python从入门到实践配套资源,Python进阶教程

　　本文从不同角度为不同阶段的Python学习者量身定制了49个学习资源。

　　新手

　　欢迎来到Python.org

　　https://www.python.org/的Python官方网站提供了一个开始使用Python生态系统和学习Python的好方法，包括官方文档。

　　艰难地学习Python

　　https://learnpythonthehardway.org/book/,的在线图书，有付费版和免费版。

　　Python中的基本数据类型真正的Python

　　https://realpython.com/python-data-types/介绍了Python中的基本数据类型。

　　如何运行您的Python脚本真正的Python

　　https://realpython.com/run-python-scripts/教你如何运行Python脚本

　　Python教程：免费学习Python Codecademy

　　https://www.Codecademy.com/learn/learn-python的codecademy提供免费的互动课程，帮助你练习Python的基础知识，同时为你提供即时的、游戏般的反馈。喜欢实践专业知识的人学习Python的好方法。

　　谷歌的Python课 Python教育谷歌开发者

　　来自https://developers.google.com/edu/python/. Google开发者的官方Python开发类本教程是一个交互式代码片段的混合体，可以在你的结尾和上下文文本中复制和运行。这是一个从世界领先的技术公司学习Python的半交互式方式。

　　学习Python-免费的交互式Python教程

　　这个在https://www.learnpython.org/的交互式教程依赖于可以实现和练习的实时代码片段。将此资源用作交互式学习方法，并提供一些指导。

　　Jupyter笔记本：介绍——真正的Python

　　https://realpython.com/jupyter-notebook-introduction/想要一种简单直观的方式来访问和使用Python函数吗？Jupyter笔记本是最好的选择。它比命令行和不同的拼凑脚本更容易使用。这是我自己设定的。本教程将帮助您开始学习Python的道路。

　　Python教程W3Schools

　　https://www.w3schools.com/python/的W3School使用了与教授HTML和其他Python相同的格式。使用交互式和文本片段来练习不同的基本功能。使用本教程，你可以获得语言的基础，学习Python。

　　Python Kaggle

　　https://www.kaggle.com/learn/python的Kaggle是一个数据科学和机器学习竞赛的平台。竞争对手使用数据集并尽可能准确地创建预测模型。他们还提供交互式Python笔记本来帮助您学习Python的基础知识。

　　学习Python:从零到英雄——freeCodeCamp.org

　　3359 medium . freecodecamp . org/learning-Python-from-zero-to-hero-120 ea 540 b 567本基于文本的教程旨在总结Python中的所有基础数据和函数概念。通过聚焦Python面向对象部分的对象和类部分，深入研究语言的通用性。最后，您应该对Python中的对象、不同的数据类型以及如何迭代或循环它们有一个简明的总结。

　　开始指南Python Wiki

　　官方Python Wiki上的https://wiki.python.org/moin/BeginnersGuides简单教程提供了丰富的资源，甚至包括一个中文翻译，供非英语人士学习Python。

　　Python教程教程要点

　　https://www.tutorialspoint.com/python/的设置方式与W3Schools类似，使用Tutorialspoint作为某些功能和部分的替代或复习。

　　Python(编程语言)Quora

　　在https://www.quora.com/topic/Python-programming-language-1.的Quora社区中有许多技术人员在学习Python。本节专门介绍Python，包括运行分析和有关Python状态的紧迫问题及其在各个领域的实际应用，从数据可视化到Web开发。

　　python开发社区开发到

　　https://dev.to/t/python.to每天都有用户从开发者那里提交的关于Python的文章和教程。使用这些观点来帮助你学习Python。

　　Python周刊：免费的每周Python电子邮件时事通讯

　　https://www.pythonweekly.com/如果你是每周时事通讯的爱好者，你会对Python周刊感到满意，它总结了关于Python的最新发展、新闻和有趣的文章。

　　Python YouTube频道的终极列表——真正的Python

　　对于那些喜欢在https://realpython.com/python-youtube-channels/,通过视频学习的人来说，Youtube频道列表可以帮助你在你喜欢的媒体中学习。

　　Python的搭便车指南

　　不像上面在《https://docs.python-guide.org/,搭车人指南》中列出的其他资源，它更自以为是，专注于寻找使用Python设置的最佳方式。将其作为参考，并确保您已经为使用和学习Python做好了最佳准备。

　　Python:哈佛、麻省理工、微软 edX的在线课程

　　https://www.edx.org/learn/pythonEDX利用企业和学术合作伙伴来规划Python相关的内容。内容通常是免费的，但你必须支付一个经过验证的证书，证明你已经通过了课程。

　　Python课程 Coursera

　　https://www.coursera.org/courses?通过query=python Coursera选择的Python课程可以帮助你获取大学和企业提供商的证书和课程。如果你觉得需要某种程度的认证，类似于edX，Coursera提供了某种程度的管理和认证，可以满足这些需求。

　　先进人物

　　Django Django入门

　　https://www.djangoproject.com/start/s官方Django框架介绍将帮助你设置它，以便你可以使用Python进行Web开发。

　　学习路径：Django:用Django进行现代Web开发

　　https://www . oreilly . com/learning-paths/learning-path-django/9781788998703/

　　OReilly的这个资源有助于为Python学习Django和Web开发技能提供更多规划。

　　一本熊猫食谱——朱莉娅埃文斯

　　https://jvns.ca/blog/2013/12/22/cooking-with-pandas/熊猫食谱可以用来清理和处理数据。使用它使我能够将数据清理到机器学习等所需的水平。它使用一个例子来展示如何过滤、分组数据并对其执行功能——然后根据需要可视化数据。熊猫库是量身定制的，可以让你有效的清理数据，并且可以从聚集层面进行转换和查看趋势(使用head()或describe等便捷的单行函数)。

　　最新的“python”问题堆栈溢出

　　https://stackoverflow.com/questions/tagged/python的堆栈溢出社区充满了紧迫的问题和实用的解决方案。把它作为Python的实现资源和学习Python的途径。

　　pythonReddit

　　https://www.reddit.com/r/Python/Python Subreddit提供了大量不同的Python新闻文章和教程。

　　数据科学Reddit

　　https://www.reddit.com/r/datascience/数据科学Subreddit提供了大量关于如何使用Python处理大型数据集并以有趣的方式处理它的资源。

　　数据科学性感：Python和R指南

　　3359 then extweb . com/DD/2016/04/08/start-using-Python-andor-R-data-science-one-best/我为下一个web写了这个指南，目的是为了区分Python和R以及它们在数据科学生态系统中的用法。此后，Python不断进步，开始在数据分析、可视化和探索中使用许多曾经构成R核心基础的库，在驱动世界的基础机器学习库中也受到欢迎。尽管如此，它仍然是一个有用的比较点和Python资源列表。

　　数据科学教程：在Python中使用API简介——data quest

　　当https://www.dataquest.io/blog/python-api-tutorial/处理数据时，一个基本技能是访问Twitter、Reddit和脸书使用的API服务，以暴露他们持有的一些数据。本教程将帮助您理解Reddit API的示例，并帮助您理解查询API时将获得的不同代码响应。

　　Python中的数据可视化简介——走向数据科学

　　3359 towards data science . com/introduction-to-data-visualization-in-python-89 a 54 c 97 fbed在进行数据处理之后，你需要提供数据以获得洞察力并与他人分享。本数据可视化指南总结了Python中的数据可视化选项，包括Pandas、Seaborn和ggplot的Python实现。

　　2019年要学习的顶级Python Web开发框架

　　3359 hackernoon . com/top-Python-we b-development-frameworks-to-learn-in-2019-21c 646 a 09 a9 a如果你想在Django之外的一组选项中开发和学习Python for web applications，那么这个编译是最好的。Hacker Noon出版物通常也提供本文之外的关于Python的有用资源。这值得一试。

　　高级玩家

　　Python机器学习初学者指南

　　3359 towards data science . com/beginners-guide-to-machine-learning-with-Python-b 9 f 35 BC 9 c 51这个基于文本的教程有助于向人们介绍使用Python进行机器学习的基础知识。对于数据科学来说，带有相关文章的Medium socket是机器学习和数据科学资源的绝佳来源。

　　Python课程中的免费机器学习-跳板

　　3359 www . springboard . com/resources/learning-paths/machine-learning-Python/这个来自Springboard的免费学习路径有助于规划你需要学习的内容，用Python练习机器学习。

　　机器学习Reddit

　　https://www.reddit.com/r/MachineLearning/机器学习subreddit经常关注最新的论文和经验进展。还讨论了这些进步的Python实现。

　　pythonKD nuggets

　　https://www.kdnuggets.com/tag/python的KD Nuggets提供关于数据科学、数据分析和机器学习的高级内容。它的Python部分讨论了如何用Python实现这些思想。

　　通过高级在线课程学习Python初学者Udemy

　　https://www.Udemy.com/topic/python/的udemy提供一系列Python课程，有很多高级选项，教你Python的复杂性。这些课程通常比认证课程便宜，但你应该仔细检查评论。

　　PySpark简介——走向数据科学

　　3359 towards data science . com/a-brief-introduction-to-PySpark-ff 4284701873 PySpark的引入将帮助您开始使用更高级的分布式文件系统，这些文件系统允许您处理比单个系统和Pandas更大的数据集。

　　sci kit-learn:Python中的机器学习

　　https://scikit-learn.org/大多数数据科学家使用Python的默认方式是使用scikit-learn来尝试模型思想：不同机器学习模型的简单优化。学习一些机器学习理论，然后用scikit-learn框架来实现和练习。

　　Python中数据可视化的下一个层次——走向数据科学

　　3359 towards Data science . com/The-Next-Level-Of-Data-Visualization-In-Python-dd6e 99039 d5e本教程将介绍更高级的数据可视化版本以及如何实现它们，允许您预览不同的高级方法，这些方法可以将数据从关系热图切片到散点图。

　　使用Python Coursera进行机器学习

　　https://www.coursera.org/learn/machine-learning-with-python, coursera因选择Python作为机器学习的课程而闻名。IBM提供的这一介绍有助于引导您浏览机器学习概念的视频和解释。

　　homedeep learning . ai

　　https://www.deeplearning.ai/deep learning . ai是吴恩达(斯坦福大学著名人工智能教授，Coursera创始人)试图给公众带来深刻的学习。我终于完成了所有的课程：他们提供认证，他们是两个互动笔记本的新鲜组合。你可以使用吴恩达自己不同的概念和视频。

　　fast.ai让神经网络再次变得不酷

　　这个在https://www.fast.ai/的深入学习课程有助于打破机器学习的一节一节的方式。最重要的是，它是完全免费的。我经常把fast.ai作为自己不太了解的深度学习概念的回顾或深入研究。

　　学习和使用机器学习 TensorFlow核心 TensorFlow

　　https://www.tensorflow.org/tutorials/keras的这个教程可以帮助你通过使用谷歌云基础设施的TensorFlow和高级Keras组件，深度学习一组时尚图片。这是学习和练习深度学习技能的好方法。

　　练习Python的资源

　　数据集 Kaggle

　　https://www.kaggle.com/datasets卡格尔提供了各种数据集，包括用户示例和向上投票，以指导您访问最受欢迎的数据集。使用示例和数据集来创建自己的数据分析、可视化或机器学习模型。

　　练习Python

　　在https://www.practicepython.org/练习Python有一堆初级练习，可以帮助你轻松地使用和练习Python。在处理不同的项目和练习之前，请将此作为初始热身练习。

　　Python练习W3Schools

　　https://www.w3schools.com/python/python_exercises.asp W3Schools上的Python练习遵循他们的一些教程，并允许你用Python做一些交互式练习(尽管练习在实践中非常简单)。

　　求解Python HackerRank

　　https://www.hackerrank.com/domains/python黑客排名提供了一系列的练习，要求你解决没有任何背景。这是在Python中单独练习不同函数和输出的最佳方式(尽管您仍然希望通过不同的项目巩固您的Python技能。)当您完成更多挑战时，您将获得积分和徽章。这无疑会激励我学习更多的知识。对你学习Python非常有用的沙盒。

　　欧拉项目：关于

　　https://projecteuler.net/的欧拉项目提供了各种更难的编程挑战，旨在测试你是否能使用Python解决数学问题。用它来练习你的数学推理和你的Pythonic能力。

　　编写您的第一个Django应用程序，第1部分 Django文档 Django

　　https://docs.djangoproject.com/en/2.2/intro/tutorial01/的这个文档可以帮助你实现第一个Django应用程序，允许你使用Python获取Web上的内容。一旦你开始使用它，你就可以建造任何你想要的东西。

　　2019年100大Python面试问题答案 Edureka

　　3359 www . edu reka . co/blog/interview-questions/Python-interview-questions/如果你在面试中遇到Python技能问题，这个面试问题列表会作为一个有用的提醒和复习提供帮助，是你练习和巩固不同Python概念的好方法。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。