Python学习

     个人Python用的多，刚开始接触时就被这门语言简洁、优雅的特性所吸引。有句话说的好“Life is short,I use Python.”最近在看Java,对此感触颇多，相比之下，Python实在是太方便了，掌握熟练之后可以快速实现自己的想法，大大节省了开发时间，让使用者可以把精力用于问题本身而不是代码编写上。

     我自己看的第一本书是《笨方法学Python》,虽然这本书的作者觉得把书上的代码对着敲一遍就可以入门了，但个人认为这种对着书敲代码的学习方法实在是笨重而且不得法。这本书讲的不够系统，很多知识点感觉有割裂，看了一天就被我抛弃了。还好看的是PDF版...要不然实体书买来都不好意思送人。。

    个人推荐从《Python基础教程》开始看，这本书对语言本身讲的很系统很全面。Python为数不多的几个数据结构(list、set、tuple、dict)都有详细的讲解。这本书后面讲的内容跟数据分析就没什么关系了，看到面向对象那里即可。面向对象也可以放在先不看，毕竟Python不像Java那样是纯粹的面向对象的语言，但有了这个基础以后学Java就会轻松许多。

   有了一定的Python编程基础之后就可以看看经典中的经典-----《机器学习实战》，毕竟Python是机器学习领域最全面的语言(Python有专门的机器学习包sklearn以及用于深度学习的框架Theano)。看这本书之前可以看看李航博士的《统计学习方法》，也是一本经典的统计机器学习好书。对于《机器学习实战》，我建议第一遍跟着书读代码，理解Numpy这个包的用法以及一些Python编程技巧，读完一遍之后合上书自己写代码实现算法然后运行之。隔一段时间之后再读读代码，再自己实现一遍，如此循环。。。可惜我自己没有把这个过程循环下去。。因为认识了Sklearn，这是后话了。不过我敢说，如果真的投入这么多的时间和精力去做，不管是对算法的理解还是Python编程水平都会有一个质的飞跃。

   对于统计系的学生而言，学Python最大的目的可能还是做数据分析了，那么《利用Python进行数据分析》应该是不二之选。这本书介绍了两大神器---Numpy和Pandas，尤其是Pandas,学好之后感觉可以很轻松自如地操纵数据集。

    Numpy、Pandas、Sklearn这些包并不是Python自带的，是需要下载之后另行安装的，而且鉴于大部分同学的操作系统都是Windows，这些包安装起来会比较麻烦可能要花一些时间。这个时候Anaconda就要隆重出场了，它是一个关于Python的独立集成开发环境，里面自带了大部分我们需要的包还有Ipython，一经安装，无须更改。。。(这广告打的)