学习Python的49个必备资源

今天就跟大家聊聊有关学习Python的49个必备资源，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

成都创新互联专注于定结企业网站建设,响应式网站,商城网站制作。定结网站建设公司,为定结等地区提供建站服务。全流程按需网站开发，专业设计，全程项目跟踪，成都创新互联专业和态度为您提供的服务

本文为不同阶段的Python学习者从不同角度量身定制了49个学习资源。

初学者

Welcome to Python.org

官方Python站点提供了一个开始使用Python生态系统和学习Python的好方法，包括官方档。

Learning Python The Hard Way

一本在线书籍，有付费版与免费版的

Basic Data Types in Python – Real Python

介绍了Python 中的基本数据类型

How to Run Your Python Scripts – Real Python

教你如何运行Python脚本

Python Tutorial: Learn Python For Free | Codecademy

Codecademy提供免费的互动课程，帮助您练习Python的基础知识，同时为您提供即时，类似游戏的反馈。对于那些喜欢练习专业知识的人来说，学习Python的好方法。

Google’s Python Class | Python Education | Google Developers

来自Google开发人员的官方Python开发类。本教程是交互式代码片段的混合，可以在您的结尾和上下文文本上复制和运行。这是一种从世界领先的技术公司之一学习Python的半互动方式。

Learn Python – Free Interactive Python Tutorial

此交互式教程依赖于可以实现和实践的实时代码片段。使用此资源作为交互式学习的方式，并提供一些指导。

Jupyter Notebook: An Introduction – Real Python

想要一种简单，直观的方式来访问和使用Python函数吗？Jupyter Notebook就是最好的选择。使用它比命令行和不同的拼凑在一起的脚本更容易。这是我自己使用的设置。本教程将帮助您开始学习Python的路径。

Python Tutorial – W3Schools

W3School使用与用于教授HTML和其他Python相同的格式。使用交互式和文本片段练习不同的基本功能。使用本教程可以获得语言的基础并学习Python。

Python | Kaggle

Kaggle是一个举办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，帮助您学习Python的基础知识。

Learning Python: From Zero to Hero – freeCodeCamp.org

这篇基于文本的教程旨在总结Python中的所有基本数据和功能概念。通过关注Python的面向对象部分的对象和类部分，它深入研究了语言的多功能性。到最后，您应该在Python中有一个简洁的对象摘要以及不同的数据类型以及如何迭代或循环它们。

BeginnersGuide – Python Wiki

这个关于官方Python Wiki的简单教程充满了资源，甚至还包括一个针对非英语人士学习Python的中文翻译。

Python Tutorial – Tutorialspoint

以与W3Schools类似的方式设置，使用Tutorialspoint作为替代或某些功能和部分的复习。

Python (programming language) – Quora

Quora社区中有许多学习Python的技术人员。本节专门介绍Python，包括运行分析和关于Python状态的紧迫问题及其在各种不同领域的实际应用，从数据可视化到Web开发。

Python – DEV Community – Dev.to

Dev.to每天都有来自开发人员的用户提交的关于Python的文章和教程。使用这些视角来帮助您学习Python。

Python Weekly: A Free, Weekly Python E-mail Newsletter

如果你是每周时事通讯的粉丝，那么你将会对Python Weekly感到满意，它总结了最新的发展，新闻以及有关Python的有趣文章。

The Ultimate List of Python YouTube Channels – Real Python

对于那些喜欢通过视频学习的人来说，这个Youtube频道列表可以帮助您在首选媒体中学习。

The Hitchhiker’s Guide to Python

与上面列出的其他资源不同，Hitchhiker的指南更加自以为是，并着眼于找到使用Python设置的最佳方法。使用它作为参考，并确保您最佳地设置为使用和学习Python。

Python: Online Courses from Harvard, MIT, Microsoft | edX

edX使用企业和学术合作伙伴来策划有关Python的内容。内容通常是免费的，但您必须支付经过验证的证书，证明您已通过课程。

Python Courses | Coursera

Coursera选择的Python课程可以帮助您访问大学和企业提供者的证书和课程。如果您觉得需要某种程度的认证，类似于edX，Coursera提供了一定程度的管理和认证，可以满足这些需求。

进阶者

Getting started with Django | Django

官方的Django框架介绍将帮助您进行设置，以便您可以使用Python进行Web开发。

LEARNING PATH: Django: Modern Web Development with Django

来自O'Reilly的这个资源有助于为Python学习Django和Web开发技能提供更多策划。

A pandas cookbook – Julia Evans

Pandas Cookbook可用于清理和处理数据。使用它使我能够将数据清理到我需要的级别，以便进行机器学习等等。

它使用一个示例，展示如何过滤，分组数据并在其上执行功能 - 然后根据需要可视化数据。Pandas库是经过量身定制的，允许您有效地清理数据，并且可以对其进行转换并从聚合级别基础上查看趋势（使用方便的单行函数，如head（）或describe）。

Newest ‘python’ Questions – Stack Overflow

Stack Overflow社区充满了迫切的问题和切实的解决方案。使用它作为Python的实现资源和学习Python的途径。

Python – R****e****ddit

Python subreddit在Python中提供了大量不同的新闻文章和教程。

Data Science – Reddit

Data Science subreddit提供了大量有关如何使用Python处理大型数据集并以有趣的方式处理它的资源。

Data science sexiness: Your guide to Python and R

我为The Next Web编写了本指南，以便区分Python和R以及它们在数据科学生态系统中的用法。从那以后，Python不断推进并开始使用许多曾经构成R在数据分析，可视化和探索方面的核心基础的库，同时也欢迎在驱动世界的基础机器学习库中。尽管如此，它仍然是一个有用的比较点和Python的资源列表。

Data Science Tutorial: Introduction to Using APIs in Python – Dataquest

在处理数据时，一项基本技能是访问Twitter，Reddit和Facebook使用的API服务，以暴露他们持有的某些数据量。本教程将帮助您了解Reddit API的示例，并帮助您了解在查询API时将获得的不同代码响应。

Introduction to Data Visualization in Python – Towards Data Science

完成数据处理后，您需要提供数据以获取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。

Top Python Web Development Frameworks to Learn in 2019

如果你想在Django之外的一套选项用Python开发并学习Python用于web应用程序，那么这个编译就是最好的。Hacker Noon出版物通常也会在本文之外的Python上提供有用的资源。值得一试。

高级玩家

Beginner’s Guide to Machine Learning with Python

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。对于数据科学而言，带有相关文章的Medium插座是机器学习和数据科学资源的绝佳来源。

Free Machine Learning in Python Course – Springboard

这个来自Springboard的免费学习路径有助于策划您需要学习的内容并在Python中练习机器学习。

Machine Learning – Reddit

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。

Python – KDnuggets

KDNuggets提供有关数据科学，数据分析和机器学习的高级内容。它的Python部分讨论了如何在Python中实现这些想法。

Learn Python – Beginner through Advanced Online Courses – Udemy

Udemy提供一系列Python课程，有许多高级选项可以教你Python的复杂性。这些课程往往比认证课程便宜，但你要仔细查看评论。

A Brief Introduction to PySpark – Towards Data Science

对PySpark的介绍将帮助您开始使用更高级的分布式文件系统，这些系统允许您处理和处理比单个系统和Pandas更大的数据集。

scikit-learn: machine learning in Python

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：对不同机器学习模型的简单优化实现。学习一些机器学习理论，然后使用scikit-learn框架实现和练习。

The Next Level of Data Visualization in Python – Towards Data Science

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，允许您预览可以将数据从关联热图切片到散点图基础的不同高级方法。

Machine Learning with Python | Coursera

Coursera选择使用Python进行机器学习的课程非常有名。IBM提供的这一介绍有助于指导您完成机器学习概念的视频和解释。

Home – deeple****a****rning.ai

Deeplearning.ai是Andrew Ng（人工智能的着名斯坦福大学教授和Coursera的创始人）试图为大众带来深刻的学习。我最终完成了所有课程：他们提供认证，并且是两种交互式笔记本的清新组合，您可以使用Andrew Ng自己的不同概念和视频。

fast.ai · Making neural nets uncool again

这个深度学习课程有助于打破机器学习的逐节方面。最重要的是，它是完全免费的。我经常使用fast.ai作为复习或深入学习我不太了解的深度学习理念。

Learn and use machine learning | TensorFlow Core | TensorFlow

本教程可帮助您使用TensorFlow和Google云基础架构的高级Keras组件对一组时尚图像进行深度学习。这是学习和练习深度学习技巧的好方法。

练习使用Python的资源

Datasets | Kagg****l****e

Kaggle提供了各种数据集，其中包含用户示例和upvoting，以指导您访问最流行的数据集。使用示例和数据集创建自己的数据分析，可视化或机器学习模型。

Practice Python

练习Python有一堆初级练习，可以帮助您轻松使用Python并练习它。在处理不同的项目和练习之前，请将此作为初始预热练习。

Python Exercises – W3Schools

W3Schools上的Python练习遵循他们教程中的部分，并允许您使用Python进行一些交互式练习（尽管练习在练习中非常简单）。

Solve Python | HackerRank

HackerRank提供了一系列练习，要求您在没有任何上下文的情况下解决。这是在Python中单独练习不同功能和输出的最佳方式（尽管您仍然希望通过不同的项目来巩固您的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知识。一个非常有用的沙箱，供您学习Python。

Project Euler: About

项目Euler提供了各种更加困难的编程挑战，旨在测试您是否可以使用Python解决数学问题。用它来练习你的数学推理和你的Pythonic能力。

Writing your first Django app, part 1 | Django documentation | Django

本文档可帮助您使用第一个Django应用程序实现，允许您使用Python在Web上获取内容。一旦你开始使用它，你可以构建你想要的任何东西。

Top 100 Python Interview Questions & Answers For 2019 | Edureka

如果您在面试中遇到Python技能问题，这个面试问题列表将有助于作为一个有用的提醒和复习，并且是您练习和巩固不同Python概念的好方法。

看完上述内容，你们对学习Python的49个必备资源有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注创新互联行业资讯频道，感谢大家的支持。