學python最重要是有自制力。有自制力的人發展不會很差。
至于入門，網上有很多相應的教程，我當初自學是看嗶哩嗶哩上python入門教程，600多集的，自己感覺有一點彈幕學真的會更認真?？梢韵韧驴戳私獾降滓姆矫姘l展，定了這個后才能說怎么入門。
自學python首先要找到自己的學習目的我的學習目的特明確，SEO相關的有用的我都學。題主并沒有提到以后要涉及的職業發展，那就先介紹一下。大家都是為了學完Python找到工作，但實際上領域不一樣，如今學習Python的重點不一樣。題主想要知道重點學什么，那要看的是你以后做什么。
看圖：
從上圖可知python找工作有很多的路徑。實際上把這樣的路徑簡化一下可以得到下圖。這里有一個重點在于，下圖當中的每個發展方向下面有一個對應路線圖的一二三四這樣的數字。
重點學習內容標注并合適的方法然后按照下面流程來，找到網絡上相應資源就好了，最好找到一家比較全的資源然后跟著學。
Web基礎開發
解決的現實問題：
能夠使用面向對象的程序設計方法, 基于Linux操作系統開發多任務的網絡程序開發。
掌握的核心能力：
1、能夠熟練使用Linux操作系統；
2、掌握網絡編程相關技術，能夠實現網絡間數據通信；
3、掌握程序設計開發中多任務實現方式；
4、能夠熟練掌握MySQL操作相關技術，熟練編寫各種數據庫操作SQL語句，并能夠進行Python與MySQL之間的數據交互；
5、掌握Python中的re模塊的使用，能夠實現對字符串進行復雜模式匹配；
6、掌握Web服務器的工作流程，以及Web框架的實現原理。
要點：
Linux命令、網絡編程、多任務編程、正則表達式、html與css、JavaScript、jQuery、數據庫編程、Python語法進階、靜態Web服務器、mini-Web框架。
Web-Django框架
解決的現實問題：
更上一級能夠開發主流Web網站，并掌握常見的技術要點；根據實際問題設計出相應數據庫表。
掌握的核心能力：
1、掌握Python Web主流框架-Django的使用；
2、可根據Web框架設計，開發對應的數據庫；
3、可根據業務流程圖，開發Web網站的前后臺業務。
要點：
Django框架、前后端分離模式、VUE進階-組件式開發、Django REST framwork、統計、權限管理、商品數據管理、日志管理、用戶管理、前后端不分離模式、數據庫-讀寫分離、Django高級第三方模塊、FastDFS分布式文件系統、Celery異步操作、Vue雙向綁定、Docker 入門、Crontab定時任務、頁面靜態化、在線支付、Nginx+uWSGI部署。
Web-Flask框架
解決的現實問題：
高并發全功能的Web網站開發；提升數據處理響應速度，靈活運用緩存。
掌握的核心能力：
1、掌握Python Web主流框架-Flask的使用；
2、掌握常見的性能優化技術；
3、緩存服務器的操作和設計；
4、異步任務的實現。
要點：
Docker 進階、uWSGI、Nginx進階、性能優化、Flask框架、路由定義及視圖函數、藍圖、SQLAlchemy、Flask-RESTful、手機 APP + PC Web前端、MySQL業務數據存儲、Redis緩存層、第三方對象存儲、RabbitMQ + Celery 異步任務、APSchedule定時任務、http://socket.io及時通訊、Elasticsearch 5.6 搜索+自動補全、RPC+kafka對接推薦系統與AI系統、supervisor進程管理。
人工智能機器學習編程
解決的現實問題：
利用學習到的科學計算庫對收集到的數據進行數據基本處理，使其符合機器學習算法模型；利用學習到的機器學習算法解決部分實際問題。
掌握的核心能力：
1、掌握數據挖掘基礎工具使用；
2、掌握機器學習中處理數據方法；
3、理解常見機器學習算法原理。
要點：
人工智能概述、數據可視化matplotlib、科學計算庫numpy、科學計算庫pandas、Scikit-learn使用、特征工程、k-近鄰算法、線性回歸、嶺回歸、邏輯回歸、決策樹、集成學習(Bagging, Boosting)、k-means、不同模型評估方法介紹、模型選擇與調優、模型保存和加載、聚類、分類。
人工智能基于大數據的推薦系統
解決的現實問題：
能夠實現推薦系統的算法不同場景應用；能夠根據推薦場景業務流完成推薦業務開發。
掌握的核心能力：
1、掌握推薦系統的工作原理和實現流程；
2、掌握推薦系統的算法實現原理以及應用場景；
3、掌握Lambda大數據相關基礎；
4、可實現基于大數據框架的推薦系統搭建；
5、能夠基于推薦業務流完成系統搭建。
要點：
分布式存儲計算案例、數據倉庫工具hive、spark-sql、spark sql與hive離線分析、ABTest實驗中心、埋點參數設置、推薦服務、緩存服務、實時日志分析、實時召回集、熱門與新文章、文章畫像構建、用戶畫像構建、文章用戶畫像業務實現、離線召回集介紹、排序模型選擇介紹、spark mllib講解、離線模型評價、評估場景需求。
最后更多是實戰了，更多偏向于數據分析：
對企業異常數據進行深入分析，對業務風險指標進行跟蹤分析及優化；搭建業務監控體系，及時發現、排查業務問題，并能提出有效的解決策略或方案；配合項目計劃，負責建模駐場項目，完成數據分析需求及任務；通過大數據算法對數據進行模型的構建、維護、和評估。
掌握的核心能力：
1、熟悉常用數據挖掘算法與模型，熟悉邏輯回歸、神經網絡、決策樹、聚類等建模方法；
2、熟悉Python、Tableau、SPSS、SAS等多種數據分析工具；
3、熟練使用時間序列、聚類分析、邏輯回歸、因果分析等統計方法。
要點：
統計學基礎、Python編程數據分析、SPSS數據分析、數據化運營，網絡游戲市場分析，及電商數據分析，問卷數據分析、CRM、BI理論、數據可視化分析
最后python拓展就是爬蟲和自動化測試運維了，
屬于拓展項目。也是很重要的接近工作的。
更多是做各種項目進行熟悉和自己優化方法。
解決的現實問題：
自動化爬取瀏覽器網站數據或App應用數據，對爬取中遇到的反爬措施應用相應的反反爬方案解決處理。
能夠針對企業中開發的項目進行自動化測試。
能夠搭建部署運行維護Linux環境。
掌握的核心能力：
爬蟲：
1. 網頁數據爬取；
2. App數據爬?。?/p>
3. 反反爬解決方案；
4. MongoDB數據存儲。
測試開發：
1. 項目開發流程與測試方法；
2. 自動化測試工具的使用；
3. 接口測試；
4. 性能測試。
運維開發：
1. Linux系統安裝使用（CentOS系統）；
2. Linux系統管理與維護；
3. Shell編程；
4. 自動化運維與監控。
要點：
爬蟲基礎、requests模塊、數據提取、Selenium、抓包反爬與反反爬方案、MongoDB數據庫、Scrapy爬蟲框架、Appium的使用、測試理論基礎、項目開發流程、禪道工具使用、Jira工具使用、Web自動化測試（Selenium、Appium、Unittest等使用）、JMeter接口測試、性能測試、CentOS系統安裝、Linux系統優化、常用工具使用、Linux文件管理、軟件管理、權限管理、日志管理、進程管理、Apache服務器使用、防火墻管理、LVS集群、keepalived使用、Shell編程、Ansible、Nagios監控。
一大堆看著可能前期學都不是很懂，所以去b站上搜吧，小破站是學習的網站，當然黑馬程序員官網上也都規劃好了，看他們視頻一個一個學更好。
