我是如何在六个月内学会 Python 的？

从一个没有编程经验的药学专业学生到在新加坡工作的数据科学家。

作者 | Benjamin Lau

译者 | 王艳妮，责编 | 屠敏

出品 | CSDN（ID：CSDNnews）

以下为译文：

坦白地讲，学习一门新语言绝非易事。对于一个以前在编程或计算机方面没有经验的人来说，学习像python这样的一整门语言似乎是一项不可能完成的任务。但是，在同等情况下，只要你觉得自己可以，就没有什么是不可能的。现在，我想跟大家分享一些自己在学习2020年最受欢迎的编程语言（python）方面的tips。

心中有个目标

你可能会犯的最严重错误之一就是心里没有一个明确的目标。如果没有一个能催你前进的目标，你会很容易忘记自己学习这门语言的初衷。这是我的经验之谈，因为我之前尝试学习C和Java都没有成功。我学这两门语言都以失败告终，是因为我不知道将它们用到哪里，然后很快就放弃了学习的想法。没有任何使用案例的情况下，我也没能跨过语法学习那一关。

但是，在我学习Python的过程中，情况有所不同。我的目标是提升自己数据科学方面的技能并将自己的职业方向往分析领域倾斜，而学习python只是我计划的一部分。因此，我学python并不仅仅是为了学而学的。我需要python的实践知识才能做数据分析，需要理解一系列库才能开启我的项目。因此我学习python时内心是抱着一个更大的蓝图的。

万事开头难，制定好了第一份目标就等于完成了一半。为你正在学习的语言找到一款应用程序，那你离掌握这门语言就又近了一步。

资源

网上资源浩如烟海。我只有一条建议，那就是不要只依靠一个来源。充分利用那些类型各异的采用了不同交付方式的资源，以此来深化你的学习。以下是我用来学习Python的一些资源；

1. Udemy

Complete Python Bootcamp (https://www.udemy.com/course/complete-python-bootcamp/)和

Python for Data Science

(https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/) 的内容涵盖了Python编程的基础知识和在数据科学中必不可少的库。这些课程以视频讲座的形式进行，布置的作业需要在Jupyter Notebook上完成。

2.交互式编码环境

在学习数据科学过程中，Datacamp和Dataquest是绝佳的代码平台。它们能为你提供一个交互式的环境，使你可以在学习过程中进行练习，从而深化你对很多概念的理解，并渐渐熟悉写代码的过程。对于宽泛的python学习，请访问learningpython.org。编程语言和自然语言是类似的，学习的方法就是实践再实践。

3. edX

MITx的Computation Thinking using Python课程用课堂的风格教python，如果你无法参加真实校园里的课程，那这对你来说是最好的方式了，因为每周都会有大课以及课后作业，同时还要进行期中和期末考试。它们与其他MOOC的区别在于布置的编程作业，这些作业是经过深思熟虑的，它们要求学习者能够编写基本算法，这对于逻辑思维能力是很好的锻炼。

项目

如果不把所学知识付诸应用，你是不会知道自己有几斤几两的。项目是评估你所掌握知识的一种好方法，并且绝对是简历的重要加分项。找到一个感兴趣的项目去钻研，你学到的很有可能会比看网络课程更多。实践始终是学习一门技术的最佳方法。

举个例子，我本人做过把机器学习课程的材料从MatLab转换为python代码的工作。我曾经有整整一个月每天都在写代码，面向Google编程，试图掌握该语言。我坚信，在python的掌握上，这个过程比我学的任何课程都要更有用。详情请见：https://towardsdatascience.com/andrew-ngs-machine-learning-course-in-python-linear-regression-dd04fba8e137

GitHub

如果你打算进入技术领域，那么有一份GitHub个人介绍是必不可少的。对于你想构建的所有类型的应用程序，你都可以在上面找到能帮到你的示例/启动代码，你甚至可以为一些有趣的项目贡献代码。那么GitHub与学习python有什么关系呢？关系可大了去了。程序员们可以在复制代码中学习，而GitHub集大量的代码库于一身。你可以通过以下几种方法在GitHub上学习python：