编程导航教程

首页

Python 学习路线 | 26 年最新零基础到精通一条龙(万人收藏⭐️)

2024-05-11 15:06
阅读 10.8w
下载文档
评论
问答
笔记
0个评论
点击登录,快来和大家讨论吧~
表情
图片
暂无评论
大纲
    19

    编程导航学习网站:学编程、做项目、拿 Offer!

    企业高频面试题库:开始刷题,面试遇原题!

    精选简历模板大全:1 分钟搞定简历!

    AI 资源导航网站:获取最新 AI 黑科技!

    1 对 1 模拟面试:随时随地提升面试能力

    Python 求职高频面试题:开始刷题

    开篇介绍

    Python 是一门诞生于 1991 年的编程语言,由荷兰程序员 Guido van Rossum 创造。Python 的设计哲学强调代码的可读性和简洁性,其语法非常接近自然语言,因此被称为 “最适合人类阅读的编程语言”。

    为什么 Python 这么火?

    主要有以下几个原因:

    首先,Python 语法简单易学,其他语言 5 行代码才能实现的东西,Python 一行搞定!可以少写很多代码,开发效率极高。

    其次,Python 的类库生态非常丰富,想做什么功能基本都有现成的代码,拿来直接用就行,无比方便!最重要的是,Python 是数据科学、人工智能、机器学习的首选语言,踩到了时代的风口。

    特别是在 AI 时代,Python 的价值更加凸显。几乎所有主流的 AI 框架(TensorFlow、PyTorch、LangChain 等)都是基于 Python 的,大模型应用开发也主要用 Python。如果你想从事 AI 相关的工作,Python 是必学的语言。

    但是,鱼皮这里要泼个冷水,很多同学可能听说过 “学了 Python 找不到工作” 的说法。这是为什么呢?

    一方面,大多数企业不用 Python 来开发业务应用。因为 Python 的运行速度相对较慢(比 Java、Go 慢很多),不适合开发高并发、对性能要求高的系统,而企业级应用开发恰恰是程序员岗位占比最高的方向。

    另一方面,虽然 Python 在 AI、数据科学领域很火,但这些岗位的门槛很高,不是会 Python 就能做的。这些岗位更看重的是算法能力、数学基础、领域知识,Python 只是一个工具而已。而且这些岗位竞争激烈,研究生居多。

    那还要不要学 Python 呢?

    我认为:必须要学! 但要明确学习目标。

    如果你是想快速找开发工作,不建议把 Python 作为主语言,建议主学 Java 或 Go,把 Python 当成辅助工具。只需简单学学 Python 基础,就可以编写脚本自动化办公、做小工具、写爬虫,性价比很高。

    如果你的目标是 AI、数据科学、算法研究,那 Python 是必学的,而且要深入学习。但同时也要加强算法、数学、领域知识的学习。

    如果你是初学编程或出于好奇学编程,我也建议你学 Python,语法简单、好玩、能培养兴趣,这些对初学者非常重要。有了编程基础后,再学其他语言就会很快。

    想了解更多关于 Python 的定位和学习建议,推荐观看鱼皮的视频:保姆级 Python 学习路线

    就业方向

    学习 Python 后,有哪些常见的就业方向呢?

    主要包括:

    1. Python 后端开发工程师:使用 Django、Flask、FastAPI 等框架开发 Web 应用和后端服务。虽然岗位相对 Java 少一些,但在一些对开发速度要求高、对性能要求不那么极致的场景下,Python 也有应用。

    2. 数据分析师:使用 Python 进行数据处理、数据分析、数据可视化。需要熟悉 Pandas、NumPy、Matplotlib 等库,以及统计学、业务分析等知识。这是 Python 岗位中需求较大的方向之一。关于数据分析的详细学习,可以查看 数据分析学习路线。

    3. AI 算法工程师:从事机器学习、深度学习、自然语言处理、计算机视觉等方向的算法研究和开发。这是 Python 的王牌领域,但门槛很高,需要深厚的数学基础、算法功底,一般要求研究生及以上学历。关于机器学习的详细学习,可以查看 机器学习学习路线;关于深度学习的详细学习,可以查看 深度学习学习路线。

    4. AI 应用开发工程师:开发 AI 应用,调用大模型 API,实现智能对话、内容生成等功能。这是 AI 时代新兴的方向,门槛相对算法岗低,但需要熟悉 LangChain、大模型 API 调用等技术。关于 AI 大模型应用开发的详细学习,可以查看 AI 大模型应用开发学习路线。

    5. 爬虫工程师:使用 Python 编写网络爬虫,抓取和处理网络数据。需要熟悉 requests、BeautifulSoup、Scrapy 等库,以及反爬虫技术。

    6. 自动化测试工程师:使用 Python 编写自动化测试脚本,进行接口测试、UI 测试等。需要熟悉 pytest、selenium 等测试框架。关于自动化测试的详细学习,可以查看 自动化测试学习路线。

    7. 运维工程师:使用 Python 编写运维脚本,实现自动化运维。需要熟悉 Linux、Shell 脚本,以及各种运维工具。关于 Linux 运维的详细学习,可以查看 Linux 运维学习路线。

    8. 数据工程师:负责数据采集、数据清洗、数据处理等工作。需要熟悉大数据相关技术(Spark、Hadoop 等)以及 Python 的数据处理库。关于大数据开发的详细学习,可以查看 大数据开发学习路线。

    学习路线图

    下面是完整的 Python 学习路线图,帮助大家理清学习脉络:

    Python 学习路线思维导图

    整体学习建议

    1)明确学习目标:Python 的应用方向很多(Web 开发、数据分析、AI、爬虫、自动化等),学习之前一定要先明确自己的目标方向,不同方向要学的东西差别很大。不要什么都想学,最后什么都学不精。

    2)先打好基础:无论你选择哪个方向,Python 的基础语法和常用库都要先学扎实。基础打牢了,后面学什么方向都会快很多。

    3)善用 AI 工具:Python 和 AI 的结合最紧密!学习 Python 的时候,可以大胆使用 AI 工具。遇到不懂的可以问 AI,写代码卡壳了可以让 AI 帮你生成模板代码。推荐使用鱼皮的 AI 资源大全,里面有各种好用的 AI 编程工具。

    4)多动手实践:Python 最适合用来做各种小项目和工具,建议边学边做。比如学完基础就可以写个自动化脚本,学完爬虫就可以爬点数据分析,学完 AI 就可以做个聊天机器人。

    5)工具属性:对于非 AI/数据方向的同学,建议把 Python 当成工具来学,了解基础语法和常用库即可,需要的时候查文档、用 AI 辅助写代码就行。不用花太多时间深入学习。

    阶段 1:Python 基础(15-30 天,仅供参考)

    学习建议

    选择合适的开发工具:Python 的开发工具推荐 PyCharm(功能强大,JetBrains 出品)或 VS Code + Python 插件(轻量级)。PyCharm 有社区版,免费使用,功能已经够用了。

    知识点

    • Python 安装
    • 开发工具
      • PyCharm
      • Sublime
      • VS Code
    • 变量
      • 定义变量
      • 关键字
      • 命名规则
      • 基本数据类型
      • 类型转换
    • 运算符和表达式
    • 流程控制
      • 条件分支
      • 循环
    • 基本数据结构
      • 字符串
      • 列表
      • 元组
      • 集合
      • 字典
    • 函数
      • 定义
      • 参数传递
      • 作用域
      • lambda 表达式
      • 常用内置函数
    • ⭐ 面向对象编程
      • 类和对象
      • 三大特性
        • 封装
          • self
          • 属性
          • 方法
            • 类方法
            • 实例方法
            • 静态方法
          • 访问控制
        • 继承
          • 单继承
          • 多继承
        • 多态
          • 方法重写
      • 运算符重载
      • 装饰器
      • 反射
    • 模块
      • 导入模块
      • 常用模块
        • 文件处理
        • 日期时间
    • 包
      • 导入包
      • 生成包
    • 异常处理
      • 捕获异常
      • try ... else ... finally 结构
      • 自定义异常
    • 文件操作
      • 文件开闭
      • 文件读写

    学习资源

    • ⭐ 黑马程序员 Python + AI 大模型零基础到项目实战:涵盖 Python、Linux、LangChain、大模型应用开发
    • ⭐ 千锋教育 700 集零基础 Python 教程:非常全面,基础、Web、爬虫、数据分析、AI 都讲了
    • 黑马程序员 600 集 Python 教程:比较全面,基于 Linux 环境
    • 2025 最新 Python 全套教程:400 集,B 站最全最细
    • ⭐ Python 官方文档:官方中文文档,必读

    阶段 2:Python 进阶(15-20 天,仅供参考)

    学习建议

    1)掌握并发编程:Python 的并发编程包括多线程、多进程、协程三种方式,每种都有自己的应用场景。特别是协程(asyncio),在 Python 3.5 之后变得非常重要,很多现代的 Python 框架(如 FastAPI)都是基于协程的。

    2)了解 Python 的最佳实践:建议阅读 PEP 8 代码规范,学习如何写出 Pythonic 的代码。

    知识点

    • 函数进阶
      • 闭包
      • 匿名函数
      • 生成器函数
      • 装饰器
      • 高阶函数
    • 正则表达式。关于正则表达式的详细学习,可以查看 正则表达式学习路线
    • 数据库编程
      • 数据库基础。关于 MySQL 数据库的详细学习,可以查看 MySQL 数据库学习路线
      • SQL 编写。关于 SQL 的详细学习,可以查看 SQL 学习路线;
      • 查询
        • 聚合
        • 分组
        • 关联
        • 排序
      • 事务
      • 数据库设计
      • 数据库调优
    • 并发编程
      • 同步和异步
      • 阻塞和非阻塞
      • 多线程
      • 多进程
      • 协程
      • 并发类库
    • 网络编程
      • 网络基础(七层模型、IP)
      • 网络协议(TCP、UDP、HTTP、HTTPS、FTP、DNS)
      • WebSocket

    方向 1:Web 开发(选学,30-45 天)

    学习建议

    1)选择框架:Python 的 Web 框架主要有 Django、Flask、FastAPI。新手建议从 Django 开始学,功能最全面。

    2)Python Web 岗位相对较少:要有心理准备,Python Web 开发的岗位相对 Java、Go 少很多。如果想做 Web 开发找工作,建议主学 Java 或 Go,Python 作为辅助。

    知识点

    • Django 框架
      • 安装和跑 Demo
      • MVT 分层
      • 模型
        • 数据库基础
        • ORM
          • 单表查询
          • 多表查询
          • 聚合查询
      • 视图
      • 模板
        • 模板语法
        • 静态资源
      • 路由
      • Django Admin 管理工具
      • 测试
      • 会话
      • 鉴权
      • 文件上传
      • 中间件
      • 高级特性
        • 分页
        • 缓存
          • 本地缓存
          • Redis 分布式缓存
        • 序列化
        • 信号
        • celery 任务调度
      • Restful API 开发
        • 概念
        • 数据序列化
        • Django Rest Framework
      • 部署
      • 项目实战
    • 前端基础
      • HTML
      • CSS
      • JavaScript
    • Flask 框架

    学习资源

    • ⭐ Django 官方教程:Django 官方中文文档
    • FastAPI 官方文档:FastAPI 中文文档,现代 Python Web 框架

    方向 2:爬虫开发(选学,20-30 天)

    学习建议

    1)了解爬虫的合法性:爬虫要在法律允许的范围内进行,不要爬取个人隐私信息、不要对网站造成压力、要遵守 robots.txt 协议。违法爬虫是要负法律责任的!(到时候别说鱼皮没提醒过)

    2)爬虫岗位相对较少:爬虫工程师的岗位不多,而且很多公司都有法务风险。建议把爬虫当成一项技能来学,而不是作为主要的求职方向。

    知识点

    • 概念
    • 合法性
    • 数据抓取
      • 常用网络协议(http / https)概念
      • 请求
        • 请求头
        • 请求参数
        • 请求类型
      • 响应
        • 响应头
        • 响应参数
      • requests 模块
      • urllib 模块
      • 模拟登陆
      • 静态 / 动态网站抓取
      • 无头浏览器
        • selenium
        • puppeteer
    • 数据解析
      • 常用标签
      • BeautifulSoup
      • 正则表达式
      • xpath
    • 数据导出
      • 文件
        • Excel
        • CSV
      • 数据库
        • MongoDB
        • MySQL
      • 中间件
        • Redis
    • Scrapy 框架
      • 核心概念
        • 命令行工具
        • Spiders
        • Selectors
        • Items
        • Item Loaders
        • 管道
        • Scrapy Shell
        • Link Extractors
      • 调度器
      • 分布式爬虫
      • 部署
    • 并发异步爬虫
      • aioHttp
      • asyncio
    • 高级
      • IP 代理
      • 验证码识别
      • APP 抓取
      • 增量式爬虫
    • 项目实战
    • 反爬虫
      • 请求头限制
      • 验证码
      • 黑白名单
      • 封禁 IP
      • 数据加密
      • 数据混淆
      • 行为分析

    学习资源

    • 2020 年 Python 爬虫全套课程:学完可做项目
    • Python 爬虫编程基础 5 天速成:快速入门爬虫
    • Scrapy 官方文档:Scrapy 框架官方文档

    方向 3:数据分析 / 数据科学(选学,45-60 天)

    学习建议

    1)数据分析需要一定的数学基础(统计学、概率论、线性代数等),不需要特别深入,但基本概念要理解。

    2)数据分析最好的学习方法就是 用真实的数据集来练习。可以从 Kaggle、UCI 等网站下载数据集,尝试做一些数据分析项目。

    知识点

    • Linux 环境
    • Shell 脚本编写
    • 脚本管理
    • 脚本发布
    • Python 运维库
    • 常用运维工具

    数据分析(数据科学)

    • 环境搭建
      • Anaconda
      • Conda
      • Miniconda
      • Jupyter Notebook
    • 常用数据结构
    • 常用类库
      • Numpy
        • 数组
        • 索引
        • 切片
        • 多维数组
        • 函数
      • Pandas
        • Series
        • DataFrame
        • 索引
        • 对齐
        • 函数
        • 统计
    • 数据处理
      • 数据清洗
      • 层次化索引
      • 数据连接
      • 数据合并
      • 分组聚合
      • 轴向旋转
    • 数据可视化
      • matplotlib
      • seaborn
      • pyechart

    学习资源

    • 自学数据分析课程:数据分析 + 可视化,适合办公党
    • Pandas 官方文档:Pandas 官方文档
    • NumPy 官方文档:NumPy 官方文档

    方向 4:AI 开发(选学,60+ 天)

    学习建议

    1)AI 分两个方向,一个是算法研究(机器学习、深度学习),一个是应用开发(调用大模型 API、开发 AI 应用)。算法研究门槛极高;应用开发相对容易,会调用 API、会用框架就行。

    2)算法方向要慎重选择!如果没有读研的打算、数学基础不好、没有相关专业背景,不建议选择算法方向。算法岗位竞争激烈,而且很多公司要求硕士及以上学历。

    3)⭐️ AI 应用开发是新机会:随着大模型的普及,AI 应用开发成为新的方向。这个方向门槛相对低,就业机会多。

    知识点

    • 数学基础
      • 高等数学
      • 线性代数
      • 概率论
      • 统计分析
    • 机器学习
      • 特征工程
      • 模型
        • 模型分类
        • 模型评估
        • 模型训练
        • 模型调优
      • 常用算法
        • 监督和无监督学习
        • 回归(有监督)
          • 线性回归
          • 决策树
          • 集成算法
        • 分类(有监督)
          • 逻辑回归
          • 决策树
          • 支持向量机
          • 集成算法
          • 贝叶斯算法
        • 聚类(无监督)
          • k-means
          • dbscan
        • 降维
          • 主成分分析
          • 线性判别分析
        • 进阶
          • GBDT 提升算法
          • lightgbm
          • EM 算法
          • 隐马尔科夫模型
      • 多因子模型
      • 常用库
        • Scikit-learn
      • 量化交易策略
    • 深度学习
      • 数据预处理
      • 算法
        • 神经网络
        • 卷积神经网络
        • 递归神经网络
        • 对抗生成网络
        • 序列网络模型
      • 常用算法
      • 框架和平台
        • Tenserflow2
        • Pytorch
        • Keras
        • Caffe
    • 自然语言处理(NLP)
    • 图像处理
    • 计算机视觉(CV)

    学习资源

    • ⭐ 黑马程序员 Python + AI 大模型实战:从大模型私有化部署到应用开发
    • AI 大模型开发教程 2024:3 天训练营,零基础可学
    • LLM Universe - 大模型应用开发教程:基于个人知识库的大模型应用开发
    • TensorFlow 官方教程:深度学习框架
    • PyTorch 官方教程:深度学习框架

    方向 5:自动化运维 / 测试(选学,15-20 天)

    知识点

    • Linux 环境
    • Shell 脚本编写
    • Python 运维库
      • psutil(系统和进程管理)
      • paramiko(远程连接)
      • fabric(自动化部署)
    • 自动化测试
      • pytest(测试框架)
      • selenium(Web 自动化测试)
      • unittest(单元测试)
    • CI/CD
      • Jenkins
      • GitLab CI

    学习资源

    • Ansible 官方文档:自动化运维工具
    • pytest 官方文档:Python 测试框架
    • selenium 官方文档:Web 自动化测试

    项目实战

    项目推荐

    2025 年最新项目合集:

    • ⭐ 2025 最新 42 个 Python 实战项目:从入门到进阶,练完即可就业
    • 2025 最新 32 个 Python 实战项目:附源码,一周练完
    • 2025 最新 108 个 Python 实战项目:从 0 到 1 完整开发教程

    经典开源项目:

    • Python - 100 天从新手到大师:112k stars,系统的 Python 学习项目
    • awesome-python-applications:开源 Python 应用程序大全

    常用类库

    Python 能被广泛应用,很大程度上是因为其丰富的类库,就是他人提前写好并封装的代码。基本你要做什么东西都能找到对应的类库,直接看文档用就行了,大大提高开发效率!

    开源项目 awesome-python-cn和 awesome-python 已经帮大家整理了各方向的 Python 类库,数量非常多。鱼皮在此基础上筛选了一些相对优质的库,分享给大家。

    通用 Python 类库

    Python 日期处理类库

    • delorean:日期处理库
    • pendulum:日期时间操作库
    • dateutil:对标准 datetime 模块的强大扩展

    Python 终端优化类库

    • IPython:功能丰富的交互式 Python 解析器
    • Jupyter Notebook:基于网页的用于交互计算的应用程序
    • Prettytable:生成美观的 ASCII 格式的表格
    • Colorama:让终端具有颜色
    • bashplotlib:在终端中进行基本绘图
    • emoji:支持在 Python 终端输出表情
    • Ipyvolume:在 Jupyter notebook 中可视化 3d 体积和字形

    Python 文本处理类库

    • FlashText:高效的文本查找替换库
    • furl:url 处理库
    • pypinyin:汉字拼音转换工具
    • simplejson:JSON 编 / 解码器
    • JMESPath:JSON 查询语法库

    其他 Python 类库

    • Pipenv:Python 官方推荐的新一代包管理工具
    • threading:自带的线程库
    • multiprocessing:自带的多线程库
    • Chardet:字符编码检测器
    • logging:日志功能
    • PySnooper:Python 调试工具
    • sphinx:Python 文档生成器
    • pyttsx3:文字转语音库
    • PyWin32:提供和 windows 的交互
    • shortuuid:生成唯一 uuid 的库
    • more-itertools:支持迭代操作对象
    • cryptography:密码学工具包

    Python 网络请求 & 解析类库

    • requests:HTTP 请求库
    • aiohttp:异步 HTTP 网络库
    • scrapy:分布式网页采集框架
    • pyspider:一个强大的爬虫系统
    • BeautifulSoup:从 HTML 或 XML 文件中提取数据的库
    • you-get:网页视频下载器
    • wget:网页文件下载
    • musicdl:Python 音乐下载器

    Python 文件处理类库

    • openpyxl:Excel 读写库
    • tablib:处理表格数据
    • csvkit:用于转换和操作 CSV 的工具
    • XlsxWriter:操作 Excel
    • python-docx:操作 office word 文档
    • PyPDF2:操作 PDF 文档
    • pdfminer:从 PDF 文档中抽取信息的工具
    • xhtml2pdf:HTML 转 PDF 工具
    • WeasyPrint:可视化网页,并支持导出为 PDF
    • html2text:将 HTML 转换为 Markdown 文档
    • xmltodict:像处理 JSON 一样处理 XML
    • moviepy:基于脚本的视频编辑模块
    • eyeD3:操作音频文件的工具
    • pyAudioAnalysis:音频特征提取分析

    Python 界面开发类库

    • pyQT:跨平台的用户界面开发框架
    • Turtle:交互式绘画库
    • pyglet:跨平台界面及多媒体框架
    • wxPython:Python 用户界面开发工具
    • Pygame:一组用来开发游戏的 Python 模块
    • Manim:Python 数学动画引擎
    • progressbar:一个滚动条函数库
    • progress:进度条输出
    • tqdm:快速、可扩展的进度条

    Python 测试类库

    • nose:测试框架
    • faker:生成假数据
    • PyAutoGUI:跨平台 GUI 自动测试模块
    • coverage:代码覆盖率测量
    • sqlmap:自动 SQL 注入和渗透测试工具

    Python Web 开发类库

    • Django:Python 界最流行的 web 框架
    • Django REST framework:用于开发 web api 的框架
    • FastAPI:快速构建 web 应用程序
    • flask:Python 微型框架
    • Twisted:一个事件驱动的网络引擎

    Python 运维类库

    • psutil:跨平台的进程和系统工具模块
    • supervisor:进程控制管理系统
    • sh:让 Python 支持 shell 脚本
    • dnspython:DNS 工具包
    • scapy:数据包处理库
    • pexpect:在伪终端中控制交互程序
    • paramiko:远程连接服务
    • Ansible:IT 自动化平台
    • SaltStack:基础设施自动化和管理系统
    • watchdog:管理文件系统事件的 API 和 shell 工具

    Python 图像处理 & 计算机视觉类库

    • Pillow:图像处理库
    • kornia:计算机视觉库
    • Opencv:开源计算机视觉库
    • Mahotas:计算机视觉和图像处理库
    • Luminoth:计算机视觉的深度学习工具集

    Python 数据分析 & 数据科学类库

    • NumPy:数值计算工具包
    • Pandas:主流的数据分析工具
    • pyecharts:基于百度 Echarts 的数据可视化库
    • Dash:快速构建 Web 数据可视化应用
    • matplotlib:Python 2D 绘图库
    • Seaborn:使用 Matplotlib 进行统计数据可视化
    • python-recsys:实现推荐系统的库
    • vaex:高速大数据处理库
    • SciPy:算法和数学工具库
    • blaze:NumPy 和 Pandas 的大数据接口
    • statsmodels:统计建模和计量经济学

    Python 人工智能类库

    • Tensorflow:谷歌开源的最受欢迎的深度学习框架
    • keras:深度学习封装库,快速上手神经网络
    • Pytorch:具有张量和动态神经网络,并有强大 GPU 加速能力的深度学习框架
    • Caffe2:一个轻量、模块化、可扩展的深度学习框架
    • scikit-learn:基于 SciPy 构建的机器学习 Python 模块
    • PyMC:马尔科夫链蒙特卡洛采样工具
    • mmdetection:深度学习目标检测工具箱
    • imbalanced-learn:不平衡学习工具包
    • XGBoost:分布式梯度增强库
    • Gym:强化学习算法的工具包

    Python 自然语言处理类库

    • NLTK:自然语言处理工具包
    • Gensim:话题建模库
    • Pattern:自然语言处理工具
    • fuzzywuzzy:用于字符串模糊匹配、令牌匹配等
    • TextBlob:为进行普通自然语言处理任务提供一致的 API
    • PyFlux:时间序列处理库
    • jieba:中文分词工具

    求职备战

    学习建议

    1)建议至少提前 3 个月开始准备、尽早做规划。必须明确自己的求职方向(Web、数据分析、AI 等),针对性地准备。

    推荐阅读鱼皮的 保姆级求职指南。

    2)打磨简历:简历上一定要有能体现你 Python 能力的项目。如果是 Web 方向,要有 Web 项目;如果是 AI 方向,要有 AI 项目。项目要能讲清楚背景、技术选型、实现思路。

    建议使用 老鱼简历 制作简历,有很多优质的模板。

    关于如何写好简历,推荐学习鱼皮的 保姆级写简历指南。

    3)多刷面试题:使用 面试鸭 刷题,支持按公司、题型、难度筛选。Python 的面试题主要考察语言基础、常用库、以及你选择的方向(Web、数据分析、AI 等)。

    4)多看真实面经:真实面经大全、几百场真实面试视频。

    5)参与模拟面试:使用 1 对 1 模拟面试 提前练习,消除真实面试时的紧张感。

    6)看面试题讲解视频:关注 面试鸭 B 站账号,有大量面试题讲解视频。

    更多求职干货:编程导航求职干货分享

    面试题

    Python 基础面试题:

    • ⭐ Python 面试题 - 面试鸭
    • Python 代码分析面试题 - 面试鸭
    • Python 手写代码面试题 - 面试鸭

    AI 相关面试题:

    • 机器学习面试题 - 面试鸭
    • 深度学习面试题 - 面试鸭
    • 自然语言处理面试题 - 面试鸭
    • 计算机视觉面试题 - 面试鸭
    • AI 应用面试题 - 面试鸭

    持续学习资源

    官方资源

    • ⭐ Python 官方网站:Python 官网
    • ⭐ Python 官方文档:官方中文文档,必读
    • PEP 8 代码规范:Python 代码规范
    • Python 官方教程:官方入门教程

    视频教程

    • ⭐ 千锋教育 700 集零基础 Python 教程:非常全面,基础、Web、爬虫、数据分析、AI 都讲了
    • ⭐ 黑马程序员 600 集 Python 教程:比较全面,基于 Linux 环境
    • Python 全栈开发教程:纯 Python 基础,案例多
    • 北京大学数据结构与算法 Python 版:名校课程
    • 一天搞定人脸识别项目:Python + OpenCV
    • Python 自动化办公:主要是处理 Excel

    书籍

    • ⭐ 《Python 编程:从入门到实践》:适合零基础入门
    • 《Python 学习手册》:系统全面的 Python 书籍
    • 《笨办法学 Python 3》:通过练习学 Python
    • 《Python 编程快速上手》:实用导向
    • 《Python Cookbook 中文版》:Python 实用技巧
    • 《父与子的编程之旅》:适合亲子学习
    • ⭐ 《Python 深度学习》:深度学习入门
    • 《Python 3网络爬虫开发实战》:爬虫实战
    • 《Python 数据科学手册》:数据科学必读
    • 《利用 Python 进行数据分析》:Pandas 作者编写
    • 《轻量级 Django》:Django 实战

    在线教程

    • ⭐ Python - 100 天从新手到大师:112k star,系统的 Python 学习教程
    • 廖雪峰 Python 教程:图文并茂的入门教程
    • 莫烦 Python 教程:包括基础、数据处理、机器学习等
    • Google Python 代码规范:谷歌出品

    在线实战平台

    • ⭐ 蓝桥云课 Python 实战合集:免费在线实战
    • 阿里云 Python 入门实验:云端实验环境
    • CheckiO 游戏学 Python:通过游戏学 Python
    • Python Koans:通过测试学 Python
    • Interactive Coding Challenges:交互式 Python 挑战

    开源代码

    • 数据结构和算法 Python 实现:经典算法实现
    • 《剑指 Offer》Python 实现:面试题 Python 版本
    • Python Machine Learning 代码:机器学习实战代码
    • Python 小脚本:实用小工具集合

    Python 资源合集

    • ⭐ GitHub Python 专区:最新的 Python 开源项目
    • ⭐ awesome-python:Python 类库大全
    • awesome-python-cn:Python 类库大全中文版
    • awesome-python-applications:开源 Python 应用程序大全
    • awesome-machine-learning:机器学习相关库
    • awesome-deep-learning:深度学习框架
    • awesome-asyncio:Python 异步编程资源
    • awesome-jupyter:Jupyter 相关资源
    • ⭐ StackOverflow Python 专区:解决问题必备

    技术博客

    • Real Python Blog:Python 教程和最佳实践
    • Python Software Foundation Blog:Python 基金会官方博客
    • Google AI Blog:谷歌 Python AI 应用
    • Instagram Engineering:Instagram Python 实践

    技术社区

    • ⭐ 编程导航:学习路线、项目教程、面试题、编程资源一站式平台
    • Learnku Python 技术论坛:Python 中文社区

    在线工具

    • Python 在线编程:在线运行 Python 代码
    • 腾讯云 Python 在线手册:在线文档
    • Python 模块推荐:Python 模块周刊

    其他资源

    • ⭐ Python 常见问题 FAQ:官方提供
    • GitHub Python 趋势:最新热门项目
    • Python 练习册:练习题目

    写在最后

    Python 是一门非常友好的编程语言,语法简洁、功能强大、应用广泛。无论你是想做 AI 开发、数据分析,还是只是想学个工具提高工作效率,Python 都是很好的选择。

    但是要记住,Python 只是工具,重要的是用 Python 能做什么。如果目标是找开发工作,建议主学 Java 或 Go,Python 作为辅助;如果目标是 AI、数据科学,那就要在 Python 的基础上,深入学习算法、数学、领域知识。

    特别是在 AI 时代,Python 的价值会越来越高,因为几乎所有的 AI 框架都是基于 Python 的。掌握 Python + AI,将会拥有更强的竞争力。

    希望这份学习路线能够帮助大家少走弯路,找到适合自己的学习方向。加油小伙伴们!

    程序员必备资源

    1)程序员学习交流圈:极客教程、实战项目、求职宝典

    2)程序员面试八股文:实习/校招/社招高频考点、企业真题解析

    3)程序员写简历神器:专业模板、丰富例句、直通面试

    4)AI 知识资源大全:前沿技术、最新 AI 资讯、提示词大全

    5)1 对 1 模拟面试:实习/校招/社招面试拿 Offer 必备