Python是一種功能很強(qiáng)大的語(yǔ)言，對(duì)于零基礎(chǔ)學(xué)習(xí)Python還是有難度的,但只要學(xué)習(xí)方法對(duì)，入門還是很快噠。下面介紹幾種學(xué)習(xí)Python的方法。以下是小編為你整理的如何學(xué)好python編程 ?
首先是書(shū)籍，通過(guò)書(shū)籍學(xué)習(xí)，雖然速度會(huì)有些慢，但知識(shí)具體，可以掌握很多細(xì)節(jié)，一旦入門后，后面進(jìn)步就很快了，下面介紹給大家一本書(shū)，是以前我學(xué)習(xí)Python時(shí)用的書(shū)，感覺(jué)還挺不錯(cuò)噠。
然后就是借助網(wǎng)絡(luò)學(xué)習(xí)，網(wǎng)上有很多視頻課程，而且有很多是免費(fèi)噠，網(wǎng)絡(luò)視頻比較直觀，入門快。給大家推薦一個(gè)視頻，網(wǎng)易云課堂里有個(gè)零基礎(chǔ)入門學(xué)習(xí)python的視頻，是免費(fèi)的，我之前也看過(guò)，挺不錯(cuò)噠 ?
還有就是加一些qq群或是論壇，里面的知識(shí)雖然不全面，但對(duì)于知識(shí)的擴(kuò)寬還是很有幫助噠。 ?
*說(shuō)說(shuō)我的學(xué)習(xí)經(jīng)驗(yàn)，書(shū)籍學(xué)習(xí)的方法比較扎實(shí)，網(wǎng)絡(luò)視頻學(xué)習(xí)的方法入門比較快，論壇可以作為知識(shí)的補(bǔ)充渠道，當(dāng)然，如果想學(xué)精，唯有多多實(shí)踐一條途徑。 ?
優(yōu)點(diǎn)是什么
Python世界最棒的地方之一，就是大量的第三方程序包。同樣，管理這些包也非常容易。按照慣例，會(huì)在 requirements.txt 文件中列出項(xiàng)目所需要的包。每個(gè)包占一行，通常還包含版本號(hào)。這里有一個(gè)例子 ?
Python 程序包有一個(gè)缺陷是，它們默認(rèn)會(huì)進(jìn)行全局安裝。我們將要使用一個(gè)工具，使我們每個(gè)項(xiàng)目都有一個(gè)獨(dú)立的環(huán)境，這個(gè)工具叫virtualenv。我們同樣要安裝一個(gè)更高級(jí)的包管理工具，叫做pip，他可以和virtualenv配合工作。 ?
首先，我們需要安裝pip。大多數(shù)python安裝程序已經(jīng)內(nèi)置了easy_install(python默認(rèn)的包管理工具)，所以我們就使用easy_install pip來(lái)安裝pip。這應(yīng)該是你*一次使用easy_install 了。如果你并沒(méi)有安裝easy_install ，在linux系統(tǒng)中，貌似從python-setuptools 包中可以獲得。 ?
如果你使用的Python版本高于等于3.3， 那么Virtualenv 已經(jīng)是標(biāo)準(zhǔn)庫(kù)的一部分了，所以沒(méi)有必要再去安裝它了。 ?
下一步，你希望安裝virtualenv和virtualenvwrapper。Virtualenv使你能夠?yàn)槊總€(gè)項(xiàng)目創(chuàng)造一個(gè)獨(dú)立的環(huán)境。尤其是當(dāng)你的不同項(xiàng)目使用不同版本的包時(shí)，這一點(diǎn)特別有用。Virtualenv wrapper 提供了一些不錯(cuò)的腳本，可以讓一些事情變得容易。 ?
當(dāng)virtualenvwrapper安裝后，它會(huì)把virtualenv列為依賴包，所以會(huì)自動(dòng)安裝。 ?
打開(kāi)一個(gè)新的shell，輸入mkvirtualenv test 。如果你打開(kāi)另外一個(gè)shell，則你就不在這個(gè)virtualenv中了，你可以通過(guò)workon test 來(lái)啟動(dòng)。如果你的工作完成了，可以使用deactivate 來(lái)停用。 ?
循環(huán)語(yǔ)句的應(yīng)用
舉個(gè)例子如果我們要生產(chǎn)一個(gè)list [1,2,3,4,5,6,7,8,9,10] 我們可以使用range(1,11)來(lái)表示，如果直接寫(xiě)range(11) 是從0開(kāi)始，我們可以演示一下。print range(11)print range(1,11)print range(8,11) ?
然后我們想一下 如果要表示[1*1,2*2,3*3,4*4.....100*100]要怎么做呢?好肯定是要利用到循環(huán)的概念，正常的寫(xiě)法是這樣的： ?
a = [] #定義一個(gè)空的列表for x in range(1,101): #假設(shè)X在從1開(kāi)始循環(huán)到100 a.append(x * x) # 進(jìn)行一次添加操作 x* xprint a
?
作為一個(gè)程序員，就要是使用最短的代碼*效的完成程序表達(dá)的功能，如果使用循環(huán)寫(xiě)的話會(huì)感覺(jué)比較繁瑣，特別是邏輯能力不太強(qiáng)的朋友，我們可以使用一行語(yǔ)句代替循環(huán)，我們測(cè)試看看 ?
print [x * x for x in range(1,101)] ?
當(dāng)然除了計(jì)算之外，我們還可以做一些比較特殊的字符串操作，比如： ?
print [m + n for m in 'ABC' for n in 'XYZ'] ?
我們可以看到我們把A B C 都加了一遍XYZ 如果要用正常的循環(huán)也是可以完成的就是了，這樣的操作更加簡(jiǎn)單便捷。 ?
學(xué)python有什么條件
開(kāi)發(fā)環(huán)境準(zhǔn)備，這里我選用Visual Studio 2017作為Python的開(kāi)發(fā)工具，要求在Visual Studio中安裝Python環(huán)境支持
在進(jìn)行機(jī)器學(xué)習(xí)開(kāi)發(fā)時(shí)我們需要給python環(huán)境安裝所需要的外部依賴包
sklearn，numpy，spicy
引入sklearn包，創(chuàng)建數(shù)據(jù)特征模型
from sklearn import tree
#特征模型數(shù)據(jù)，[身高,胡子] 1-有 0-無(wú)
feature =[[178,1],[155,0],[180,1],[166,0],[168,1],[152,0]] ?
#特征標(biāo)簽值
label=['male''female','fale','female','fale','female']
我們采用決策樹(shù)進(jìn)行分類預(yù)測(cè)
#創(chuàng)建一個(gè)決策樹(shù)對(duì)象
clf = tree.DecisionTreeClassifier();
#將特征數(shù)據(jù)交個(gè)決策樹(shù)進(jìn)行判斷
clf = clf.fit(feature,label)
進(jìn)行新的數(shù)據(jù)預(yù)測(cè)
#預(yù)測(cè)一組新的數(shù)據(jù)
clf.predict([[158,0]])
clf.predict([[190,1]])
完成的Python的代碼如下： ?
from sklearn import tree
#特征模型數(shù)據(jù)，[身高,胡子] 1-有 0-無(wú)
feature =[[178,1],[155,0],[180,1],[166,0],[168,1],[152,0]]
#特征標(biāo)簽值
label=['male','female','fale','female','fale','female']
#創(chuàng)建一個(gè)決策樹(shù)對(duì)象
clf = tree.DecisionTreeClassifier();
#將特征數(shù)據(jù)交個(gè)決策樹(shù)進(jìn)行判斷 ?
clf = clf.fit(feature,label)
#預(yù)測(cè)一組新的數(shù)據(jù)
r1=clf.predict([[158,0]])
print("Data[158,0] is label for:")
print(r1)
r2=clf.predict([[190,1]])
print("Data[190,1] is label for:")
print(r1)
