转行零基础学习Python编程，从入门到放弃，方法你确定用对了吗？_我在学python编程

作者：不正经 | 2024-06-01 14:24:13

踩

我在学python编程

前言

我在学习的过程中，深深的觉得对于成人或者进入职场的人来说，学习一门新的知识，目的不在于积累，而在于解决问题。

所以这就要求我想明白3个问题：

1.学习python,要解决什么问题?解决这个问题，是要为了确定学习方向。
2.要学哪些东西?解决这个问题，为了规划好学习路径，建立学习地图。
3.怎样学?解决这个问题，是为了找到高效学习的方法。

1,选择好方向

我要学习python的目的不是为了解这门语言，而是为了要学会运用这门语言来解决问题。

但python的应用方向，实在太广了。在python基础知识学完之后，如果应用方向不同，要学习的东西也会大不同。

我不能说我要做web开发，学完python基础知识，跑去学numpy, pandas 等知识，也不能说我要用python做数据分析，学完python基础知识，然后就跑去学django, flask框架。这个道理，就跟我们想要去泰国旅行，肯定不会买去日本的机票一样，很简单，但是我们不得不承认，还是会有人犯迷糊，上来就开干。

我学习python,因为在工作中慢慢了解到python在数据分析方面，基本涵盖了“数据获取-数据处理- -数据分析-数据可视化"这个流程中每个环节，是数据分析的利器，话说这风骚的操作,也是没谁了。

2,规划好路径

当我确定好方向后，下一步骤就是顺着这个方向，建立好我自己的学习路径地图。

这个路径是1个系统性的逻辑主线9，这个主线会让我知道每个部分需要完成的目标是什么，需要学习哪些知识点，哪些知识是暂时不必要的。然后每学习一个部分，我就能够有一些实际的成果输出，利用成果产出来形成正向刺激，激励后续的学习。

而且，如果我们身在职场，大多时候我们是没有很大块的时间来集中学习的。我们的学习时间被分割在了一些碎片化的时间里。在碎片化的时间里，系统性的学习-门知识，更需要有一个贯穿前后，系统的逻辑主线，来串联所有相关碎片化的时间的学习。

当我确定好学习python的数据分析知识，就按照数据分析的流程“数据获取-→数据处理-→数据分析-→数据可视化"这个路径,给自己建立了学习地图:

1，python基础知识
2，爬虫基本知识+sq|
3，numpy
4，pandas
5，matplotlib
6，sklearn
7,统计学与概率论

3,对基本概念建立认知

python是我学习的第一门编程语言，我在开始学习python的时候，是一个连什么是字符串都不知道小白。所以对我来说，最重要的开始是，首先对这一领域的基本概念建立认知!

实上，对一门领域完全零基础的人，想要开始学习它的话，真重要的工作是先对这门领域的基本概念建立认知。

举个例子，比如我在看到教程中有句话是“为变量赋值”，那我至少得知道，什么是变量?赋值是什么意思?

那么这个时候光靠自己是无法理解的，需要书籍的帮助，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。

如果需要这份完整版的Python学习书籍，可以微信扫描下方CSDN官方认证二维码【免费获取】。

这些书用生活中常见的物品做类比和视觉化，用极其通俗易懂的语言，让我对python语言以及编程领域的基本概念建立了基本认知。

但其实，对真正如我一-样的0基础的小白来说，大多时候，python是我们学习的第一门编程语言。所以这个时候，对我们来说，学习python,不仅是学习这门语言本身，还是在借着这门语言，帮我们建立对编程世界的一些基本概念的认知。

当我入了门之后，就是顺着在第二步建立的学习路径，一路升级打怪,毕竟,我的征途是星辰大海!

4,最后，学习中需要注意的问题

A，一开始绝不陷入底层原理和细枝末节的纠缠

这个坑，是把我坑的最深的坑。

举个例子，我学到函数的时候，我在开始的时候只需要，学会怎么定义函数，怎么调用函数这些基础知识，完全不需要一开始就深入到，研究函数参数的传递规则，到底是值传递，还是引用传递。

不是说这底层知识不重要，至少在入门的时候，我们不用一上来就深入这个层面。因为知识的学习，是一个线性的，从潜入深的顺序。如果-开始，就眉毛胡子把抓,不分主次，可能我们很快就会体会到"从入门到放弃"是-种什么样的感觉。

而且我们在后续的学习过程中，其本身就是在“运用中深入理解,在深入理解中优化应用”。相互印证理解，是一种自然而然的深入学习过程。

B,最好是按照系统性的课程或书本来学习

既然在这个领域是新手，先接受一个已经存在的系统，再在上面修修改改，是最适合的方案。作为新手，如果依靠自学来学习一门领域的知识，根据我的经验，我依然认为最好的老师,仍旧是成体系的课程或书本。

学习更是没有捷径，一定要多动手实践

在懂得理论知识后，一定要实践。学习Python不能搭便车，有些时候，句子和语法看起来很简单，但是亲自实践起来却总有自己不知道的知识盲点。哪怕是简单的小程序，书本上的小例子，只有多动手操作，也会提高自己的代码能力。

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。
C,以能用起来，解决问题为指导原则

在工作中，需要的更多的是一种解决问题的工程性思维9，所以很多时候，我们能掉包解决问题，就没必要自己造轮子。

举个例子，boss要去机场，那我只要会开车，驱车把boss送到目的地就行，而不需要我去研究怎么怎么造车轮，怎么造发动机，怎么造电瓶。。。。。。

当然，如果我们学有余力，能深入，肯定是只好不坏。但还是那句话，开始的时候，不眉毛胡子一把抓。

D,没有什么牛逼的事情是能够速成的，越是底层的、收益周期越长的技能越是这样。

“大道甚夷，而人好径,终为所误"。我们总会在踩了无数的坑后，才恍然大悟:捷径往往是最长的弯路。学习一门领域的知识，对于普通人人在短时间内从0到1入个门，倒是不难，但是从1到10，到100，进阶为手，没有长时间的投入和刻意练习，无异于痴人说梦。当我理解这个道理，也知道自己资质并非属于天选之子的时候，就不会急于求成而去费尽心思想找到一条捷径:试图用3个月的时间，去完成别人用了3年才能做到的事情。

以上，只要用对方法，有一个完整的学习脉络规划和逻辑主线的贯穿，循序渐进，学Python就能很高效。