如何系统地自学 Python？

任何编程语言要从基础知识开始。初级阶段的首要任务是掌握硬知识。

基础知识指的是语法、算法和数据结构，编程语言的范例，如变量和类型、循环语句、分支、函数和类。这部分知识也是通用的，它似乎已经掌握了一种语法，而它实际上是一种思维。

书籍

如果你是一个刚开始学习编程的初学者，一本可靠的语法书是非常重要的。这看起来很无聊，但是建立一个坚实的编程思维是非常必要的。在刚开始入门的时候，我们要看书，推荐《python入门经典》。这本书对初学者很好。你可以先看看。毕竟，它更简单明了。不管怎样告诉你，你需要在你知道它之前读它。

视频

免费的Python精品课程在阿里云的大学有很多，这一系列的教程，零基础的学生，是一个简单的，易于理解的Python3视频课程。文章的前半部分主要阐述Python3的语法特征，而下半年重点对Python3爬行，它的应用，pygame游戏开发和其他的例子。整个系列的16章，前13章从一个小游戏变成了Python，逐渐介绍了Python的语法和语言特点。最后3章是案例的论证，是对前面内容的总结和完善。

学习Python，一定要结合项目，目前有很多项目可以做。你可以根据自己的兴趣发展锻炼，刚开始可选择一些简单的慢慢来提升自己。

在过去的几年中,使用Python语言数据科学研究工具的数量逐年上升,据O ' Reilly数据科学从业人员薪酬调查中,54%的受访者使用Python作为首选语言,数据比2015年的调查结果——高出51%。

没有人可以否认，Python已经逐渐成为数据科学产业和智能时代的先锋，并将在未来继续为这一优势祈福。毫无疑问，无论是逐步扩大该行业的份额，还是科学图书馆的大量数据，以及温和的学习曲线，Python作为一种编程语言，几乎没有比它作为数据科学实践工具更合适的了。

当然，Python很容易学习，但是如果您是一个新的学生或实践者，您仍然需要一些基本的编程语言知识来帮助您克服第一个障碍。因此，我为数据科学家们准备了一个小的策略，尤其是初学者。这个小的策略将帮助您快速检查数据科学研究过程中的一些过程性应用，以及帮助您更快更好地掌握Python的指南。

这种小型攻击与数据科学中使用的数据科学有关，你可以阅读它。

这个小指南提到了Python的基础知识，如变量、数据类型、字符串、列表和诸如Numpy之类的基本库，这些库都用于科学计算。

自己多问下为什么学python

如果一门语言没有改变你的编程思维，那么它不值得你去学习”。如果这么说，我们大学的时候，学习了c，c++，java，C#，算是值得学习么？很多时候是不值得，我觉得我们大学的课程就是用java，c#，c++把"C程序设计"又上了一遍。希望对你有帮助哈！