16年开始正式进入python世界。从基础入门到后端（flask、django）、爬虫、机器学习，搜集了不少资料。整理了一下，便于自己回顾，也希望能帮助到大家。
如果喜欢，请给一个star :)
- python3.6:关于python2和python3的争论网上有很多，对于新手，我建议直接下python3，能省很多事。
- pycharm:python世界最好的一款IDE，装它没错:)
- pycharm安装使用教程：
- ipython:一款python解释器，比原装的好用
- learning-python-for-non-developers：告诉你怎么学python的一篇文章
- 廖雪峰python教程：可能是最好的中文python3教程。如果你不喜欢英文，看它就够入门了。
- 萧井陌的编程入门指南：你还得了解一下，编程世界还有什么。python是不是你(现在)要学的？
- The Hitchhiker’s Guide to Python!：
- A Byte of Python简明python教程：边看边练习
- Python Resource：一份python资料，国人写的
学完上面那些，你可能觉得自己什么都干不了...是的。想要成为大牛，当然还得看点别的，提高一下。
- python标准库：python有丰富的标准库。很多好东西库里已经有了！
- 如何阅读python标准库：知乎有很多牛人对这个问题作出了回答
- python常用的标准库以及第三方库有哪些？：
- 有哪些库让你详见恨晚？：
- awesome python：列出了尝试解决各种问题时，python已有的工具类库
- python的非常酷的包：
- python正则表达式：
- fluent python:进阶的书籍一
- python高级编程：进阶的书籍二
- python cookbook：进阶的书籍三
- python进阶必读汇总：一篇挺有意思的文章，有些干货
- stackoverflow python 百问：如果你实在不知道自己不懂什么...可以看看别人都问了什么，看你知不知道？
- 理解装饰器：用过都说好，但你最好知道其中原理
- 深入理解元类：
- 深入理解yield：：
学的有点无聊了？做点小练习吧！
- python练习册：每天一个小程序：
- 作者的解法（求轻喷）：
- PRACTICE PYTHON：国外的一个题库，附带了solution：
- leetcode算法题：找工作必备，可以用python刷起来
- TDD学python：
- 500 line or less：500行代码能干的事情有很多！：
- Codecademy：一个在线学习、闯关的网站
很多人用python来写web。python的web框架主要有：Django、Flask、Tornado等。我主要学习Flask和Django，所以资料也是以这两者为主。
- Flask官方指南：
- Flask微框架的应用经验谈：
- flask源码分析：
- flask博客教程入门：
- flask博客教程进阶：
- 优达学城：用python写一个博客网站：有时间可以跟一跟
- django教程：被解放的姜戈：
- django搭建简易博客教程：
- djiango基础教程（有搭建的部分）：
- flask mega-tutorial：
相较于web、机器学习等技能，爬虫可以说是最简单的。如果你有比较好的基础，学一两天就能写出一个爬虫。写好爬虫是python工程师的基础，但是，切勿沉迷于爬取美女图片等奇淫技巧上。少年，你的梦想是拯救世界的呐！ 咳咳。回到正题，如果你不想在爬虫上耗费太多功夫，我建议你看看：
- requests库：适合人类使用！尤其是你之前学过urllib...
- beautiful soup文档：负责解析
- scrapy：一个框架
- 爬虫项目大全：改改别人的代码，试一下新学的技术
- 豆瓣爬虫：基于requests/beautifulsoup
如果你的梦想是做AI，看这些就对了：
- What is the difference between Data Analytics, Data Analysis, Data Mining, Data Science, Machine Learning, and Big Data?：数据分析，数据挖掘，数据科学，机器学习和大数据有什么关联？
- 如何系统的学习python：
- 机器学习入门资料整理：
- 优达学城课程：
- DATAQUEST-数据科学家的path：
- Scipy Lecture Notes-One document to learn numerics, science, and data with Python：
- python numpy教程：
- Python数据分析基础教程：NumPy学习指南（第2版）：
- 机器学习个人资料整理：
- 吴恩达-Deep Learning Tutorial:
- 在一周内学会在实际中使用机器学习：
- 在一年内学会在实际中使用机器学习：
- 基于深度学习的人脸识别（maching learning is fun）：
- 使用深度学习方法实现图像修复：
- How to Code and Understand DeepMind's Neural Stack：
- 面向程序员的数据挖掘指南：
再推荐几本书：
- 周志华机器学习
- 统计学习方法
- 机器学习实战
- 用python写机器学习算法
- 利用python进行数据分析
- 集体智慧编程
- 推荐系统实战
不做土鳖，学会优雅的写python。
这方面我也看得比较少，以后会慢慢补上，大家也可以在issue里面给我推荐。