2020年10月 TIOBE 排行榜超過了 Java，歷史上首次 Python 超越了 Java，再次讓許多朋友對 Python 產生了興趣，今天我們來梳理下學習 Python 幾個階段或者級別，期望對持續進化的你有所幫助
本文緣起於知乎上的一個提問：怎麼自學python，大概要多久？，當時做了一個回答，這次重新整理了一遍，全文如下：
看了回答區的很多回答，感覺很專業也很詳盡，覺得要回答多久的問題，需要先回答 學習的目標是什麼 這個問題，這裡將目標分為 入門、進階、深入和終極四個部分來說明
入門：只是了解Python 已然是最流行的語言，特別是在數據分析和機器學習風靡的情況下，Python 也受到了少兒編程的青睞，所以許多同學處於各種原因，只是需要了解一下
那麼需要先了解 Python 環境搭建，了解一下作業系統的基本只是，比如環境變量、命令行工具等然後安裝 Python，並且可以在命令行中執行進入 Python，執行簡單操作
python 命令行接著，在文件文件中，寫入 print(Hello World)，保存，執行
python 命令行這就可以算入門了，整個過程不到一個小時
對應入門來說，推薦用命令行的方式，很多教成會推薦 Anaconda，PyCharm 等集成開發工具，雖然功能強大，界面美觀，不太信息量太大，比如容易分散注意力，且不利用 Python 環境的理解
入門要完成一些簡單任務或者是寫寫腳本，比如處理下 Excel、Word、文本中的數據，做些文件處理操作，寫個自娛自樂的小程序（非微信\支付寶\頭條等小程序）等
只需要了解基本 Python 語法，比如變量定義，基礎數據結構，判斷語句，循環語句，方法定義等
另外學習一下相關軟體包，比如 OpenPyXl （可參考《Excel 神器 —— OpenPyXl》）用於處理 Excel
Python-docx（可參考《Word 神器 python-docx》），用於處理 Word
Python 內置模塊 os，用於處理文件系統，Pygame 簡單遊戲包（可參考《做硬核老爸，我用 Python》），用來做些好玩的遊戲，等等
這一階段，只要持續練習，一個月左右，就能熟練上手，做出自己想要的東西，提高工作效率
我公司有個通信設備工程師，為了方便調試主機，開始學 Python，不到一年時間，不僅解決了工作中的問題，得到了嘉獎，還成了部門 Python 專家，經常指導其他人學習 Python
進階高級：構建應用系統如果想讓更多的人用自己寫的程序，而不僅僅用於自己，就需要構建一個系統或者應用。
Web 系統需要學習 Flask（可以參考《Web 開發 Flask 介紹》） 或者 Django 等 Web 框架
更重要的是，需要了解網絡基礎知識，如 Http，域名，雲伺服器等
資料庫處理等相關知識，如 Sql 語句，Mysql 資料庫，或者 Sqlite 資料庫等
安全相關知識，如 Session，token，OAuth 認證機制（可以參考《OAuth2.0 簡介》）等
服務部署相關知識或技能，將自己的程序通過網絡方式提供更多的人使用（可參考《部署 Flask 應用》）
桌面應用比如在 Windows，或者 Linux 下的應用，需要了解作業系統相關知識
並學習 wxpython、PythonWin、PyGTK、PyQt 等軟體包，像 wxpython 有強大豐富的功，並且支持跨平臺的桌面應用，讓你做的程序有更好的適應環境
Windows 下的應用，可參考《公交鬧鐘 —— 再也不用白等車了》]，其中描述了如何構建一個Windows 定時任務，以及將 Python 程序打包成 可執行文件 的方式
如果要達到構建系統的目標，除了 Python 語言本身以及相關軟體包的學習之外，更多的是需要學習網絡、作業系統、編程思想、設計模式等方面的知識
如果是從頭學習，至少需要半年使時間，如果要到達精通，且在商業項目中應用，則可能需要一到兩年時間
高級python 幾乎是個萬能的語言，特別實在數據分析和機器學習方面，因為其寫更少的代碼，做更多的事的理念，深受數據科學家們的追捧。
如果目標是做數據分析，首先需要對數據分析思想和過程有所了解（可以參考《這個數據分析報告，居然沒寫一行代碼》）
然後需要學習，數據採集、數據整理、數據可視化等方面的知識或者技能：
數據採集基本上就是常說的爬蟲，從網絡上獲取需要分析的數據，相關框架或者軟體包有 Scrapy，Selenium，Requests 等
數據整理就是對要分析的數據進行清洗、分解、歸類、轉換等操作，常用的包有 Numpy、Pandas 等，可以以極為高效的方式處理完成任務，例如我寫的一篇 《幹掉公式——Numpy就該這麼學》，從另一個側面介紹了 Numpy 的強大
數據可視化只有能被人直觀感受到，才能更多的發揮數據的價值，通過條形圖、圓餅圖、雷達圖、散點圖等直觀有效的圖像，將數據直觀的呈現出來，是數據分析必不可少的環節，相關框架和軟體包有 matplotlib、pyecharts、Dexplot 等，我寫過一篇關於 Flask 和 pyecharts 結合的文件可以參考《Python Flask 數據可視化》
如果你的目標是做數據分析，從頭學起，堅持練習，三個月，就可以做基本工作了，這是找個相關數據分析的工作，不成問題，如果想要深入研究，數據分析、甚至機器學習相關的原理算法，並能應用自如，沒個三五年估計很難做到
深入終極：成為專家其實任何領域成為專家，有一個共識定律：一萬小時定律，想成為 Python 的專家也不例外
python 之所以成為眾多領域中首選的程式語言，並非 Python 是眾多領域的核心，而是 Python 可以作為一種處理問題的思想和實現工具
所以更多的學習者是想將 Python 作為一種學習和工作的工具，提高某個領域中解決問題的效率，因此，如果目標是成為專家，可以先選擇一個 Python 可以得到應用的領域，比如系統構建、數據分析、機器學習、視頻遊戲等等
然後通過在該領域的不斷深入，使 Python 技能在該領域上得到最大限度的發揮，可能是個成為專家的捷徑
如果問需要多久，只能說看造化了。
終極無論你的目標是什麼，都離不開不斷的學習與實踐
學習分為三個階段，第一階段是學，即了解和學習相關習知識；第二階段是教，即跟著老師或者教材學；第三個階段是練，這個階段是最為重要，需要自己多練
希望這篇短文對你的學習之旅有所啟發，祝你早日實現自己的目標。
參考