Python新手必读：入门完全指南

全文共3025字，预计学习时长6分钟

正在阅读本文的你可能刚刚踏上数据科学之旅，正在思考学习何种课程以大幅提升自身能力。

本文将介绍一门每位数据科学初学者都应学习的入门课程——从本文作者的故事开始。

为何学习

几年前在多伦多大学学习土木工程时，我经常读到一些文章，其中描述了像我一样的普通人是如何通过学习编程创办自己的公司，获得出色的工作并过上有意义的生活。

我也希望像他们一样。

那时，我已经知道工程并不适合我了，因为我并不专业，也没有那么喜欢它。我想学习一些技能，以备不时之需，于是我决定尝试编程。如果别人都可以做到，那应该不会太难吧？

从Python开始

我尝试使用各种不同的编程语言，比如ruby，html / css和java，但最终选择了python，因为它对我来说最有用。

一开始我参加了Codecademy的Python学习课程（
https://www.codecademy.com/learn/learn-python），因为这是在搜索如何学习python时出现的前几个选项之一。

我刚开始上课时，一切都是免费的。随后，网站增加了特殊的付费课程。但网站仍然保留了一些基础课程。可以利用这些课程免费学习python的基础知识，打下一定的基础。

我还通过freeCodeCamp观看了Python学习-初学者完整课程的YouTube视频（
https://www.youtube.com/watch?time_continue=6852&v=rfscVS0vtbw），学习它有助于了解Python中最重要的概念。它既可以作为理解Python基础知识的优秀指南，也可以用来巩固已学到的知识。一个周末就可以学完这门课程！

另一个优秀的资源是Code Wars（https://www.codewars.com/）等编码挑战网站，在网站上运用python技能解决编码难题。你可以选择挑战的难度，查看其他人的代码，学习他们的解决方法。我曾经尝试每天做一道题，但没能坚持下去，最终完全放弃了。

缺乏恒心是我面临的巨大难题。

在过去的几年里，我总会受到鼓励开始学习或者练习，但随后又失去热情，停滞一段时间再重新开始。

如此循环往复。

这些波折缘于我对自己和自身编程学习能力的怀疑。

我会给自己找借口，例如：

•有很多服务无需了解个中原理即可用来编写代码

•我年纪不小了，不适合学习全新的东西，应该专注于已掌握的知识

•它太难了

缺乏毅力与自我怀疑浪费了很多时间。现在我意识到，只要坚持每天努力学习，再小的进步也是一种收获。

数据科学之旅

几年之后，我成为了一名建筑项目经理，但并不太喜欢这份工作。我很后悔没有在编程学习上投入更多精力。

我依然定期阅读有关企业家和程序员的文章，这些人通过自学过上了更好的生活。我想，如果不尝试一下，将来一定会后悔。

我不断听人们提起数据科学是未来发展的趋势。当我发现python是数据科学家们首选的语言时，我认为这就是我职业生涯追求的方向。

我在网上搜索如何学习数据科学时，偶然发现了这篇《依据评论排出的互联网上最好的数据科学课程》（
https://www.freecodecamp.org/news/the-best-data-science-courses-on-the-internet-ranked-by-your-reviews-6dc5b910ea40/），它介绍了一条从初学者到机器学习工程师的学习路径。

当我意识到自己需要复习python基础知识后，我开始在Coursera上学习文章中推荐的编程导论课，即多伦多大学开设的编程学习：基础知识（LPT1）（
https://www.classcentral.com/course/programming1-385）和高质量代码研究（LPT2）（
https://www.classcentral.com/course/programming2-390）。这些课程既包括引导人们学习的授课视频，也有可以巩固Python技能的作业练习。它们为数据科学初学者提供了不同难度和范围的内容。对我而言，LTP1是一门很棒的课程，因为我之前已经学习过Python的基础知识。同时我也从中学到了很多新知识。这些课程的优点是它们会告诉学习者如何正确编写代码以提高“可读性”。在学习更难一些的LTP2时，我遇到了很多困难，但也从中学到了很多。

在此之后，我继续按照推荐的学习路径，决定学习一门数据科学入门课程。被专业的网站和出色的课程设计所吸引，我最终选择了Udacity的数据分析导论课。

不知道为什么，在开始学习这门课程时我遇到了许多困难。一开始，它介绍了 Anaconda & Jupyter Notebooks，我也花了很多时间试图了解它是什么以及如何使用。在我看来，课程对它的解释不太有用，因此我很难继续学习下去。我认为Udacity的课程有时并不能很好地指导学生完成练习和测试。它假定学习者已经提前掌握了相关概念。因此，我停止了这门课程的学习。

我再次产生了疑问。

如果连一门数据科学入门课都无法完成，我该如何成为一名数据科学家！这让我感到非常沮丧，不知道接下来该怎么做。

改变一切的课程

我在浏览其他数据科学家的instagram页面时发现了这门课程。我四处浏览，发现有人提到 Udemy上Jose Portilla的用于数据科学和机器学习的Python训练营（
https://www.udemy.com/course/python-for-data-science-and-machine-learning-bootcamp/）。这门课程似乎很受欢迎，备受好评，所以我决定进一步了解它。

一开始我很怀疑，认为花里胡哨的标题可能是个陷阱。所以，我研究了评论并将之与其他在线学习平台进行比较，发现物有所值。

我决定尝试学习这门课程。

这是一门付费课程，但Udemy上的课程总在打折，其实际价格大概为15美元。这笔钱花得很值，因为这门课程浓缩了数据科学的所有主要方面，易于学习。

这门课程极大地提高了我对数据科学的理解，技能和信心。

它深入介绍了numpy，pandas，matplotlib，seaborn等库的主要概念。学习者可以在Jupyter上跟进，并根据该课程自行完成一个项目。甚至可以将这些项目修改后写进自己的简历！我的github就包含这门课程中的项目（
https://github.com/oscar-kwok）。

这门课主要介绍机器学习及其入门方式。

它将重点放在实践，而不是理论，这一点深得我心。因为实践是学习的最佳途径。它简明扼要地介绍了理论，方便学习者充分理解，并将之应用到项目中。

我仍在学习这门课程，希望能利用学到的知识来开展自己的项目！

总结

希望我的经历以及学习的步骤和课程能够帮助数据科学的初学者探索自己的道路。

每个人的道路，从方法到学习耗时，都有所不同。遇到困难时不要沮丧。我曾多次想过放弃，现在仍然会产生这样的念头。关键是要有恒心，一步一步向前迈进。

留言 点赞 关注

我们一起分享AI学习与发展的干货

如需转载，请后台留言，遵守转载规范