如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，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。
二、学习软件
工欲善其必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。
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、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。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
https://realpython.com/python-youtube-channels/
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
https://docs.python-guide.org/
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
https://www.edx.org/learn/python
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
https://www.coursera.org/courses?query=python
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
https://www.djangoproject.com/start/
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
https://www.oreilly.com/learning-paths/learning-path-django/9781788998703/
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
https://jvns.ca/blog/2013/12/22/cooking-with-pandas/
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
https://stackoverflow.com/questions/tagged/python
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 – Reddit
https://www.reddit.com/r/Python/
Python subreddit在Python中提供了大量不同的新闻文章和教程。
Data Science – Reddit
https://www.reddit.com/r/datascience/
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
https://thenextweb.com/dd/2016/04/08/start-using-python-andor-r-data-science-one-best/
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
https://www.dataquest.io/blog/python-api-tutorial/
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
https://towardsdatascience.com/introduction-to-data-visualization-in-python-89a54c97fbed
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
https://hackernoon.com/top-python-web-development-frameworks-to-learn-in-2019-21c646a09a9a
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
https://towardsdatascience.com/beginners-guide-to-machine-learning-with-python-b9ff35bc9c51
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
https://www.springboard.com/resources/learning-paths/machine-learning-python/
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
https://www.reddit.com/r/MachineLearning/
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
https://www.kdnuggets.com/tag/python
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
https://www.udemy.com/topic/python/
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
https://towardsdatascience.com/a-brief-introduction-to-pyspark-ff4284701873
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
https://scikit-learn.org/
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
https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e99039d5e
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
https://www.coursera.org/learn/machine-learning-with-python
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 – deeplearning.ai
https://www.deeplearning.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
https://www.fast.ai/
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
https://www.tensorflow.org/tutorials/keras
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 | Kaggle
https://www.kaggle.com/datasets
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
https://www.practicepython.org/
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
https://www.w3schools.com/python/python_exercises.asp
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
https://www.hackerrank.com/domains/python
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。
现在能在网上找到很多很多的学习资源，有免费的也有收费的，当我拿到1套比较全的学习资源之前，我并没着急去看第1节，我而是去审视这套资源是否值得学习，有时候也会去问一些学长的意见，如果可以之后，我会对这套学习资源做1个学习计划，我的学习计划主要包括规划图和学习进度表。
分享给大家这份我薅到的免费视频资料，质量还不错，大家可以跟着学习
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
我薅到的免费视频资料，质量还不错，大家可以跟着学习
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
