榮幸回答。

我將知無不盡，盡無不言。

Python自學的效果可以通過這些方面來衡量，比如可以自主開發(fā)Python的web項目，熟練使用類庫超過30個以上，當然不包括基礎類庫，了解Python網(wǎng)絡爬蟲的原理和實際簡單的數(shù)據(jù)資源爬取的操作，熟練掌握Python數(shù)據(jù)分析等等，掌握這些找一份Python相關工作輕而易舉。

這個時候很多同學就會問具體哪些類庫？和web框架？接下來我給大家依次分享我個人自學Python的經(jīng)歷。

Python數(shù)據(jù)分析

學習Python不會數(shù)據(jù)分析，那等于沒有不會。

話不多學Python數(shù)據(jù)分析處理通過我個人學習整理和刷選，掌握以下幾點，數(shù)據(jù)分析處理輕松搞定。

1:數(shù)據(jù)分析的目的。

從簡單層面來講，數(shù)據(jù)分析就是結(jié)合當前大數(shù)據(jù)的需求，為公司或者企業(yè)提供一份詳細明了的數(shù)據(jù)報表，多角度和多維度的數(shù)據(jù)統(tǒng)計和處理，既方便又快捷，讓外行人看來一目了然。簡化工作，別人一天的工作量，使用Python一個小時即可完成。

從復雜層面來講，數(shù)據(jù)分析往往從社會背景中提供大量數(shù)據(jù)依據(jù)，細化每一份數(shù)據(jù)從而得出結(jié)論。比如某一個購物中心的商城人流量特別少，轉(zhuǎn)化率特別低，如果使用Python進行全面數(shù)據(jù)分析，通過技術團隊進行數(shù)據(jù)采集立刻分析一份關于購物中心的人流購買情況分析表，細化每一個消費者的購物細節(jié)，什么年齡段的人在什么時間段或者什么季節(jié)對于某商品的需求量，對購物中心的設計是否滿意和收集對于商場存在的意見，分析消費者的消費習慣是先吃飯再購物？還是先購物再吃飯等等多項分析后對購物中心做出改變來適應消費者的復雜消費心理需求。

商場的人流和轉(zhuǎn)化率瞬間提高。

數(shù)據(jù)分析一定程度是可以轉(zhuǎn)化為流量和產(chǎn)生經(jīng)濟價值，為了企業(yè)或者經(jīng)營店鋪獲得更好的經(jīng)營管理，這就是數(shù)據(jù)分析的目的。

當然高階數(shù)據(jù)分析則需要細化深入類庫的使用和數(shù)據(jù)的不斷優(yōu)化，人作為社會產(chǎn)生價值的主體，數(shù)據(jù)分析永遠離不開人群。

需求很多，具體需要什么樣的類庫工具進行數(shù)據(jù)分析？Python數(shù)據(jù)分析五花八門，初學者可以從下面幾點來入手。

數(shù)據(jù)分析的工具類

一份詳細數(shù)據(jù)報表則需求功能強大的Python類庫來作為支撐，接下來給大家分享一下Python數(shù)據(jù)分析的工具類。

1:xlwt和xlrd

日常工作的最佳excel表格處理類庫。xlrd實現(xiàn)excel表的讀取，xlwt則實現(xiàn)excel表的寫入。熟練使用該Python類庫對于數(shù)據(jù)報表的制作非常方便，細化精準到操作表格的每一個單元格的屬性，包括字體，背景色，列寬行高，單元格合并。無需手動操作excel便可以自動化實現(xiàn)excel的寫入和導出。

2:基于Numpy的pandas

pandas的優(yōu)勢在于數(shù)組數(shù)據(jù)的處理，不僅可以表格操作，同樣在復雜數(shù)據(jù)結(jié)構方面有著簡單方便的處理方式。

Pandas有兩種重要數(shù)據(jù)結(jié)構：

Series和DadaFrame兩種。

Series是具有索引的字典數(shù)據(jù)結(jié)構，在數(shù)據(jù)處理的時候使用索引來操作字典輕輕松松獲取想要的數(shù)據(jù)，讀寫性能極高。

DadaFrame則更加全面，不僅有行索引還有列索引可以看作是升級版的Series字典組合，使用方法也是一樣的，同時操作表格的行和列讀寫，處理得到想要的數(shù)據(jù)報表格式。

3:Numpy高階

numpy可能相對上面兩個模塊有一定的難度初學著可以先了解后逐漸掌握。

其實numpy就是提供多維數(shù)組對象的處理，后期數(shù)據(jù)分析中以及可視化中使用非常廣泛。

Python在web項目開發(fā)中也有一席之地。

Python快捷web開發(fā)

個人非常推薦自學者和初學著使用Python-flask框架，一款微型快速開發(fā)的服務型框架，從環(huán)境搭建到項目開發(fā)特別容易上手。

我們可以來看看flask的目錄基本構造。

從目錄就可以看出flask的優(yōu)勢就是在于快，簡單，項目邏輯一目了然。一般掌握flask的路由和藍圖配置再加上js頁面的開發(fā)以及客戶端和后臺的交互機制和處理方法，一天的時間就可以讓一個Python小白立馬入行。

Python為什么那么火？沒有錯我們網(wǎng)上聽到的都是關于Python網(wǎng)絡爬蟲。具體什么是網(wǎng)絡爬蟲請看下面。

網(wǎng)絡爬蟲

網(wǎng)絡爬蟲是一種用來自動瀏覽和獲取萬維網(wǎng)資源的網(wǎng)絡機器人

簡單明了的說就是獲取我們從網(wǎng)頁瀏覽上想要的信息和資源。

給大家分享一個簡單的視頻資源下載的爬蟲程序。

基本的操作步驟如下：

1:獲取視頻源網(wǎng)頁的源碼連接

2:發(fā)送requests請求網(wǎng)頁問信息

3:正則表達式匹配視頻并下載保存

該爬蟲方法使用的模塊是requests，代碼簡單邏輯也比較清晰，邏輯模式就是搭建本地和網(wǎng)頁的HTTP請求連接池并保持連接，同時操作下載，同樣也可以上傳等。隨著Python的版本不斷更新，模塊的完善和高度封裝后使得Python爬蟲在網(wǎng)絡請求時更加快和人性化，很容易模仿瀏覽器的任何操作，自學和初學者很容易上手。

由于Python網(wǎng)絡爬蟲的需求越來越大，簡單的一個類庫已經(jīng)不能滿足需求。Scrapy的出現(xiàn)便解決了這個難題。

Scrapy一款為了爬取網(wǎng)站數(shù)據(jù)，提取結(jié)構性數(shù)據(jù)，適應多種爬蟲需求的應用型框架。

Scrapy性能非常強大，數(shù)據(jù)的深挖細分，信息存儲和網(wǎng)絡通訊等都是它的一大特點之一。

Python的世界遠遠不止當前

Python的版本資源庫在源源不斷的更新，類庫和函數(shù)衍生不斷，強大的用戶量創(chuàng)新和優(yōu)化一直在持續(xù)，一門為需求而生的開發(fā)語言，讓它作為改變的永遠是龐大的用戶。

總結(jié)

自學Python掌握好這三方面的知識量，工作和薪資都沒有任何問題，但是想要深造和提升Python的開發(fā)能力則需要學習更多的框架和類庫，日積月累從項目開發(fā)中吸取經(jīng)驗和積累方法，才能熟練玩轉(zhuǎn)Python。

最后給大家一句總結(jié)的話：給正在學習Python的同學們一個忠告，編程沒有捷徑可走，唯有逐一掌握才能匯集成江河。