大数据分析Python是任何开发人员都应该知道的重要编程语言。许多程序员使用这种语言来构建网站，创建学习算法以及执行其他重要任务。但是尝试学习大数据分析Python可能会令人感到恐惧，沮丧和困难，尤其是在不确定如何使用大数据分析Python的情况下。

当我学习大数据分析Python时，最让我沮丧的一件事就是所有学习资源的通用性。我想学习如何使用大数据分析Python制作网站，但是似乎每个学习资源都希望我花两个月很长的枯燥乏味的大数据分析Python语法，然后才考虑做我感兴趣的事情。

这种不匹配使学习大数据分析Python对我来说非常令人生畏。我推迟了几个月。我在Codecademy教程中获得了两节课，然后停了下来。我看了看大数据分析Python代码，但这很陌生且令人困惑：上面的代码来自Django的教程，这是一个流行的大数据分析Python网站开发框架。

经验丰富的程序员经常会向您抛出上述片段。他们会保证：“很容易!” 但是，即使是看似简单的几行代码也可能令人难以置信。

问题是您需要了解大数据分析Python语言的构建基块才能构建任何有趣的东西。上面的代码段创建了一个视图，这是使用流行的MVC架构的网站的关键构建块之一。如果您不知道如何编写代码来创建视图，那么创建动态网站实际上是不可能的。

大多数教程和大数据分析Python课程都假定您需要学习所有大数据分析Python语法，然后才能开始做任何有趣的事情。当您真正想做的是分析数据，建立网站或创建自主无人机时，这就是花费数月时间在语法上的原因。

通常，花所有时间学习死记硬背语法会导致您的动机减弱，甚至使整个事情变得毫无意义。我喜欢将其视为“无聊的悬崖”。很多课程都很好地告诉您，您需要能够爬上“无聊的悬崖”，才能进入“您从事的有趣工作之地”。

但这不是学习大数据分析Python的唯一方法!

我找到了一种将学习基础知识与构建有趣事物相结合的方法。在某种程度上，我绕过“无聊的悬崖”，直奔山顶。我花了尽可能少的时间来学习基础知识，然后立即投入到创造令我感兴趣的事情上。

在此大数据分析大数据分析Python学习技巧中，无论您为什么要学习大数据分析Python，我都会逐步向您展示如何复制此过程。这一切都始于找到你的动力

1.找出促使您学习大数据分析Python的动机

在开始在线学习大数据分析Python之前，值得问自己为什么要学习它。这是因为这将是一个漫长而有时是痛苦的旅程。没有足够的动力，您可能不会成功。毫无疑问，即使您跳过“无聊的悬崖”，学习大数据分析Python仍然具有挑战性。

另外，动力很重要!当我不得不记住语法并且没有动力时，我就睡在高中和大学的编程课上。另一方面，当我需要使用大数据分析Python来建立一个网站来自动对文章进行评分时，我熬夜学习以完成它。

换句话说：当您有学习的理由时，学习东西要容易得多。

弄清楚激发您动机的因素将帮助您弄清楚最终目标，以及一条使您轻松无聊的道路。您不必准备一个确切的项目，而只是准备学习大数据分析Python时感兴趣的一般领域。

选择您感兴趣的区域，例如：

a.数据科学/机器学习

b.行动应用程式

c.网站

d.游戏类

e.硬件/传感器/机器人

f.使工作自动化的脚本

是的，您可以使用大数据分析Python制作机器人!

找出您感兴趣并且愿意坚持的一两个领域。您将针对他们进行学习，最终将在这些领域中建立项目，因此请选择您真正感兴趣的东西。

2.学习基本语法

不幸的是，这一步不能被跳过。在深入选择区域之前，您必须学习大数据分析Python语法的基础知识。您不想花太多的时间在这上面，因为这不是很积极。

这里有一些很好的资源可以帮助您学习基础知识：

a.Codeacademy-在教授基本语法方面做得很好，并在自身的基础上很好地构建。

b.艰难地学习大数据分析Python-这本书从基础到更深入的程序，教大数据分析Python概念。

只花最少的时间在基本语法上。您越快地从事项目工作，您就会学得越快。以后遇到问题时，您始终可以参考语法。理想情况下，您应该只在此阶段花费几周，而且绝对不要超过一个月。

3.进行结构化项目

学习了基本语法后，就可以开始自己创建项目了。项目是学习的好方法，因为它们使您可以运用自己的知识。除非您应用您的知识，否则将很难保留它。项目将提升您的能力，帮助您学习新事物，并帮助您建立向潜在雇主展示的投资组合。

但是，这时非常自由格式的项目会很痛苦-您会陷入很多麻烦，需要参考文档。因此，通常最好制作更多结构化的项目，直到您感到足够舒服以完全自己制作项目为止。许多学习资源都提供了结构化的项目，这些项目使您可以在自己关心的领域构建有趣的东西，同时又可以避免陷入困境。

如果您有兴趣学习用于数据科学的大数据分析Python，那么我们的每个数据科学课程都以结构化的指导性项目结尾，该项目可以帮助您创造性地应用新技能，而不会完全陷入困境。

但是您可能对大数据分析Python感兴趣，因为您想制作游戏，从事机器人工作或做其他事情，所以让我们看一下其他一些很棒的资源，以找到可以挖掘的结构化项目：

数据科学/机器学习

a.AAA教育-我们的课程通过要求您编写真实代码来分析实际数据来进行交互式教学，每门课程都以一个指导性项目结尾。

b.用于数据分析的大数据分析Python —由主要的大数据分析Python数据分析库的作者编写的书，它是在大数据分析Python中分析数据的很好的入门指南，它将帮助您学习构建数据科学项目所需的一些技能。

c.Scikit学习文档 — Scikit学习是主要的大数据分析Python机器学习库。它提供了一些很棒的文档和教程，您可以逐步了解它们的使用方式。

d.CS109 —哈佛课程，教授大数据分析Python数据科学。他们在线上有一些项目和其他资料，即使您没有参加该课程，也可以尝试一下。 构建移动应用

a.Kivy指南 -Kivy是一种工具，可让您使用大数据分析Python制作移动应用程序。他们有一个入门指南。

网站

a.Flask教程 — Flask是大数据分析Python的流行Web框架。这是入门教程。

b.Bottle教程 — Bottle是另一个适用于大数据分析Python的Web框架。这是开始的方法。

c.Django —使用Django(复杂的大数据分析Python网络框架)的指南。

游戏类

a.Codecademy —具有惰性的课程，可指导您完成几个简单的游戏。

b.Pygame教程 -Pygame是一个流行的大数据分析Python游戏制作库，这是它的教程列表。

c.用Pygame制作游戏 -教您如何用大数据分析Python 制作游戏的书。

d.使用大数据分析Python发明自己的计算机游戏 -另一本书将引导您逐步了解如何使用大数据分析Python制作多个游戏。

您可以使用Pygame制作游戏的示例。这是Phil Hassey制作的芭比海马历险记1.0。

硬件/传感器/机器人

a.将大数据分析Python与Arduino结合使用-了解如何使用大数据分析Python控制连接到Arduino的传感器。

b.使用Raspberry Pi学习大数据分析Python —使用大数据分析Python和Raspberry Pi构建硬件项目。天空确实是这里的极限，但是此页面将为您提供一些起点的想法。

c.使用大数据分析Python学习机器人 -本书将帮助您学习如何使用大数据分析Python构建机器人。

d.Raspberry Pi Cookbook-另一本专注于帮助您学习如何使用Raspberry Pi和大数据分析Python构建机器人的书。

自动化工作的脚本

a.使用大数据分析Python自动执行无聊的工作 -经典的大数据分析Python书籍，将帮助您学习如何使用大数据分析Python自动执行日常任务。

在您自己的区域中完成一些结构化项目后，您应该能够着手进行自己完全独特的项目。并且由于您在进行这些结构化项目时一直在感兴趣的领域进行实验和工作，因此您可能会有一些很酷的想法。但是，在您完全投入激情项目之前，花一些时间学习如何解决问题是很重要的。

4.自己完成项目

一旦完成了一些结构化项目，就该开始处理自己的独特项目了。在学习大数据分析Python的过程中，除非您逐步尝试自己构建一些东西，否则很难知道您真正学到了多少东西。在工作时，您仍将在咨询资源和学习新概念，但是您将从事任何您想做的工作。

在开始研究自己的项目之前，您应该对调试错误和程序问题感到满意。以下是一些有用的资源：

a.StackOverflow —一个社区问答站点，人们可以在其中讨论编程问题。您可以在此处找到特定于大数据分析Python的问题。大数据分析Python学习技巧https://www.aaa-cg.com.cn/data/2288.html您可以根据需要提出自己的问题，但经常进行搜索会发现其他人已经提出了您的问题并获得了很好的答案。

b.谷歌 -不管你信不信，这是每一个有经验的程序员的最常用的工具。尝试解决错误时非常有用。这是一个例子。

c.大数据分析Python的官方文档 -在这里可以找到有关大数据分析Python的参考资料。

一旦掌握了调试问题，就可以开始研究自己的项目了。处理您感兴趣的事情。例如，我对自动股票交易的想法很感兴趣。这就是我的动力，所以在我学习了大数据分析Python编程的基础后不久，我就开始研究自动交易股票的工具。

以下是寻找有趣项目的一些技巧：

a.扩展以前处理的项目，并添加更多功能。

b.前往您所在地区的大数据分析Python 聚会，并找到从事有趣项目的人员。

c.查找要贡献的开源软件包。

d.看看是否有任何当地的非营利组织正在寻找志愿开发商。

e.查找他人制作的项目，并查看您是否可以扩展或改编它们。Github是找到这些的好地方。

f.浏览其他人的博客文章以找到有趣的项目构想。

g.考虑可以使您的日常生活更加轻松的工具，并加以构建。

记住要开始很小。从非常简单的事情开始通常很有用，这样您可以获得信心。最好开始一个实际上已经完成的小项目，而不是开始一个从未完成的大项目。

寻找其他与之共事的人也很有帮助。

如果您真的想不出任何好的项目构想，那么下面我们讨论了每个领域中的一些构想：

数据科学/机器学习

a.一张按州显示选举数据的地图。

b.可以预测您居住的天气的算法。

c.预测股市的工具。

d.自动汇总新闻文章的算法。

您可以制作此地图的更具交互性的版本。

行动应用程式

a.追踪您每天走多远的应用程序。

b.向您发送天气通知的应用程序。

c.一个基于位置的实时聊天应用程序。

网站

a.一个可以帮助您计划每周进餐的网站。

b.一个允许用户查看视频游戏的网站。

c.一个笔记平台。

游戏类

a.一个基于位置的手机游戏，您可以在其中捕获领土。

b.玩家必须编写代码才能解决难题的游戏。

硬件/传感器/机器人

a.建立传感器以远程监视您的房屋(温度，湿度，二氧化碳水平等)。

b.构建更智能的闹钟。

c.创建可检测障碍物的自动驾驶机器人。

自动化工作的脚本

a.自动执行数据输入的脚本。

b.一种从您经常访问的网站上抓取数据的工具。

c.提醒您每小时站起来一次的脚本。

我自己构建的第一个项目是将我的自动论文评分算法从R适应到大数据分析Python。最终看起来并不漂亮，但是它给了我成就感，并开始让我发展自己的技能。

记住，这里实际上没有任何错误答案。关键是要挑选东西并做。如果您对选择完美的项目太着迷，则有可能永远无法创造一个项目。

5.继续进行难度更大的项目

完成第一个步骤后，请继续增加项目的难度和范围。如果您完全满意自己所构建的内容，则意味着该尝试些尝试了。这可能意味着开始一个新的和更困难的项目，为您当前的项目增加复杂性，或者面临完全不同的挑战。

以下是一些增加项目难度的想法，以确保您的学习仍在继续：

a.尝试教新手如何构建您制作的项目。没有什么比强迫自己学真正要学习的科目更重要的了

b.您可以扩展您的工具吗?它可以处理更多数据，还是可以处理更多流量?

c.您可以使程序运行更快吗?

d.您可以使您的工具对更多人有用吗?

e.您如何将自己的作品商业化?

向前走

大数据分析Python一直在发展。只有少数人可以合法地声称自己可以完全理解该语言，并且他们创造了这种语言。尽管您可能很快会熟悉大数据分析Python，但即使是经验丰富的大数据分析Python开发人员也仍在学习!

为了快速进步，您需要不断学习和从事项目。如果做对了，您会发现自己六个月前回头看了一下代码，并思考它有多糟糕。如果您到了这一步，那么您就走对了。只从事您感兴趣的事情，这意味着您永远不会倦怠或无聊。

大数据分析Python是一种非常有趣且有益的语言，我认为任何人只要找到合适的动机，就可以熟练掌握它。

打开凤凰新闻，查看更多高清图片