Python從入門到轉行

逺方小鎭發表於2019-02-16
Python

題記：大二的時候發現人生苦短，所以信了拍神，開始學Python。學了大半年之後成功轉行做前端了。來寫個教程幫助大家入門Python。

Python零基礎入門

零基礎入門就得從最基本的變數，語法格式，資料型別，函式，作用域，模組等基本知識入手（有程式設計基礎基礎也得這麼來）

和籃球一樣，先來三步上籃：

  1. Python基礎知識入門，從程式基礎開始學，能看懂程式碼就可以了。三種選擇：
    第一種：找一本Python入門教程書，比如《Head First Python 中文版 》《笨辦法學Python 》《簡明 Python 教程》。Head First系列書籍都非常簡單易懂，適合文科生看，從最基本的東西講起，有程式設計基礎的同學看著會覺得幼稚。另外兩本都是普通入門書，隨便選。一些Python相關電子書下載， 密碼: yjw3。
    第二種：看網站入門教程，很多人推薦的廖雪峰Python教程
    第三種：視訊教程，推薦慕課網。其他還有網易雲課堂，學堂線上（這個裡邊大學課程比較多）
  2. 學寫一些基本的Python程式，上述《簡明 Python 教程》後邊的示例可以做。想更進一步掌握基礎，可以做一點leetcode easy題目練練手。（看個人情況唄，反正我是沒那個耐心，做題實在太枯燥，雖然寫題是很有好處的）
  3. 做一些感興趣的小專案，這裡有Python習題100例，很基礎。覺得不夠高大上可以玩實驗樓裡的專案，實驗樓是個不錯的網站，可以做一些很好玩的東西。

以上三步可以讓你21天精通Python喲

Tips：推薦一個神器，Python執行視覺化，可以一步步檢視程式執行狀態，變數狀態，函式呼叫，記憶體分配，對於理解變數生命週期，作用域，除錯理解程式非常有幫助。
開發工具：推薦Pycharm，有免費社群版，也可用edu郵箱註冊專業版。

Python進階篇

進階就是專注於Python的某個領域做深入研究了，Python主要包含了AI領域（NLP，深度學習，影像處理啥的，反正無所不能），Web開發（後端服務，爬蟲），資料處理（資料分析，科學計算），工具（比如讀寫Excel，編寫自動化指令碼），桌面開發（GUI工具）等等。
Python好強大啊，我又想寫Python了。

下面簡單寫寫我知道的領域的入門：

Web開發

Python Web框架眾多，是建網站的利器。對於建立不太複雜的CMS系統（比如新聞網站，部落格網站），Django強到沒朋友，開發效率無敵。對於注重靈活性的網站，Flask可以作為首選，靈活而小巧，非常優雅的框架。

  1. Django入門先看官方文件，瞭解基本概念。然後開始做實際專案，比如Django開發部落格系統教程
  2. Flask入門看官方文件，同Django。

爬蟲（網路資料獲取）

先科普，網路爬蟲，可以理解為在網路上爬行的一直蜘蛛，網際網路就比作一張大網，而爬蟲便是在這張網上爬來爬去的蜘蛛，如果它遇到資源，那麼它就會抓取下來。比如它在抓取一個網頁，在這個網中他發現了一條道路，其實就是指向網頁的超連結，那麼它就可以爬到另一張網上來獲取資料。簡單地說，利用程式從網頁上獲取你想要的資料。
Python的爬蟲框架非常多，也非常好用。
入門步驟：

  1. 理解網頁是怎麼構成的
    網頁的基本知識包括：
    基本的HTML語言知識
    理解網站的發包和收包的概念（POST GET）
    稍微一點點的js知識，用於理解動態網頁
  2. 解析網頁，這裡需要學習正規表示式
  3. 選取一個爬蟲框架，比如自帶的urllib，request，bs4等等
  4. 看官方文件，如何使用框架，然後就可以養一隻爬蟲咯。

教程點這裡

資料處理

上邊爬蟲講到如何獲取資料，這裡將學習如何分析處理資料，教程連結。
科學計算，資料處理用到比較多的是matlab，無所不能的Python當然也可以替代它。
numpy pandas是科學運算當中最為重要的兩個模組。Matplotlib 是一個非常強大的 Python 資料視覺化工具，繪製各種圖形。

  1. 看官網文件，理解這個庫的基本用法。
  2. 學習一些簡單的專案，上文提到的實驗樓也可以用

AI領域

略
從別處引用一點基本介紹

  1. Theano 是一種用於使用數列來定義和評估數學表達的 Python 庫。它可以讓 Python 中深度學習演算法的編寫更為簡單。
  2. Keras 是類似 Torch 的一個精簡的，高度模組化的神經網路庫。Theano 在底層幫助其優化 CPU 和 GPU 執行中的張量操作。
  3. Pylearn2 是一個引用大量如隨機梯度（Stochastic Gradient）這樣的模型和訓練演算法的庫。它在深度學習中被廣泛採用，這個庫也是以 Theano 為基礎的。
  4. Lasagne 是一個輕量級的庫，它可以在 Theano 中建立和訓練神經網路。它簡單、透明、模組化、實用、專一而剋制。
  5. Blocks 是一種幫助你在 Theano 之上建立神經網路模型的框架。
  6. Caffe 是一種以表達清晰、高速和模組化為理念建立起來的深度學習框架。它是由伯克利視覺和學習中心（BVLC）和網上社群貢獻者共同開發的。谷歌的 DeepDream 人工智慧影像處理程式正是建立在 Caffe 框架之上。這個框架是一個 BSD 許可的帶有 Python 介面的 C++庫。
  7. nolearn 包含大量其他神經網路庫中的包裝器和抽象（wrappers and abstractions），其中最值得注意的是 Lasagne，其中也包含一些機器學習的實用模組。
  8. Genism 是一個部署在 Python 程式語言中的深度學習工具包，用於通過高效的演算法處理大型文字集。
  9. CXXNET 是一種快速，簡明的分散式深度學習框架，它以 MShadow 為基礎。它是輕量級可擴充套件的 C++/CUDA 神經網路工具包，同時擁有友好的 Python/Matlab 介面，可供機器學習的訓練和預測使用。

這裡包含的東西太多了，基本學習方法如上。

給一個比較全的Python視訊課程

連結：https://pan.baidu.com/s/1htRyqtY 密碼：nc1f

附錄：

先來看看Python有多強大，不然不能被它所吸引，就學不下去了。
20行程式碼實現人臉檢測與識別：
face_recognition可以通過python或者命令列即可實現人臉識別的功能。使用dlib深度學習人臉識別技術構建，在戶外臉部檢測資料庫基準（Labeled Faces in the Wild）上的準確率為99.38%。

# 匯入識別庫
import face_recognition
# 載入已有的圖片作為影像庫
known_obama_image = face_recognition.load_image_file("face1.jpg")
known_biden_image = face_recognition.load_image_file("face_kid.jpg")
# 編碼載入的圖片
obama_face_encoding = face_recognition.face_encodings(known_obama_image)[0]
biden_face_encoding = face_recognition.face_encodings(known_biden_image)[0]
known_encodings = [
    obama_face_encoding,
    biden_face_encoding
]
# 載入要識別的圖片並編碼
image_to_test = face_recognition.load_image_file("face2.jpg")
image_to_test_encoding = face_recognition.face_encodings(image_to_test)[0]
# 計算該圖片與已有圖片的差別值
face_distances = face_recognition.face_distance(known_encodings, image_to_test_encoding)
# 自行設定同一張面孔的分界值，輸出比對結果 
for i, face_distance in enumerate(face_distances):
    print("The test image has a distance of {:.2} from known image #{}".format(face_distance, i))
    print("- With a normal cutoff of 0.6, would the test image match the known image? {}".format(face_distance < 0.6))
    print("- With a very strict cutoff of 0.5, would the test image match the known image? {}".format(face_distance < 0.5))
    print()

相關文章