97 lines
6.9 KiB
Markdown
97 lines
6.9 KiB
Markdown
|
## 知乎问题回答
|
|||
|
|
|
|||
|
|
### Python学习完基础语法知识后，如何进一步提高？
|
|||
|
|
|
|||
|
|
如果你已经完成了Python基础语法的学习，想要知道接下来如何提高，那么你得先问问自己你要用Python来做什么？目前学习Python后可能的就业方向包括以下几个领域，我把每个领域需要的技术作为了一个简单的关键词摘要。
|
|||
|
|
|
|||
|
|
> 说明：以下数据参考了主要的招聘门户网站以及职友集。
|
|||
|
|
|
|||
|
|
| 职位 | 所需技能 | 招聘需求量 |
|
|||
|
|
| ---------------------------------------------- | ------------------------------------------------------------ | ---------------- |
|
|||
|
|
| Python后端开发工程师 | Python基础<br>Django / Flask / Tornado / Sanic<br>RESTful / 接口文档撰写<br>MySQL / Redis / MongoDB / ElasticSearch<br>Linux / Git / Scrum / PyCharm | 大 |
|
|||
|
|
| Python爬虫开发工程师 | Python基础<br>常用标准库和三方库<br>Scrapy / PySpider<br>Selenium / Appnium<br>Redis / MongoDB / MySQL<br>前端 / HTTP(S) / 抓包工具 | 较少 |
|
|||
|
|
| Python量化交易开发工程师 | Python基础<br>数据结构 / 算法 / 设计模式<br>NoSQL（KV数据库）<br>金融学（两融、期权、期货、股票） / 数字货币 | 较大（一线城市） |
|
|||
|
|
| Python数据分析工程师 /<br>Python机器学习工程师 | 统计学专业 / 数学专业 / 计算机专业<br>Python基础 / 算法设计<br>SQL / NoSQL / Hive / Hadoop / Spark<br>NumPy / Scikit-Learn / Pandas / Seaborn<br>PyTorch / Tensorflow / OpenCV | 较大（一线城市） |
|
|||
|
|
| Python自动化测试工程师 | Python基础 / 单元测试 / 软件测试基础<br>Linux / Shell / JIRA / 禅道 / Jenkins / CI / CD<br>Selenium / Robot Framework / Appnium<br>ab / sysbench / JMeter / LoadRunner / QTP | 大 |
|
|||
|
|
| Python自动化运维工程师 | Python基础 / Linux / Shell <br>Fabric / Ansible / Playbook<br>Zabbix / Saltstack / Puppet<br>Docker / paramiko | 较大（一线城市） |
|
|||
|
|
| Python云平台开发工程师 | Python基础<br>OpenStack / CloudStack<br>Ovirt / KVM<br>Docker / K8S | 较少（一线城市） |
|
|||
|
|
|
|||
|
|
如果弄清了自己将来要做的方向，就可以开始有针对性的学习了，下面给大家一个推荐书籍的清单。
|
|||
|
|
|
|||
|
|
1. 入门读物
|
|||
|
|
- 《Python基础教程》（*Beginning Python From Novice to Professional*）
|
|||
|
|
- 《Python学习手册》（*Learning Python*）
|
|||
|
|
- 《Python编程》（*Programming Python*）
|
|||
|
|
- 《Python编程从入门到实践》（*Python Crash Course*）
|
|||
|
|
- 《Python Cookbook》
|
|||
|
|
2. 进阶读物
|
|||
|
|
- 《软件架构 - Python语言实现》（*Software Architecture with Python*）
|
|||
|
|
- 《流畅的Python》（*Fluent Python*）
|
|||
|
|
- 《Python设计模式》（*Learning Python Design Patterns*）
|
|||
|
|
- 《Python高级编程》（*Expert Python Programming*）
|
|||
|
|
- 《Python性能分析与优化》（*Mastering Python High Performance*）
|
|||
|
|
3. 数据库相关
|
|||
|
|
- 《MySQL必知必会》（*MySQL Crash Course*）
|
|||
|
|
- 《深入浅出MySQL - 数据库开发、优化与管理维护》
|
|||
|
|
- 《MongoDB权威指南》（*MongoDB: The Definitive Guide*）
|
|||
|
|
- 《Redis实战》（*Redis in Action*）
|
|||
|
|
- 《Redis开发与运维》
|
|||
|
|
4. Linux / Shell / Docker / 运维
|
|||
|
|
- 《鸟哥的Linux私房菜》
|
|||
|
|
- 《Linux命令行与shell脚本编程大全》（*Linux Command Line and Shell Scripting Bible*）
|
|||
|
|
- 《Python自动化运维:技术与最佳实践》
|
|||
|
|
- 《第一本Docker书》（*The Docker Book*）
|
|||
|
|
- 《Docker经典实例》（Docker Cookbook）
|
|||
|
|
5. Django / Flask / Tornado
|
|||
|
|
- 《Django基础教程》（*Tango with Django*）
|
|||
|
|
|
|||
|
|
- 《轻量级Django》（*Lightweight Django*）
|
|||
|
|
|
|||
|
|
- 《精通Django》（*Mastering Django: Core*）
|
|||
|
|
|
|||
|
|
- 《Python Web开发：测试驱动方法》（*Test-Driven Development with Python*）
|
|||
|
|
- 《Two Scoops of Django: Best Practice of Django 1.8》
|
|||
|
|
|
|||
|
|
- 《Flask Web开发：基于Python的Web应用开发实战》（*Flask Web Development: Developing Web Applications with Python*）
|
|||
|
|
|
|||
|
|
- 《深入理解Flask》（*Mastering Flask*）
|
|||
|
|
|
|||
|
|
- 《Introduction to Tornado》
|
|||
|
|
6. 爬虫开发
|
|||
|
|
|
|||
|
|
- 《用Python写网络爬虫》（*Web Scraping with Python*）
|
|||
|
|
|
|||
|
|
- 《精通Python爬虫框架Scrapy》（*Learning Scrapy*）
|
|||
|
|
|
|||
|
|
- 《Python网络数据采集》（*Web Scraping with Python*）
|
|||
|
|
|
|||
|
|
- 《Python爬虫开发与项目实战》
|
|||
|
|
|
|||
|
|
- 《Python 3网络爬虫开发实战》
|
|||
|
|
7. 数据分析
|
|||
|
|
|
|||
|
|
- 《利用Python进行数据分析》（*Python for Data Analysis*）
|
|||
|
|
- 《Python数据科学手册》（*Python Data Science Handbook*）
|
|||
|
|
- 《Python金融大数据分析》（*Python for Finance*）
|
|||
|
|
- 《Python数据可视化编程实战》（*Python Data Visualization Cookbook*）
|
|||
|
|
- 《Python数据处理》（*Data Wrangling with Python*）
|
|||
|
|
|
|||
|
|
8. 机器学习
|
|||
|
|
|
|||
|
|
- 《Python机器学习基础教程》（*Introduction to Machine Learning with Python*）
|
|||
|
|
|
|||
|
|
- 《Python机器学习实践指南》（*Python Machine Learning Blueprints*）
|
|||
|
|
|
|||
|
|
- 《Python机器学习实践：测试驱动的开发方法》（*Thoughtful Machine Learning with Python A Test Driven Approach*）
|
|||
|
|
- 《Python机器学习经典实例》（*Python Machine Learning Cookbook*）
|
|||
|
|
- 《TensorFlow：实战Google深度学习框架》
|
|||
|
|
|
|||
|
|
9. 其他书籍
|
|||
|
|
|
|||
|
|
- 《Pro Git》
|
|||
|
|
- 《Selenium自动化测试 - 基于Python语言》（*Learning Selenium Testing Tools with Python*）
|
|||
|
|
- 《Selenium自动化测试之道》
|
|||
|
|
- 《Scrum敏捷软件开发》（*Software Development using Scrum*）
|
|||
|
|
- 《高效团队开发 - 工具与方法》
|
|||
|
|
|
|||
|
|
当然学习编程，最重要的通过项目实战来提升自己的综合能力，Github上有大量的优质开源项目，其中不乏优质的Python项目。有一个名为[“awesome-python-applications”](https://github.com/mahmoud/awesome-python-applications)的项目对这些优质的资源进行了归类并提供了传送门，大家可以了解下。除此之外，还要为大家推荐一个名为[“Python-100-Days”](https://github.com/jackfrued/Python-100-Days)的项目，上面有大量优质的Python学习资料（包括文档、代码和相关资源）。如果自学能力不是那么强，可以通过网络上免费或者付费的视频课程来学习对应的知识；如果自律性没有那么强，那就只能建议花钱参加培训班了，因为花钱在有人监督的环境下学习对很多人来说确实是一个捷径，但是要记得：“师傅领进门，修行靠各人”。选择自己热爱的东西并全力以赴，不要盲目的跟风学习，这一点算是过来人的忠告吧。记得我自己刚开始进入软件开发这个行业时，有人跟我说过这么一句话，现在也分享出来与诸君共勉：“浮躁的人有两种：只观望而不学习的人，只学习而不坚持的人；浮躁的人都不是高手。”
|