新手学Python应该多看看前辈们的经历，能让你少走不少弯路

 我在知乎上看到这样一个问题，于是花两小时写了这个回答的文章。

一、首先一对一回答题主的问题：

你学python多久了?

答：从学开始，边学边用，总共七八年了。！

现在是什么水平呢?

答：全栈开发不敢说，但需要满足的业务场景基本都能用python搞定。

有从事相关的工作吗?

答：自从接触到python，就一直从事python开发工作了，专注数据开发，其他python周边也有。

或者有做相关的兼职吗?

答：在做python兼职，接一些小单，提升自己技术的同时，赚点零花钱。

二、详细说说我和python的缘分始终

现在是2022.10.6号的凌晨6点半，睡不着了，来知乎刷到这个问题。用我自己的真实经历，详细说说我是怎么开始走上python开发这条路的。

2.1、爬虫篇

我大概从七八年前，在客户现场，遇到一个比较棘手的业务场景，客户需要分析自己的业务数据，但是又没权限拿到总部数据的开放接口API，调配不到这么高权限的资源，只能从前台web页面对应的功能菜单上，一个个去筛选过滤条件，然后点击下载按钮，把数据下载成好几十个Excel再进行分析。针对这种情况，我作为技术支持团队的核心人员，无意间刷到python爬虫的技术文章，当时一直在犹豫，通过爬虫采集到的数据会不会不准确、业务前台页面改版了怎么办、爬虫程序不能稳定运行怎么办，但终归还是用上了python爬虫，毕竟当时也没别的办法了。

既然用爬虫爬前端页面，基础的html、css、就不说了，还得了解点JS、ajax异步、iframe切换什么的。知道前端怎么开发实现的，才能更加针对性地开发好自己的爬虫。

爬到大量数据，总不能存到Excel吧，得存到数据库，就学了对应的存取数据库的库，pymysql、cx_Oracle等，甚至后面还学到了先用sqlalchemy创建个连接，然后用pandas的to_sql插入数据库也是超级方便。

这中间，还需要用到一些数据转换、数据清洗，比如爬到的数据是个tuple啊，list啊，总不能直接insert到数据库吧，于是接触到了python中最常用的数据处理的库pandas，先清洗一遍，好使。

一个python程序爬得慢，单个程序已经最优化了，于是又开始了解多线程、多进程什么的，开始学threading、multiprocessing这些库。

python爬虫开发好了之后，总不能每次都手动run它吧，心累，那就写个定时呗。部署到Linux服务器上，就用crontab配置下。如果是Windows Server呢，就配置个定时任务，都是一个道理。再不济了，把定时逻辑写到爬虫程序里面，用到datetime、time.sleep这些库，让程序一直后台运行，While True循环，一到晚上12点，就自己触发自己跑，这样的话，都不用麻烦那些OS层面的定时机制了，也行，条条大路通罗马~

这就是，一个爬虫，开启了我的python学习之路的历程。

2.2、数据分析篇

前面的爬虫，只是解决了数据源获取的问题。数据拿到手，怎么让数据"活"起来，让数据变得有价值，那就要做数据分析了，当然，我也绕不开的。

传统企业，或者大部分公司的非IT部门、非信息化部，很多都是在用Excel汇总、处理数据的，为什么不用数据库呢，因为不懂开发技术呗~

但我作为甲方爸爸的技术支持，必须得用上技术，哪怕撑撑自己的门面装个样子呢。于是学习python的读取Excel文件的库，先后用到了openpyxl、xlrd、xlwt，这些不仅能读写Excel，还能在Excel里做一些附件功能，比如搞个下拉框、单元格填充颜色、字体大小颜色等等。最后也用上了pandas，用read_excel、read_csv把数据读取成DataFrame格式，然后经过各种数据清洗、转换、数据处理等ETL工作，最后再to_excel、to_csv吐成Excel文件，落地成结果文件。这一套下来，该学到的python库都掌握得差不多了吧。

当然，有时候，用数据库比较方便些，自然就会用到SQL语言，至于什么时候用python，什么时候用SQL，甚至什么时候用Excel本身，要分不同的适用场景，后续我可以展开来细讲。

数据分析，当然不止于Excel一种数据格式，还有word啊PPT啊PDF啊，我差不多都用到了一些，包括docx、pptx、pdfminer、PyPDF2这些对应的python库。恩？好像楼歪了，有点自动化办公的味儿了~

2.3、数据可视化篇

数据分析完了，总不能把光秃秃、硬邦邦的Excel文件发给爸爸们吧，人家不懂技术，也不能逼着人家去学技术啊~于是，当然要做成更加友好、更加直观的可视化图表了。

如果是简单地开发一些图表，单纯表达数据计算结果、数据分布等情况，用matplotlib这种python最基础的可视化库就足够了。

但如果想开发可视化大屏，就是企业大厅的墙上挂的那种，是通过组合各种图表然后美化界面，达到数据大屏的效果。业界市场上有很多商用产品，比如DataV、FineReport、Tableau、PowerBI等等，但是我最终选择了用百度的Echarts开发了一个数据大屏，除了因为他是免费开源外，界面也不丑，还可交互。

我开发这个大屏，基本把上述所有用到的技术（包括下面的Flask框架）都串起来做了一遍。

2.4、web开发篇

可视化生成的各种图表，以怎样的形式发给爸爸们看呢，总不能把png图片、或者html文件通过邮件post给他们吧，咱们是技术人员不是嘛~ 当然是部署到服务器上，然后让人家在网页上看了。就像访问百度网站一样简单。给爸爸们省时间就是给自己省时间，慢就是快的道理，你懂得~

当时，在我的认知范围内，python的web开发主要有Flask和Django两种主流框架。我这个人比较懒，能写一行代码办成的事，绝对不写两行代码，自然而然的选择了Flask这个轻量级的开发框架。Django大而全，我没必要用他！

最简单的应用Flask，就是把生成的图表文件，render到template里面，这样，在URL里直接访问http://localhost:5000，就能看到可视化图表了，本地测试没问题，部署到服务器，localhost换成服务器的ip地址就能访问了，超级方便对不对。

稍微复杂一点的应用Flask呢，就是前后端分离，用Flask实现后端接口API的开发，这个工作的前提，就是要和前端开发的小伙伴约定好接口协议，把数据拼装成什么格式吐给他，json、string还是什么其他的都无所谓，但一定要提前约定好，这个很关键，防止后面的前后端扯皮，懂的人已经点赞我了~

2.5、总结

至此，一套完整的数据分析流程就都包含了：

数据采集 -> 数据清洗、数据分析 -> 数据可视化

每个环节都要用到不同 python库，整个流程做下来，想不提升都难。

当然，python的应用领域还远远不止于此，另外还有自动化测试、自动化运维、自动化办公、科学计算、机器学习、深度学习、人工智能算法、大数据等。

记得之前有个HR问我的职业规划是什么，我答，以python开发为基础的人工智能方向。做人如果没梦想和咸鱼有什么分别，哈哈！既然选择了，那就一路走下去吧~

三、关于python副业兼职

我本人身在一个末流省会城市，不像一线城市996、007那么大压力，算是工作生活平衡得开，自己的业余时间也比较丰富，就想着用python接些单子赚点零花钱这样。

有些程序员同事不认可开发兼职这种事，认为很浪费时间、精力，有这时间还不如自己研究一门技术。但是我认为，技术变现需要一个思维转换的过程，把自己从螺丝钉变成老板。不要低头干活，还要抬头看路！

我对自己看的很清楚，我不是那种技术钻很深的人，也永远做不到技术总监、CTO的头衔，所以一定要开拓自己的非技术发展方向，比如产品、运维、管理、沟通等方面。

同时，也不要觉得自己技术很菜，就输出不了任何价值。大佬为小牛提供知识，小牛为小白提供知识。于是根据自己的这个感悟，整理了一个知识变现模型：

最后

如果对Python感兴趣的话，可以试试我的学习方法以及相关的学习资料

对于0基础小白入门：

如果你是零基础小白，想快速入门Python是可以考虑培训的。

一方面是学习时间相对较短，学习内容更全面更集中。

 Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

温馨提示：篇幅有限，已打包文件夹，获取方式在“文末”！！！

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

这份完整版的Python全套学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】