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。