站在时代的风口，要不要学习Python？
近期，数据科学网站KDnuggets发布了2018数据科学和机器学习工具调查结果：Python荣登第一，成为最受青睐的分析、数据科学、机器学习工具。2017年Python已经拥有超过50%的份额，如今已经提高至65.6%。
每月更新的TIOBE 编程语言热度排行榜中，Python语言也是稳稳的排在前五位，紧跟Java、C、C++的步伐。
表：KDnuggets2018年顶级分析/数据科学/ ML软件调查
表：2017年6月-2018年6月TIOBE排行榜中Top5的变化对比
表：TIOBE排行榜TOP10的变化趋势（）
人工智能崛起的东风让Python的地位也随之水涨船高，各大厂纷纷入局人工智能，Python相关人才也得到各大公司争抢，从最新发布的相关招聘信息来看，月薪最低15k，最高可达50k。
数据来自拉勾网
市场需求大，应用前景广，可以说，现在是学Python最好的时候。
编程语言这么多，为什么要选择Python？
编程语言有上百种，比如常见的C，C++，Java，PHP，Java，Ruby，Perl 和Python。
对于新手来说选择一门新的语言，需要考虑2个场景：第一个场景，学习语言的成本。第二个场景，语言的应用场景。
恰好Python语言是最佳选择。
1).语言简洁友好
相对于其他的语言，Python容易上手，它的语言跟英语一样，通熟易懂。一些复杂的概念已经帮你封装好，不需要考虑内存的申请和释放，不需要考虑变量的内容，拿来即用。
2).高速增长，应用场景广
随着人工智能，大数据的高数发展，Python作为人工智能的第一语言热度直线飙升。未来十年一定是人工智能的十年，Python的生命力非常强。
其应用领域也非常广泛，自动化测试，Devops运维，爬虫工程师，Web开发，数据分析，机器学习都可以用Python,很少有学一门语言能干这么多事情。通俗讲，性价比极高。
Python可移植性恨高，是支持跨平台的。你可以随处运行Python，比如Windows、Mac、Linux、Solaris、FreeBSD等等。
4).未来可期
去年年底，教育部考试中心发布了“关于全国计算机等级（NCRE）体系调整”的通知，决定自2018年3月起，在计算机二级考试加入了“Python语言程序设计”科目，这足以说明随着人工智能时代的来临，Python正越来越受欢迎。
对于刚刚结束高考的考生来说，Python也是考生入门计算机的选择之一。
新手应该如何学习Python？
工欲善其事，必先利其器。既然我们选择了Python这款神兵利器，那么如何才能快速的学好Python呢？
1).找一本靠谱的书
注意是靠谱的，难度一定要是入门级别。刚开始学，一上来看深奥的书，很容易受阻，时间长了就会失去兴趣。
2).开发工具
学习python一定要学一个好的开发工具，Python的开发工具很多，这里我只推荐3种：
Sublime text：轻量级神器，视觉效果上非常享受。简洁，同时有庞大的插件库，是非常流行的编辑器，适合练手小的程序和小的项目。
pycharm：专业级神器，对代码的提示，跳转非常方便，有强大的内置重构功能，是Python专业程序员的最佳选择，如果要进行大的项目开发，必须是它。
Anaconda：集成了大量数据分析相关库，它的调试功能比较强大。如果要从上数据分析，机器学习，一定要用它，尤其里面的Jupter工具，几乎所有的数据分析人员都用它。
声明：以上内容整理自互联网，版权归作者本人所有，我们尊重原创，如果出处有误或侵犯到原作者权益，请务必与我们联系删除或授权事宜。
Python自学好帮手
《自学Python—编程基础、科学计算及数据分析》是面向Python初学者的一本实用学习笔记。作者在一年的时间里，通过自学，从一个Python“小白”成长为了一个Python“老手”，并在这个过程中用笔记的形式记录了自己学习和使用Python的经验。
本书基于学习笔记而来，内容更贴近读者，例子也尽可能地简单易懂。除了介绍用法，书中还加入了很多原理解释，并辅以实例进行说明。因此，与其他Python书籍相比，本书不仅具有知其然的功能，还具有知其所以然的特点，从而能更好地帮助初学者进行学习。
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。
今日搜狐热点哪些地方高考要考Python 高考考Python是真的吗 _上考网
哪些地方高考要考Python 高考考Python是真的吗抱歉，你输入的网址可能不正确，或者该网页不存在。当前位置浏览文章
数据封装、继承和多态只是面向对象程序设计中最基础的3个概念。在Python中，面向对象还有很多高级特性，如：多重继承、定制类、元类等概念。_slots_作使用：限制实例的属性。Python允许在定义class的时候，定义一个特殊的__slots__变量，来限制该class实例可以增加的属性：class Student(object):
__slots__ = (name, age) # 使用tuple定义允许绑定的属性名称
&&& s = Student() # 创立新的实例&&& s.name = Michael # 绑定属性name&&& s.age = 25 # 绑定属性age&&& s.score = 99 # 绑定属性scoreTraceback (most recent call last):
File "&stdin&", line 1, in &module&AttributeError: Student object has no attribute score因为score没有被放到__slots__中，所以不可以绑定score属性，试图绑定score将得到AttributeError的错误。用__slots__要注意，__slots__定义的属性仅对当前类实例起作使用，对继承的子类是不起作使用的：&&& class GraduateStudent(Student):...
pass...&&& g = GraduateStudent()&&& g.score = 9999除非在子类中也定义__slots__，这样，子类实例允许定义的属性就是自身的__slots__加上父类的__slots__。@property装饰器（decorator）能给函数动态加上功可以，对于类的方法，装饰器一样起作使用，Python内置的@property装饰器就是负责把一个方法变成属性调使用的：class Student(object):
def score(self):
return self._score
@score.setter
def score(self, value):
if not isinstance(value, int):
raise ValueError(score must be an integer!)
if value & 0 or value & 100:
raise ValueError(score must between 0 ~ 100!)
self._score = value把一个getter方法变成属性，只要要加上@property即可以了，此时，@property本身又创立了另一个装饰器@score.setter，负责把一个setter方法变成属性赋值，于是，我们就拥有一个可控的属性操作：&&& s = Student()&&& s.score = 60 # OK，实际转化为s.set_score(60)&&& s.score # OK，实际转化为s.get_score()60&&& s.score = 9999Traceback (most recent call last):
...ValueError: score must between 0 ~ 100!注意到这个神奇的@property，我们在对实例属性操作的时候，就知道该属性很可可以不是直接暴露的，而是通过getter和setter方法来实现的。还能定义只读属性，只定义getter方法，不定义setter方法就是一个只读属性：class Student(object):
def birth(self):
return self._birth
@birth.setter
def birth(self, value):
self._birth = value
def age(self):
return 2015 - self._birth上面的birth是可读写属性，而age就是一个只读属性，由于age能根据birth和当前时间计算出来。多重继承在设计类的继承关系时，通常，主线都是单一继承下来的，例如，Ostrich继承自Bird。但是，假如需要“混入”额外的功可以，通过多重继承即可以实现，比方，让Ostrich除了继承自Bird外，再同时继承Runnable。这种设计通常称之为MixIn。为了更好地看出继承关系，我们把Runnable和Flyable改为RunnableMixIn和FlyableMixIn。相似的，你还能定义出肉食动物CarnivorousMixIn和植食动物HerbivoresMixIn，让某个动物同时拥有好几个MixIn：class Dog(Mammal, RunnableMixIn, CarnivorousMixIn):
passMixIn的目的就是给一个类添加多个功可以，这样，在设计类的时候，我们优先考虑通过多重继承来组合多个MixIn的功可以，而不是设计多层次的复杂的继承关系。定制类到相似__slots__这种形如__xxx__的变量或者者函数名就要注意，这些在Python中是有特殊使用途的。__slots__我们已经知道怎样使用了，__len__()方法我们也知道是为了可以让class作使用于len()函数。除此之外，Python的class中还有许多这样有特殊使用途的函数，能帮助我们定制类。_str_&&& class Student(object):...
def __init__(self, name):...
self.name = name...
def __str__(self):...
return Student object (name: %s) % self.name...&&& print(Student(Michael))Student object (name: Michael)这样打印出来的实例，不但好看，而且容易看出实例内部重要的数据。但是直接敲变量不使用print，打印出来的实例还是不好看：&&& s = Student(Michael)&&& s&__main__.Student object at 0x109afb310&这是由于直接显示变量调使用的不是__str__()，而是__repr__()，两者的区别是__str__()返回使用户看到的字符串，而__repr__()返回程序开发者看到的字符串，也就是说，__repr__()是为调试服务的。处理办法是再定义一个__repr__()。但是通常__str__()和__repr__()代码都是一样的，所以，有个偷懒的写法：class Student(object):
def __init__(self, name):
self.name = name
def __str__(self):
return Student object (name=%s) % self.name
__repr__ = __str___iter_假如一个类想被使用于for ... in循环，相似list或者tuple那样，就必需实现一个__iter__()方法，该方法返回一个迭代对象，而后，Python的for循环就会不断调使用该迭代对象的__next__()方法拿到循环的下一个值，直到遇到StopIteration错误时退出循环。我们以斐波那契数列为例，写一个Fib类，能作使用于for循环：class Fib(object):
def __init__(self):
self.a, self.b = 0, 1 # 初始化两个计数器a，b
def __iter__(self):
return self # 实例本身就是迭代对象，故返回自己
def __next__(self):
self.a, self.b = self.b, self.a + self.b # 计算下一个值
if self.a & 100000: # 退出循环的条件
raise StopIteration()
return self.a # 返回下一个值现在，试试把Fib实例作使用于for循环：&&& for n in Fib():...
print(n)...11235..._getitem_像list那样按照下标取出元素，需要实现__getitem__()方法：class Fib(object):
def __getitem__(self, n):
a, b = 1, 1
for x in range(n):
a, b = b, a + b
return a现在，即可以按下标访问数列的任意一项了：&&& f = Fib()&&& f[0]1&&& f[1]1&&& f[2]2&&& f[3]3&&& f[10]89&&& f[100]但是list有个神奇的切片方法：&&& list(range(100))[5:10][5, 6, 7, 8, 9]对于Fib却报错。起因是__getitem__()传入的参数可可以是一个int，也可可以是一个切片对象slice，所以要做判断：class Fib(object):
def __getitem__(self, n):
if isinstance(n, int): # n是索引
a, b = 1, 1
for x in range(n):
a, b = b, a + b
if isinstance(n, slice): # n是切片
start = n.start
stop = n.stop
if start is None:
a, b = 1, 1
for x in range(stop):
if x &= start:
L.append(a)
a, b = b, a + b
return L _getattr_Python有一个机制，那就是写一个__getattr__()方法，动态返回一个属性：class Student(object):
def __init__(self):
self.name = Michael
def __getattr__(self, attr):
if attr==score:
return 99当调使用不存在的属性时，比方score，Python解释器会试图调使用__getattr__(self, score)来尝试取得属性，这样，我们就有机会返回score的值：&&& s = Student()&&& s.nameMichael&&& s.score99返回函数也是完全能的：class Student(object):
def __getattr__(self, attr):
if attr==age:
return lambda: 25只是调使用方式要变为：&&& s.age()25注意，只有在没有找到属性的情况下，才调使用__getattr__，已有的属性，比方name，不会在__getattr__中查找。此外，注意到任意调使用如s.abc都会返回None，这是由于我们定义的__getattr__默认返回就是None。要让class只响应特定的几个属性，我们就要按照商定，抛出AttributeError的错误：class Student(object):
def __getattr__(self, attr):
if attr==age:
return lambda: 25
raise AttributeError(\Student\ object has no attribute \%s\ % attr)_call_一个对象实例能有自己的属性和方法，当我们调使用实例方法时，我们使用instance.method()来调使用。同样的，任何类，只要要定义一个__call__()方法，即可以直接对实例进行调使用。请看示例：class Student(object):
def __init__(self, name):
self.name = name
def __call__(self):
print(My name is %s. % self.name)
&&& s = Student(Michael)&&& s() # self参数不要传入My name is Michael.__call__()还能定义参数。对实例进行直接调使用就好比对一个函数进行调使用一样，所以你完全能把对象看成函数，把函数看成对象，由于这两者之间原本就没啥根本的区别。假如你把对象看成函数，那么函数本身其实也能在运行期动态创立出来，由于类的实例都是运行期创立出来的，这么一来，我们就模糊了对象和函数的界限。那么，怎样判断一个变量是对象还是函数呢？其实，更多的时候，我们需要判断一个对象能否可以被调使用，可以被调使用的对象就是一个Callable对象，比方函数和我们上面定义的带有__call__()的类实例：&&& callable(Student())True&&& callable(max)True&&& callable([1, 2, 3])False&&& callable(None)False&&& callable(str)False枚举类「枚举类」Enum是为枚举类型定义一个class类型，而后，每个常量都是class的一个唯一实例。from enum import EnumMonth = Enum(Month, (Jan, Feb, Mar, Apr, May, Jun, Jul, Aug, Sep, Oct, Nov, Dec))这样我们就取得了Month类型的枚举类，能直接用Month.Jan来引使用一个常量，或者者枚举它的所有成员：for name, member in Month.__members__.items():
print(name, =&, member, ,, member.value)value属性则是自动赋给成员的int常量，默认从1开始计数。假如需要更准确地控制枚举类型，能从Enum派生出自己设置类：from enum import Enum, unique@uniqueclass Weekday(Enum):
Sun = 0 # Sun的value被设定为0
Sat = 6@unique装饰器能帮助我们检查保证没有重复值。访问这些枚举类型能有若干种方法：&&& day1 = Weekday.Mon&&& print(day1)Weekday.Mon&&& print(Weekday.Tue)Weekday.Tue&&& print(Weekday[Tue])Weekday.Tue&&& print(Weekday.Tue.value)2&&& print(day1 == Weekday.Mon)True&&& print(day1 == Weekday.Tue)False&&& print(Weekday(1))Weekday.Mon&&& print(day1 == Weekday(1))True&&& Weekday(7)Traceback (most recent call last):
...ValueError: 7 is not a valid Weekday&&& for name, member in Weekday.__members__.items():...
print(name, =&, member)...Sun =& Weekday.SunMon =& Weekday.MonTue =& Weekday.TueWed =& Weekday.WedThu =& Weekday.ThuFri =& Weekday.FriSat =& Weekday.Sat可见，既能使用成员名称引使用枚举常量，又能直接根据value的值取得枚举常量。元类type()动态语言和静态语言最大的不同，就是函数和类的定义，不是编译时定义的，而是运行时动态创立的。比如说我们要定义一个Hello的class，就写一个hello.py板块：class Hello(object):
def hello(self, name=world):
print(Hello, %s. % name)当Python解释器载入hello板块时，就会依次执行该板块的所有语句，执行结果就是动态创立出一个Hello的class对象，测试如下：&&& from hello import Hello&&& h = Hello()&&& h.hello()Hello, world.&&& print(type(Hello))&class type&&&& print(type(h))&class hello.Hello&type()函数能查看一个类型或者变量的类型，Hello是一个class，它的类型就是type，而h是一个实例，它的类型就是class Hello。我们说class的定义是运行时动态创立的，而创立class的方法就是用type()函数。type()函数既能返回一个对象的类型，又能创立出新的类型，比方，我们能通过type()函数创立出Hello类，而无需通过class Hello(object)...的定义：&&& def fn(self, name=world): # 先定义函数...
print(Hello, %s. % name)...&&& Hello = type(Hello, (object,), dict(hello=fn)) # 创立Hello class&&& h = Hello()&&& h.hello()Hello, world.&&& print(type(Hello))&class type&&&& print(type(h))&class __main__.Hello&要创立一个class对象，type()函数依次传入3个参数：class的名称；继承的父类集合，注意Python支持多重继承，假如只有一个父类，别忘了tuple的单元素写法；class的方法名称与函数绑定，这里我们把函数fn绑定到方法名hello上。通过type()函数创立的类和直接写class是完全一样的，由于Python解释器遇到class定义时，仅仅是扫描一下class定义的语法，而后调使用type()函数创立出class。正常情况下，我们都使用class Xxx...来定义类，但是，type()函数也允许我们动态创立出类来，也就是说，动态语言本身支持运行期动态创立类，这和静态语言有非常大的不同，要在静态语言运行期创立类，必需构造源代码字符串再调使用编译器，或者者借助少量工具生成字节码实现，本质上都是动态编译，会非常复杂。metaclass除了用type()动态创立类以外，要控制类的创立行为，还能用metaclass。metaclass，直译为元类，简单的解释就是：当我们定义了类以后，即可以根据这个类创立出实例，所以：先定义类，而后创立实例。但是假如我们想创立出类呢？那就必需根据metaclass创立出类，所以：先定义metaclass，而后创立类。连接起来就是：先定义metaclass，即可以创立类，最后创立实例。所以，metaclass允许你创立类或者者修改类。换句话说，你能把类看成是metaclass创立出来的“实例”。站在人工智能风口的Python程序员站在人工智能风口的Python程序员欧文情感百家号2017年短短不到三个月的时间，国内AI获投项目已有36个，千万级别融资占据半数以上。嗯，就是那么霸道。两会刚刚结束，“人工智能”首次被列入政府工作报告，随之而来的是人工智能板块领跑大盘涨势，无疑，这一切将刺激人工智能在多个领域的全面发展。大量融资的风口企业，绝对会把钱拿到招揽人才。而现在最流行的人工智能技术栈就是 TensorFlow 和 PyTorch，使用它们就是一份 Python 编程开发工作。一时间，python程序员成了人才市场的“抢手货”，工资待遇也水涨船高了。口说无凭，我们去工作搜索引擎jobui.com找看。一看吓一跳，首先是待遇啊：最高待遇不过万不出奇啊！这还只是广州的情况，估计在北上深三个城市里，两者的差距还要大得多。除了待遇，跑到风口行业写Python，分分钟就是人工智能科学家的光环上身啊，估计大家都要跑得比西方记者还快了。乐了Python程序员，苦的就是公司是Python技术栈的传统IT业务的企业了。就别提一般的小企业，连豆瓣、知乎这样的都大受冲击了。豆瓣的洪强宁，也跑去创业做人工智能相关的应用了……没有人能够对抗趋势，风口企业这么有钱，能做的就只能是避开它们的锋芒。我觉得Python技术栈的企业应该考虑新的技术选型了。本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。欧文情感百家号最近更新：简介:为婚姻情感、恋人情感提供一个参考。作者最新文章相关文章