Как выучить python: Как изучить Python самостоятельно и бесплатно: алгоритм / Skillbox Media

Топ-10 Python библиотек для Data Science

Изучающий data science сталкивается с огромным разнообразием возможностей. Я хочу поделиться с вами своим топом Python библиотек, которые широко используются в data science.

1. Pandas

Вы наверняка слышали, что от 70 до 80 процентов работы дата-сайентиста это исследование и подготовка данных.

Pandas в первую очередь применяется для анализа данных, это одна из самых популярных библиотек. Она предоставляет множество полезных инструментов для сбора, очистки и моделирования данных. С Pandas вы можете загружать, подготавливать, анализировать и манипулировать любыми индексированными данными. Библиотеки для машинного обучения также используют датафреймы из Pandas в качестве входных данных.

Где учить

• Туториал на Kaggle
• 75 вопросов о Pandas
• Задачи для изучения Pandas

2. NumPy

Главное преимущество NumPy — поддержка n-размерных массивов. Эти многомерные массивы в 50 раз надёжнее списков в Python. Благодаря им, NumPy очень любят дата-сайентисты.

NumPy часто используют другие библиотеки типа TensorFlow, для внутренних вычислений с тензорами. Библиотека предлагает быстрые универсальные функции для рутинных вычислений, которые сложно делать вручную. NumPy использует функции оптимизированные для работы с многомерными массивами, скорость работы которых сравнима с MATLAB.

Где учить

• NumPy.org
• TutorialsPoint

3. Scikit-learn

Scikit-learn, это возможно самая важная библиотека для машинного обучения на Python. После очистки и манипуляций с данными в Pandas или NumPy, Scikit-learn используется для создания моделей машинного обучения. Библиотека предоставляет множество инструментов для предиктивного моделирования и анализа.

Есть много причин использовать Scikit-learn. Например, для создания нескольких типов моделей машинного обучения, с подкреплением и без подкрепления, перекрестной проверки точности моделей и отбора важных признаков.

Где учить

• Scikit-learn tutorial
• An Introduction to Machine Learning (Udacity)

4. Gradio

Gradio позволяет создавать и разворачивать веб-приложения для машинного обучения используя всего лишь несколько строк кода. Он служит тем же целям что и Streamlit, или Flask, но быстрее и проще позволяет разворачивать модели.

Основные плюсы Gradio:

1. 1. Даёт возможность дальнейшей валидации модели. Он позволяет проводить интерактивные тесты различных входных данных модели.
   2. Это хороший способ для проведения демонстраций.
   3. Легко запускать и распространять, потому что веб приложения доступны каждому по ссылке.

Где учить

• Туториал от разработчиков

5. TensorFlow

TensorFlow — это одна из самых популярных Python библиотек для создания нейронных сетей. Она использует многомерные массивы, также известные как тензоры, которые позволяют производить несколько операций на одних входных данных.

Благодаря своей многопоточной природе, он может одновременно тренировать несколько нейронных сетей и создавать высокоэффективные и масштабируемые модели.

Где учить

• Сайт библиотеки
• Введение в глубокое обучение от Kaggle
• Туториал от Google

6. Keras

Keras в основном применяют для создания моделей глубокого обучения и нейронных сетей. Он использует TensorFlow и Theano и позволяет легко создавать нейронные сети. Из-за того, что Keras генерирует вычислительный граф на сервере, он немного медленнее других библиотек.

Где учить

• Сайт библиотеки
• Туториал от Google

7. SciPy

Отличительная черта этой библиотеки — функции, которые полезны в математике и других науках. Например: статистические функции, функции оптимизации, обработки сигналов. Для решения дифференциальных уравнений и оптимизации он включает в себя функции для нахождения численного решения интегралов. Важные сферы его применения:

• многомерная обработка изображений;
• решения преобразований Фурье и дифф. уравнений;
• благодаря оптимизированным алгоритмам, он может выполнять вычисления линейной алгебры очень эффективно и с высокой надёжностью.

8. Statsmodels

Statsmodels это отличная библиотека для хардкорной статистики. Она вобрала в себя графические возможности и функции из Matplotlib, для обработки данных использует Pandas, для R подобных формул он использует Pasty, также она использует Numpy и SciPy.

Библиотека используется для создания статистических моделей типа линейной регрессии, и проведения статистических тестов.

Где учить

• Сайт библиотеки

9. Plotly

Plotly это мощный, легкий в использовании инструмент для создания визуализаций, который позволяет с ними взаимодействовать.

Наряду с Plotly существует Dash, который позволяет создавать динамические дэшборды, используя визуализации Plotly. Dash это веб интерфейс для Python, который избавляет от необходимости использовать Js в аналитических веб приложениях, и позволяет запускать их онлайн и офлайн.

Подробнее о визуализации данных с помощью Plotly.

Где учить

• Визуализации для начинающих
• Визуализации для продолжающих

10. Seaborn

Seaborn — это эффективная Python библиотека для создания различных визуализаций в Data Science, использующая Matplotlib.

Одна из основных её особенностей это визуализация данных, которая позволяет увидеть корреляцию там, где она была не очевидна. Это позволяет дата-сайентистам лучше понимать данные.

Благодаря кастомизируемым темам и высокоуровневым интерфейсам вы можете получать настолько качественные и репрезентативные визуализации, что их в дальнейшем можно показывать клиентам.

Где учить?

• Ультимативный гайд по Seaborn
• Гайд на сайте библиотеки

Источник Top 10 Python Libraries for Data Science in 2021

Реклама на Tproger: найдем для вас разработчиков нужного стека и уровня.

Подробнее

Реклама на tproger. ru

Загрузка

Словари и их методы в Python

 Что такое словарь

Словарь — неупорядоченная структура данных, которая позволяет хранить пары «ключ — значение». Вот пример словаря на Python:

dictionary = {'персона': 'человек',
              'марафон': 'гонка бегунов длиной около 26 миль',
              'противостоять': 'оставаться сильным, несмотря на давление',
              'бежать': 'двигаться со скоростью'}

Данный словарь использует строки в качестве ключей, однако ключом может являться в принципе любой неизменяемый тип данных. Значением же конкретного ключа может быть что угодно. Вот ещё один пример словаря, где ключами являются числа, а значениями — строки:

gender_dict = {0: 'муж',
               1: 'жен'}

Важное уточнение: если вы попробуете использовать изменяемый тип данных в качестве ключа, то получите ошибку:

dictionary = {(1, 2.0): 'кортежи могут быть ключами',
              1: 'целые числа могут быть ключами',
              'бежать': 'строки тоже', 
              ['носок', 1, 2. 0]: 'а списки не могут'}

Прим. перев. На самом деле проблема не с изменяемыми, а с нехэшируемыми типами данных, но обычно это одно и то же.

Получение данных из словаря

Для получения значения конкретного ключа используются квадратные скобки []. Предположим, что в нашем словаре есть пара 'марафон': 26.

# берём значение с ключом "марафон"
dictionary['марафон']

Опять же, вы получите ошибку, если попытаетесь получить значение по несуществующему ключу. Для избежания подобных ошибок существуют методы, о которых мы сейчас поговорим.

Добавление и обновление ключей

Добавление новых пар в словарь происходит достаточно просто:

# Добавляем ключ "туфля" со значением "род обуви, закрывающей ногу не выше щиколотки"
dictionary['туфля'] = 'род обуви, закрывающей ногу не выше щиколотки'

Обновление существующих значений происходит абсолютно также:

# Обновляем ключ "туфля" и присваиваем ему значение "хорошая туфля"
dictionary['туфля'] = 'хорошая туфля'

Удаление ключей

Для удаления ключа и соответствующего значения из словаря можно использовать del

# Удаляем значение с ключом "противостоять" из словаря
del dictionary['противостоять']

Методы

Словари в Python имеют множество различных полезных методов, которые помогут вам в работе с ними. Вот лишь некоторые из них:

Update

Метод update() пригодится, если нужно обновить несколько пар сразу. Метод принимает другой словарь в качестве аргумента.

# Добавляем две пары в словарь dictionary, используя метод update
dictionary.update({'бежал': 'бежать в прошедшем времени',
                   'туфли': 'туфля во множественном числе'})

>>> dictionary
{'марафон': 'гонка бегунов длиной около 26 миль',
'персона': 'человек',
'бежал': 'бежать в прошедшем времени',
'бежать': 'двигаться со скоростью',
'туфля': 'род обуви, закрывающей ногу не выше щиколотки',
'туфли': 'туфля во множественном числе'}

Если вас интересует, почему данные в словаре расположены не в том порядке, в котором они были внесены в него, то это потому что словари не упорядочены.

Get

# Допустим, у нас есть словарь story_count
story_count = {'сто': 100,
               'девяносто': 90,
               'двенадцать': 12,
               'пять': 5}

Метод get() возвращает значение по указанному ключу. Если указанного ключа не существует, метод вернёт None.

# Ключ "двенадцать" существует и метод get в данном случае вернёт 12
story_count.get('двенадцать')

Метод можно использовать для проверки наличия ключей в словаре:

>>> story_count.get('два')
None

Также можно указать значение по умолчанию, которое будет возвращено вместо None, если ключа в словаре не окажется:

# Метод вернёт 0 в случае, если данного ключа не существует
story_count.get('два', 0)

Pop

Метод pop() удаляет ключ и возвращает соответствующее ему значение.

>>> story_count.pop('девяносто')
90
>>> story_count
{'двенадцать': 12, 'сто': 100, 'пять': 5}

Keys

Метод keys() возвращает коллекцию ключей в словаре.

>>> story_count.keys()
['сто', 'пять', 'двенадцать']

Values

Метод values() возвращает коллекцию значений в словаре.

>>> story_count.values()
[100, 12, 5]

Items

Метод items() возвращает пары «ключ — значение».

>>> dictionary.items()
[('персона', 'человек'),
('бежать', 'двигаться со скоростью'),
('туфля', 'род обуви, закрывающей ногу не выше щиколотки'),
('бежал', 'бежать в прошедшем времени'),
('марафон', 'гонка бегунов длиной около 26 миль'),
('туфли', 'туфля во множественном числе')]

Итерация через словарь

Вы можете провести итерацию по каждому ключу в словаре.

for key in story_count:
   print(key)

Очевидно, вместо story_count можно использовать story_count.keys().

В примере кода ниже цикл for использует метод items() для получения пары «ключ — значение» на каждую итерацию.

>>> for key, value in dictionary.items():
        print(key, value)
('персона', 'человек')
('бежать', 'двигаться со скоростью')
('туфля', 'род обуви, закрывающей ногу не выше щиколотки')
('бежал', 'бежать в прошедшем времени')
('марафон', 'гонка бегунов длиной около 26 миль')
('туфли', 'туфля во множественном числе')

О словаре и других типах данных Python можно почитать в нашей статье.

Перевод статьи «Python Dictionary and Dictionary Methods»

8 советов по быстрому изучению Python

Выучить Python можно быстро . Насколько быстро, зависит от того, чего вы хотите добиться с его помощью, и от того, сколько времени вы можете выделить на изучение и практику Python на регулярной основе. Прежде чем мы углубимся в подробности, я хотел бы установить некоторые предположения, которые я сделал о вас и причинах, по которым вы читаете эту статью:

• У вас практически нет опыта изучения Python.
• У вас нет опыта программирования на Python или опыта программирования.
• Вы хотите знать, сколько времени займет изучение Python.
• Вас интересуют ресурсы и стратегии изучения Python.

Во-первых, я расскажу, как быстро вы сможете изучить Python. Если вы заинтересованы в изучении основ программирования на Python, вам может потребоваться всего две недели, чтобы научиться этому с обычной практикой.

Если вы заинтересованы в освоении Python, чтобы выполнять сложные задачи или проекты или стимулировать смену карьеры, то это займет гораздо больше времени. В этой статье я предоставлю советы и ресурсы, которые помогут вам быстро получить знания в области программирования на Python.

Если вам интересно, сколько будет стоить изучение Python, ответ также будет «это зависит». Существует большой выбор бесплатных онлайн-ресурсов, не говоря уже о различных книгах, курсах и платформах, опубликованных для начинающих.

Другой вопрос, который у вас может возникнуть: «Насколько сложно будет изучить Python?» Это тоже зависит. Если у вас есть опыт программирования на другом языке, таком как R, Java или C++, вам, вероятно, будет легче быстро выучить Python, чем тому, кто раньше не программировал.

Но изучение языка программирования, такого как Python, похоже на изучение естественного языка, и все уже делали это раньше. Вы начнете с запоминания базовой лексики и изучения правил языка. Со временем вы добавите в свой репертуар новые слова и опробуете новые способы их использования. Изучение Python ничем не отличается.

Сейчас вы думаете: «Хорошо, это здорово. Я могу выучить Python быстро , дешево и легко. Просто скажи мне, что почитать, и укажи мне путь». Не так быстро. Есть четвертая вещь, которую вам нужно учитывать, и это как выучить Python.

Исследования в области обучения показали, что не все люди учатся одинаково. Некоторые лучше всего учатся, читая, в то время как другие лучше всего учатся, видя и слыша. Некоторым людям нравится учиться с помощью игр, а не курсов или лекций. При просмотре тщательно отобранного списка ресурсов ниже учитывайте свои собственные предпочтения в обучении при оценке вариантов.

Теперь давайте углубимся. Ниже приведены мои восемь советов, которые помогут вам быстро выучить Python.

1. Изучите следующие основы Python.

Как минимум, вы (и ваш ресурс) должны освоить основы. Без их понимания вам будет трудно решать сложные проблемы, проекты или варианты использования. Примеры оснований Python включают в себя:

• Переменные и типы
• Списки, словаря и наборы
• Основные операторы
• Форматирование строк
• Основные операции строк
• 0008
• Классы и объекты

Если у вас очень мало времени, все эти основы можно быстро изучить на различных веб-сайтах: docs. python.org, RealPython.org, stavros.io, developer.google. com, pythonforbeginners.org. Подробнее см. в разделе «Веб-сайты» ниже.

2. Поставьте цель вашего исследования.

Прежде чем приступить к изучению Python, поставьте перед собой цель. Проблемы, с которыми вы столкнетесь, когда начнете учиться, будет легче преодолеть, если вы будете помнить о своей цели.

Кроме того, вы будете знать, на каком учебном материале следует сосредоточиться или просмотреть, если это имеет отношение к вашим целям. Например, если вы заинтересованы в изучении Python для анализа данных, вы захотите выполнять упражнения, писать функции и изучать библиотеки Python, облегчающие анализ данных. Ниже приведены типичные примеры целей для Python, которые могут относиться к вам:

• Анализ данных
• Наука о данных и машинное обучение
• Мобильные приложения
• Разработка веб-сайтов
• Автоматизация работы

3. Выберите ресурс (или ресурсы) для быстрого изучения Python.

Ресурсы Python можно разделить на три основные категории: интерактивные ресурсы, неинтерактивные ресурсы и видеоресурсы. Очные курсы также возможны, но не будут рассматриваться в этом посте.

Интерактивные ресурсы стали обычным явлением в последние годы благодаря популяризации интерактивных онлайн-курсов, которые предлагают практические задачи по кодированию и пояснения. Если вам кажется, что вы программируете, это потому, что вы на самом деле кодируете. Интерактивные ресурсы обычно доступны бесплатно или за номинальную плату, или вы можете подписаться на бесплатную пробную версию перед покупкой.

Неинтерактивные ресурсы — самые традиционные и проверенные временем; это книги (цифровые и в мягкой обложке) и веб-сайты («онлайн-уроки»). Многие изучающие Python впервые предпочитают их из-за знакомого и удобного характера этих сред. Как вы увидите, существует множество неинтерактивных ресурсов, из которых вы можете выбирать, и большинство из них бесплатны.

Видеоресурсы были популяризированы за последние 10 лет МООК (массовыми открытыми онлайн-курсами) и напоминали университетские лекции, снятые на видео. На самом деле их часто поддерживали или продвигали ведущие университеты.

Сейчас изобилие видеоресурсов по разным предметам, в том числе по программированию на Python. Некоторые из этих видеоресурсов представляют собой предварительно записанные курсы, размещенные на обучающих платформах, а другие представляют собой курсы в прямом эфире, предоставляемые поставщиками онлайн-образования. General Assembly предлагает живой курс по Python, который охватывает основы Python за одну неделю.

Ниже я составил список ресурсов, которые помогут вам быстро начать изучение Python. Они попадают в категории, изложенные выше, и как минимум охватывают основы Python. По всему списку я отметил звездочкой (*), какие ресурсы являются бесплатными, насколько мне известно.

Интерактивные ресурсы: инструменты и уроки

• CodeAcademy: одна из самых популярных интерактивных онлайн-платформ для быстрого изучения Python. Я знаю многих программистов Python, включая меня, которые прошли курс CodeAcademy по основам Python. Это отлично подходит для абсолютного новичка, и вы можете выбить его за неделю. Это заставит вас увлечься программированием на Python.
• DataCamp: Короткие видео от экспертов с практическими упражнениями на клавиатуре. Это наравне с курсами CodeAcademy.
• *PythonTutor.com: инструмент, помогающий вам писать и визуализировать код шаг за шагом. Я рекомендую сочетать этот инструмент с другим учебным ресурсом. Этот инструмент значительно упрощает изучение основ Python, поскольку вы можете визуализировать то, что делает ваш код.

Неинтерактивные ресурсы

Неинтерактивные ресурсы делятся на две подкатегории: книги и веб-сайты.

Книги

Изучая книги, я заметил, что большинство из них на самом деле предназначены для существующих программистов, заинтересованных в изучении Python, или для опытных программистов Python, которые ищут надежный справочный материал («поваренные книги») или специализированную литературу. Ниже я перечислил только те книги, которые я считаю полезными для начинающих.

• Знакомство с Python, 2-е издание: в этой книге учебные пособия сочетаются с рецептами кода в стиле поваренной книги для объяснения фундаментальных концепций Python.
• Learn Python 3 The Hard Way: 52 хорошо разработанных упражнения для начинающих изучать Python.
• Основы Python: практическое введение в Python 3: на веб-сайте все сказано — эта книга предназначена для того, чтобы вы прошли путь от новичка до среднего уровня.
• Ускоренный курс Python, 2-е издание. В этой книге изложены основы общих концепций программирования, основ Python и решения проблем с помощью реальных проектов.

Веб-сайты

Сначала мой список начался с более чем 20 примеров веб-сайтов, посвященных основам Python. Вместо того, чтобы делиться ими всеми, я решил включить только те, которые имели явное преимущество с точки зрения удобства или учебного плана. Все эти ресурсы бесплатны.

• *Урок Python от Google: учебные пособия, видеоролики и упражнения по программированию на Python для начинающих от компании, дружественной к Python.
• *Автостопом по Python. Это руководство поможет вам изучить и улучшить код Python, а также научит вас настраивать среду кодирования. Поиск по сайту невероятно эффективен, помогая вам найти то, что вам нужно. Я не могу рекомендовать этот сайт достаточно.
• *Python для всех: онлайн-книга с инструкциями по изучению Python для тех, кто интересуется решением задач анализа данных. Доступно в формате PDF на испанском, итальянском, португальском и китайском языках.
• *Python For You and Me: онлайн-книга, которая охватывает темы для начинающих и продвинутых в концепциях Python, а также представляет популярную среду Python для веб-приложений.
• *Python.org: официальная документация по Python. На сайте также есть руководство для начинающих, глоссарий Python, руководства по установке и инструкции.
• *Programiz на Python: У Programiz есть длинное руководство по основам Python, которое действительно хорошо сделано. Это не должно быть бесплатно, но это так.
• *RealPython.com: большая коллекция специализированных учебных пособий по Python, большинство из которых снабжены видеодемонстрациями.
• *Sololearn: 92 главы, 275 связанных викторин и несколько проектов по основам Python, к которым также можно получить доступ через мобильное приложение.
• *Tutorialspoint.com: простой учебник по основам Python.
• *W3Schools for Python: Еще одно серьезное руководство от авторитетного ресурса для веб-разработчиков.

Видеоресурсы

Видеоресурсы становятся все более популярными, и не зря: они удобны. Зачем читать учебник или учебник, если вы можете охватить тот же материал в видеоформате на своем компьютере или мобильном устройстве? Они делятся на две подкатегории: предварительно записанные видеокурсы и живые видеокурсы.

Заранее записанные курсы

• Coursera: большой каталог популярных курсов по Python для всех уровней. Большинство курсов можно пройти бесплатно, а платные курсы сопровождаются сертификацией. Вы также можете просматривать курсы в их мобильном приложении.
• EdX: проводит университетские курсы, посвященные конкретным вариантам использования Python (наука о данных, разработка игр, искусственный интеллект), но также охватывающие основы программирования. У EdX также есть мобильное приложение.
• Pluralsight: каталог видеороликов, посвященных основам Python, а также специализированным темам, таким как машинное обучение в Python.
• RealyPython.com: коллекция предварительно записанных видеороликов по основам Python для начинающих.
• *TreeHouse: библиотека видео с основами Python и промежуточными материалами.
• EvantoTutsPlus: 7,6 часов предварительно записанных видеороликов по основам Python, а также некоторый промежуточный контент.
• *Udacity: 5-недельный курс по основам Python. Также охватывает популярные модули стандартной библиотеки Python и других сторонних библиотек.
• Udemy: библиотека популярных курсов Python для учащихся всех уровней. Конкретный курс выделить сложно. Я рекомендую предварительно просмотреть несколько курсов Python для начинающих, пока не найдете тот, который вам нравится больше всего. Вы также можете просматривать курсы в их мобильном приложении.

Онлайн-курсы

• General Assembly: Этот интерактивный онлайн-курс от General Assembly избавит вас от всех догадок при изучении Python. С General Assembly у вас есть кураторская и всеобъемлющая учебная программа Python, живой инструктор, ассистент и сеть коллег и выпускников, с которыми вы можете общаться во время и после курса.

Изучите наш курс Python

4. Рассмотрите возможность изучения библиотеки Python.

Помимо изучения Python полезно изучить одну или две библиотеки Python. Библиотеки — это наборы специализированных функций, которые служат «ускорителями». Без них вам пришлось бы писать собственный код для выполнения специализированных задач.

Например, Pandas — очень популярная библиотека для работы с табличными данными. Numpy помогает выполнять математические и логические операции с массивами. Для описания библиотек потребуется отдельный пост — пока просмотрите эту страницу Python.org, посвященную стандартным библиотекам Python, и эту страницу GitHub, посвященную дополнительным библиотекам Python.

5. Ускорьте процесс установки Python с помощью Anaconda.

Вы можете решить проблему загрузки установщика Python с веб-сайта Python Software Foundation, а затем найти и загрузить дополнительные библиотеки; или вы можете загрузить установщик Anaconda, который уже поставляется со многими пакетами, которые вы будете регулярно использовать, особенно если вы планируете использовать Python для анализа данных или обработки данных.

6. Выберите и установите IDE.

Вам потребуется установить интегрированную среду разработки (IDE), которая представляет собой приложение, позволяющее создавать сценарии, тестировать и запускать код на Python.

Когда дело доходит до IDE, правильная — это та, которую вам нравится использовать больше всего. Согласно различным источникам, наиболее популярными IDE/текстовыми редакторами Python являются PyCharm, Spyder, Jupyter Notebook, Visual Studio, Atom и Sublime. Во-первых, хорошие новости: все они бесплатны, так что попробуйте пару, прежде чем остановиться на одном. Далее, «плохие» новости: каждый IDE/текстовый редактор имеет немного отличающийся пользовательский интерфейс и набор функций, поэтому потребуется некоторое время, чтобы научиться использовать каждый из них.

Тем, кто впервые знакомится с Python, я рекомендую программировать в Jupyter Notebook. Он имеет простой дизайн и оптимизированный набор возможностей, которые не отвлекают и облегчают практику и создание прототипов на Python. Он также поставляется со специальным дисплеем для фреймов данных и графиков. Если вы загрузите Anaconda, Jupyter Notebook будет предустановлен. Со временем я рекомендую вам попробовать другие IDE, которые лучше подходят для разработки (Pycharm) или обработки данных (Rodeo) и допускают интеграцию (Sublime).

Кроме того, рассмотрите возможность установки обработчика ошибок или автозавершения, чтобы дополнить вашу IDE, особенно если вы в конечном итоге работаете над длительными проектами. Это укажет на ошибки и поможет вам писать код быстрее. Kite — хороший вариант, к тому же он бесплатный и интегрируется с большинством IDE.

7. В случае сомнений используйте Google для устранения неполадок в коде.

Когда вы работаете над упражнениями, примерами и проектами Python, одним из самых простых способов устранения ошибок будет обучение у других разработчиков Python. Просто запустите быстрый поиск в Интернете и включите ключевые слова о вашей ошибке.

Например, «как объединить два списка в Python» или «Python как преобразовать в дату и время» — вполне приемлемые поисковые запросы, которые приведут вас на несколько популярных форумов сообщества, таких как StackOverFlow, Stack Exchange, Quora. , Programiz и GeeksforGeeks.

8. Запланируйте изучение Python и придерживайтесь его.

Это часть, которую пропускают большинство людей, что приводит к неудачам или задержкам. Теперь осталось только составить расписание. Я рекомендую вам установить как минимум двухнедельный график, чтобы разнести свое обучение и убедиться, что у вас достаточно времени для адекватного ознакомления с основами Python, практики кодирования в вашей среде IDE и устранения неполадок кода.

Частью сложности (и удовольствия) изучения Python или любого другого языка программирования является устранение ошибок. После первых двух недель вы будете поражены тем, как далеко вы продвинулись, и у вас будет достаточно практики, чтобы продолжить изучение более сложного материала, предоставленного выбранным вами ресурсом.

Заключительные мысли

К этому моменту мы установили минимальный график обучения, вы знаете, как выбрать цель обучения для своего исследования, у вас есть список учебных ресурсов и методов обучения на выбор, и вы знаете, что другие соображения по кодированию, которые вам нужно будет сделать. Мы надеемся, что вы воспользуетесь этими советами, чтобы ускорить изучение Python!

Как выучить Python за 21 день?

В настоящее время Python является одним из самых универсальных и востребованных языков программирования в мире ИТ. По статистике в мире насчитывается около 8-9 миллионов разработчиков Python, и это число быстро растет. Между тем, средняя зарплата начального уровня Python-разработчика в Индии составляет около 4-6 LPA , а его богатые функции, такие как более простой синтаксис , динамически типизированный и т. д., делают его наиболее рекомендуемым программированием. язык для начинающих. Кроме того, существует множество передовых технологий, таких как Искусственный интеллект , Машинное обучение , Большие данные и т. д., которые в значительной степени полагаются на Python. Действительно, если вы начнете изучать Python , следуя правильным подходам, этот язык может предложить вам гораздо больше для построения успешной карьеры!!

Прежде чем двигаться дальше, давайте кратко познакомимся с языком Python . Python, разработанный Guido Van Rossum в 1991 году, представляет собой язык программирования общего назначения .0038 . Этот язык широко используется в веб-разработке , науке о данных , машинном обучении и различных других популярных областях в мире технологий. Более того, Python поддерживает несколько парадигм программирования и имеет огромный набор библиотек и инструментов. Кроме того, язык предлагает различные другие ключевые функции, такие как улучшенная читаемость кода , обширная поддержка сообщества , меньшее количество строк кода и многие другие. Здесь, в этой статье, мы обсудим подробный учебный план или дорожная карта, которой нужно следовать, чтобы изучить Python всего за 21 день!

Совершенствуйте свои навыки и методы анализа данных, а также правильно применяйте различные наборы данных с помощью Python с помощью GeeksforGeeks Анализ данных с помощью Python — Самостоятельный темп , специально подготовленный для начинающих Сандипом Джейном.

1. Понимание основ (День: 1)

Это первое и главное задание, которое вам нужно выполнить – Чтобы понять природу и основы языка Python ! Вам необходимо пройти глубокое введение , функции и приложения языка. Между тем, вы также должны знать о процессе установки и настройке пути для запуска программ Python. Вам также рекомендуется создать свою первую базовую программу Python , которая поможет вам ознакомиться с синтаксисом и процессом выполнения программы Python. Кроме того, вы можете изучить около Интегрированные среды разработки (IDE) , такие как Pycharm, Jupyter и другие.

• Введение в язык Python
• Функции и приложения Python
• Как установить Python?
• Программа Hello World на Python
• Интегрированные среды разработки (IDE) для Python

2. Изучите типы данных, переменные и операторы Python (день: 2–3)

Теперь вам нужно сделать шаг вперед и узнать о основные элементы языка Python — Переменные, типы данных и операторы . Хотя когда дело доходит до переменных Python, вам не нужно объявлять переменные перед их использованием, поскольку Python — это язык программирования с динамическим типом . Кроме того, вам необходимо просмотреть различные встроенные типы данных в Python , такие как числовой , логический , тип последовательности и т. д. Кроме того, вы можете изучить операторы в Python и попрактиковаться в нескольких основных программах. а также по этим темам для более подробного разъяснения концепций.

• Типы данных | Переменные в Python
• Глобальные и локальные переменные в Python
• Операторы в Python
• Перегрузка операторов в Python
• Практические примеры программирования на Python

После изучения Основ Python, Переменных, Операторов и т. д. теперь вам необходимо понять условные операторы и операторы управления потоком по программированию на Python. Управление потоком программы Python касается различных тем, таких как For Loop , While Loop , Do-While Loop и т. д. Между тем, условные операторы связаны с несколькими понятиями, такими как If ​​ , If-else , Вложенный if-else и т. д. Вам необходимо подробно изучить эти темы, а также рекомендуется решить несколько вопросов по программированию, относящихся к этим темам. Несколько других тем, таких как операторы управления, такие как Break , Continue , Pass и т. д. также могут быть приняты во внимание.

• Операторы принятия решений в Python
• Циклы в Python
• Методы циклов в Python
• Операторы управления в Python
• Сравнение цепочек в Python

-7)

Как только вы закончите с вышеупомянутыми темами, теперь вам необходимо понять работу со строками, списками и словарями на языке Python. В общем, словарь в Python представляет собой неупорядоченный набор элементов, где каждый элемент содержит пар ключ/значение . Кроме того, String в Python представляет собой массив байтов, представляющих символы Unicode, а List в Python представляет собой изменяемую структуру данных, которая относится к упорядоченной последовательности элементов. Кроме того, вам рекомендуется пройти несколько других тем, таких как Кортеж , Наборы и т. д.

• Массивы Python
• Словарь Python
• Строка Python | Списки Python
• Byte Objects vs String в Python
• Наборы Python | Python Tuples

5. Знакомство с функциями и модулями Python (день: 8–10)

Кроме того, вам необходимо понимать одну из самых важных частей программирования на Python — Функции и модули в Python . Вам необходимо изучить различные аспекты функций Python, такие как типы функций, как написать и вызвать функцию, функцию с аргументами и т. д. Кроме того, вам также необходимо узнать о модуле в Python, который представляет собой файл, содержащий Определения и операторы Python. Кроме того, вам необходимо знать о нескольких других темах, таких как Замыкания Python , Пакеты , Лямбда-функции и различные другие.

• Функции в Python
• Функция с аргументами
• Лямбда-функции
• Модули Python | Пакет Python
• Замыкания Python

6. Операции с файлами Python (день: 11-12)

Теперь пришло время глубже погрузиться в мир программирования Python и понять работу с файлами и операции с файлами в Python . Действительно, Python поддерживает работу с файлами и позволяет вам работать с файлами с различными вариантами обработки файлов. Вам нужно узнать о различных операциях, таких как Чтение и запись файлов , Открытие и закрытие файлов , Чтение между строками и т. д. Вам необходимо выполнить различные соответствующие функции, такие как open() , split() , append () и многие другие. Вы также можете просмотреть несколько дополнительных тем, таких как функция поиска в Python и т. д.

• Основы работы с файлами в Python
• Открытие файла в Python
• Чтение файла | Запись в файл
• Функция Python seek()
• Функция Python tell()

7. Понимание объектно-ориентированного подхода в Python (День: 13-15)

Вот и наступила одна из самых важных частей пути изучения Python — Объектно-ориентированное программирование. Вам необходимо понять объектно-ориентированную природу программирования на Python с помощью различных соответствующих концепций, таких как класс, объект, экземпляры и т. д. Вам необходимо подробно изучить парадигмы ООП, такие как наследование, полиморфизм, инкапсуляция и т. д., чтобы владеть языком. Кроме того, вам необходимо узнать о нескольких других важных темах, таких как сокрытие данных, печать объектов, конструкторы и деструкторы в Python и многие другие.

• Класс, объект и члены в Python
• Наследование | Полиморфизм | Инкапсуляция
• Скрытие данных и печать объектов
• Конструкторы | Деструкторы в Python
• Сборка мусора в Python

8.

Узнайте о регулярных выражениях и обработке исключений в Python (День: 16-18)

и основные концепции Python, такие как Регулярные выражения , Обработка исключений и т. д. Когда дело доходит до обработки исключений, рекомендуется охватить несколько тем, таких как ошибки и исключения в Python, пользовательские исключения, Python Try Except, встроенные в исключениях и т. д. Кроме того, вам также необходимо сосредоточиться на регулярных выражениях в Python , что означает последовательность символов, которая формирует шаблон поиска. Несколько дополнительных тем, которые могут быть приняты во внимание на данном этапе: Взаимодействие с базой данных Python и т. д.

• Обработка исключений Python
• Пользовательское исключение | Встроенное исключение
• Попробуйте Python, кроме
• Регулярное выражение в Python
• MongoDB и Python

9. Пройдите многопоточность и Python CGI (день: 19-21)

Кроме того, вам нужно узнать еще о нескольких расширенные темы, такие как многопоточность, Python CGI и т.