学完基础课程之后，尝试去学习python在某些专业领域的应用，选了python for data analysis/finance这两个，然后经常学到一半觉得卡住学不下去，原因并不是所学课程的老师讲得不好，而是没意识到跳过了一比较重要的一步，以python for data analysis 为例：

python 在数据分析中主要是使用了numpy和pandas两个package，这两个包是为数据分析设计的。这两个包虽然同样是在python这个编程语言的框架之下，但一些概念、函数和方法（method）的使用都和python有所区别，例如数据类型（data type）在python/pandas/numpy中的区别：

数据分析本来就是要基于数据类型和分析的目的去调整和清洗数据，这是最重要的一步，如果数据类型弄错，很多函数和方法就用不了，在处理数据的时候就会出问题，更别提能够做后续的分析部分。在我看过的2个python for da课程中，讲课的目的不光是告诉你怎么使用这两个包来处理数据，更重要的是为什么要这样处理这个数据，处理的思路是什么，其实已经有点偏向python应用于统计学上，讲的是统计学的思路，在这种情况下python只是工具，用python还是R用matlab其实没区别。没有大概学习numpy和pandas两个包的语法对我来说就特别痛苦（也不排除对其他人来说不痛苦😂但我是比较一根筋的思路），在统计学逻辑和编程语言各种概念中横跳学不下去

-------

这就是到目前为止的一些经验，如果有类似的情况可以参考一下> <

如果后续又觉得自己踩雷了或者遇到觉得好的课程会继续来更新