从工程的角度深入理解 Python
- 最重要的一点就是，从工程的角度思考学习，以实用为出发点，多练习、多阅读、多做项目，这样才能有质的提高。
- 新手学习新的语言总是只会啃书练习，还难以上手；而有经验的同事则不同，他们能花很短的时间看完基础语法，然后找行家去了解一些重难点、易错点，最后亲自动手完成一个项目，达到融会贯通的效果。这样下来，可能几周时间就掌握得差不多了。牢牢掌握一门编程语言及其学习方法，是日后在所有领域深造的根基。
- Python 可以运用在数据处理、Web 开发、人工智能等多个领域，它的语言简洁、开发效率高、可移植性强，并且可以和其他编程语言（比如 C++）轻松无缝衔接。
如何逐步突破，成为 Python 高手？
不同语言，需融会贯通
- 其实，如果你在学一门语言的时候多阅读、多练习、多思考，你就会发现，不同语言都是类似的。
- 编程语言本就是人类控制计算机的指令，语法规则等方面自然大同小异。
- 在原有基础上，学习一门新的编程语言，其实也没有那么难，你首先要做到的是明确区分。
- 比如，在学习 Python 的条件与循环语句时，多回忆一下其他语言的语法是怎样的。
- 再如，遇到 Python 中的字符串相加时，你能分析出它的复杂度吗？再联想到其他语言，比如 Java 中字符串相加的复杂度，它们之间有什么相同点、又有什么区别呢？
- 除了能够明确区分语言的不同点，我们还要能联系起来灵活运用。
- 比如，最典型的“编程语言两问”：你了解你学过的每种编程语言的特点吗？
- 你能根据不同的产品需求，选用合适的编程语言吗？举个例子，Python 的优点之一是特别擅长数据分析，所以广泛应用于人工智能、机器学习等领域，如机器学习中 TensorFlow 的框架，就是用 Python 写的。
- 但是涉及到底层的矩阵运算等等，还是要依赖于 C++ 完成，因为 C++ 的速度快，运行效率更高。
- 事实上，很多公司都是这样，服务器端开发基于 Python，但底层的基础架构依赖于 C++。
- 这就是典型的“不同需求选用不同语言”。
- 毕竟，你要明白，哪怕只是几十到几百毫秒的速度差距，对于公司、对于用户体验来说都是决定性的。
第一步：大厦之基，勤加练习
- 千万不要等到把教材上所有东西都学完了才开始，因为到那时候你会发现，前面好不容易记住的一堆东西似乎又忘记了。计算机科学是一门十分讲究实战的学科，因此越早上手练习，练得越多越勤，就越好。
- 不过，到底什么叫做必要的基础呢？以 Python 为例，如果你能够理解变量间的赋值、基本的数据类型、条件与循环语句、函数的用法，那么你就达到了第一步的底线标准，应该开始在课下多多练习了。
- 在做这个小项目的过程中，你可能会遇到不少问题。我的建议是，遇到不懂的问题时，多去 Stack Overflow 上查询，这样你还能阅读别人优秀的代码，借鉴别人的思路，对于你的学习肯定大有帮助。
第二步：代码规范，必不可少
- 诚然，学习编程讲究快和高效。但是，与此同时，请一定不要忽略每一种语言必要的编程规范。
- 在你自己刚开始写代码练习时，你可以不写单元测试。
- 但总不能几百行的代码却没有一个函数，而是从头顺序写到尾吧？
- 你可以省略一些可有可无的注释，但总不能把很多行代码全部并到一行吧？
- 变量和函数的命名虽有一定的随意性，但一定要有意义。
第三步：开发经验，质的突破
- 想要真正熟练地掌握 Python 或者是任何一门其他的编程语言，拥有大中型产品的开发经验是必不可少的。因为实战经验才能让你站得更高，望得更远。
- 比如我们每天都在用搜索引擎，但你了解一个搜索引擎的服务器端实现吗？
- 这是一个典型的面向对象设计。
- 你需要定义一系列相关的类和函数，需要从产品需求、代码复杂度、效率以及可读性等多个方面考虑。
- 同时，上线后还要进行各种优化等等。
Jupyter Notebook 为什么是现代 Python 的必学技术？
- Jupyter 已经成为一个几乎支持所有语言，能够把软件代码、计算输出、解释文档、多媒体资源整合在一起的多功能科学运算平台。
- Jupyter 的优点
- 整合所有的资源
- 在真正的软件开发中，上下文切换占用了大量的时间。
- 举个例子你就很好理解了，比如你需要切换窗口去看一些文档，再切换窗口去用另一个工具画图等等。这些都是影响生产效率的因素。
- Jupyter 通过把所有和软件编写有关的资源全部放在一个地方，解决了这个问题。
- 当你打开一个 Jupyter Notebook 时，就已经可以看到相应的文档、图表、视频和相应的代码。
- 这样，你就不需要切换窗口去找资料，只要看一个文件，就可以获得项目的所有信息。
- 交互性编程体验
- 在机器学习和数学统计领域，Python 编程的实验性特别强，经常出现的情况是，一小块代码需要重写 100 遍，比如为了尝试 100 种不同的方法，但别的代码都不想动。
- Jupyter Notebook 引进了 Cell 的概念，每次实验可以只跑一小个 Cell 里的代码。
- 并且，所见即所得，在代码下面立刻就可以看到结果。
- 零成本重现结果
