自己的话也做了三年的Python了，当时自己就是非科班出身学的python，所以今天来讲述一下：当初作为小白，是怎么学习Python的。看完了如果还学不会，跑来打我！！！
前言
下面我就给大家说一下零基础学习 Python 的路线！以及给出我的建议。
我会给出我自认为比较好的学习视频、经典书籍和练手项目，保证清清楚楚明明白白！
但是你要明白，光看不学毛用没有！学习编程，任何的教材或者视频都只是辅助，自己动手去敲去实现才是最重要的，指望只是看看书听听课就想打通任督二脉啥都学会的，大概只是在梦里...
任何编程语言的学习其实都是一个套路：“理论 + 实战”，Python 也是如此。
理论知识的学习无非来自于两个主要的介质：视频 + 书籍。对于零基础学习 Python 的同学来说，视频为主，书籍为辅。
为了方便大家观看，下面我将从这四个方面展开来讲：
视频
书籍
实战
进阶
一、视频
视频的话，我推荐这一套视频，我自己也看了下非常适合小白，讲的不错，而且看了下是今年录制的，适用最新版本，每一集的时间也不是很长。
因为平台限制，对于这套视频感兴趣的话可以发简信给我，我会一一发到
二、书籍
Python 入门书籍的话我有 2 本推荐，不同的人喜欢不同的行文方式，就比如我最喜欢的是第一本...
学习计算机一定不要想着速成，要下苦功夫，去啃那些经典书和源码，然后自己动手写。
1、《Python编程 从入门到实践》
这是我买的第一本 Python 书，当然也是刚开始学的时候看了别人的推荐，加之也是豆瓣评分 9.1 的书，就买来看看。理论 + 实践，前面是基础知识，后面是实战项目，对小白特别好。
这本书是一本针对所有层次的Python 读者而作的Python 入门书。全书分两部分：第一部分介绍用Python 编程所必须了解的基本概念，包括matplotlib、NumPy 和Pygal 等强大的Python 库和工具介绍，以及列表、字典、if 语句、类、文件与异常、代码测试等内容；第二部分将理论付诸实践，讲解如何开发三个项目，包括简单的Python 2D 游戏开发如何利用数据生成交互式的信息图，以及创建和定制简单的Web 应用，并帮读者解决常见编程问题和困惑。b站还有相关视频导读，真的非常友好，链接放下面了，感兴趣的话可以自行搜索
2、《Python编程快速上手》
这本书是我朋友送我的，书到了以后一直在吃灰，因为那时候已经参加工作没有去看
翻开也是很偶然，那天刚好很无聊，就随手拿出来翻了翻，然后就翻完了，怎么说呢，这本书的内容给人一种很舒适的感觉，我很少有觉得读起来很舒服的技术书...
整个的结构很清晰，内容简单但是不肤浅，整个基础知识的讲解简洁明了，一点也不啰嗦，很容易就看懂了，不会有那种我看了好几遍才理解的情况（os：我什么时候也能写成这样），各种小的代码片段比比皆是，在练习的过程中反过来再加深对概念的理解。而且作为实践部分，它后面带了十个小项目，按照实际开发的步骤介绍Python 项目的过程。对了，对于以上两本书籍感兴趣的话可以发简信给我，我会分享给大家的。
三、实战
编程语言的学习其实是边学边练，刚开始的时候是一边看视频看书，就把视频上的小例子，书上的小例子自己动手敲出来。
等能力到了一定的地步，可以尝试一下实战。
对于实战来说，可以有两种：
刷题
项目
下面我将分别来讲一下这两种。
1、刷题
刷题大家应该都知道，就是在刷题网站上解决数据结构与算法题。
如果你从事计算机行业，在你找工作的时候，数据结构与算法都是你跨不过去的坎儿。
这里我推荐几个网站
①LeetCode（力扣）
最经典的程序员刷题网站，算法刷题网站肯定绕不开LeetCode，业界一直有句话说把LeetCode上的题都刷烂熟了就可以进谷歌了。
传送门：LeetCode（力扣）
②牛客网
要说在线编程网站，肯定要提到牛客网，很多大厂的机试都是在牛客网上进行的，找工作之前，可以在上面找到以前的校招真题进行练习，想刷剑指offer、LeetCode的题也可以在上面刷，不会的题有大神在讨论区分享答案，不仅如此，计算机专业的考研/保研机考在牛客网上也能找到。
链接：牛客网
2、项目
项目的话就先做些小项目练手。还是那句话，对于编程语言的学习来说，“理论 + 实战”才是王道。
以下是经过Python3.6.4调试通过的代码，与大家分享：
1、听两个聊天机器人互相聊天
2、抓取知乎图片
3、AI分析唐诗的作者是李白还是杜甫
4、制作Gif动图
5、自动写检讨书
6、屏幕录相机
①听两个聊天机器人互相聊天
from time import sleep
import requests
s = input("请主人输入话题：")
while True:
resp = requests.post("http://www.tuling123.com/openapi/api",data={"key":"4fede3c4384846b9a7d0456a5e1e2943", "info": s, })
resp = resp.json()
sleep(1)
print('天天：', resp['text'])
s = resp['text']
resp = requests.get("http://api.qingyunke.com/api.php", {'key': 'free', 'appid':0, 'msg': s})
resp.encoding = 'utf8'
resp = resp.json()
sleep(1)
print('明明：', resp['content'])
#网上还有一个据说智商比较高的小i机器人，用爬虫的功能来实现一下：
import urllib.request
import re
while True:
x = input("主人：")
x = urllib.parse.quote(x)
link = urllib.request.urlopen(
"http://nlp.xiaoi.com/robot/webrobot?&callback=__webrobot_processMsg&data=%7B%22sessionId%22%3A%22ff725c236e5245a3ac825b2dd88a7501%22%2C%22robotId%22%3A%22webbot%22%2C%22userId%22%3A%227cd29df3450745fbbdcf1a462e6c58e6%22%2C%22body%22%3A%7B%22content%22%3A%22" + x + "%22%7D%2C%22type%22%3A%22txt%22%7D")
html_doc = link.read().decode()
reply_list = re.findall(r'\"content\":\"(.+?)\\r\\n\"', html_doc)
print("小i：" + reply_list[-1])
②抓取知乎图片
from selenium import webdriver
import time
import urllib.request
driver = webdriver.Chrome()
driver.maximize_window()
driver.get("https://www.zhihu.com/question/29134042")
i = 0
while i < 10:
driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
time.sleep(2)
try:
driver.find_element_by_css_selector('button.QuestionMainAction').click()
print("page" + str(i))
time.sleep(1)
except:
break
result_raw = driver.page_source
content_list = re.findall("img src=\"(.+?)\" ", str(result_raw))
n = 0
while n < len(content_list):
i = time.time()
local = (r"%s.jpg" % (i))
urllib.request.urlretrieve(content_list[n], local)
print("编号：" + str(i))
n = n + 1
③ 分析唐诗的作者是李白还是杜甫
import jieba
from nltk.classify import NaiveBayesClassifier
# 需要提前把李白的诗收集一下，放在libai.txt文本中。
text1 = open(r"libai.txt", "rb").read()
list1 = jieba.cut(text1)
result1 = " ".join(list1)
# 需要提前把杜甫的诗收集一下，放在dufu.txt文本中。
text2 = open(r"dufu.txt", "rb").read()
list2 = jieba.cut(text2)
result2 = " ".join(list2)
# 数据准备
libai = result1
dufu = result2
# 特征提取
def word_feats(words):
return dict([(word, True) for word in words])
libai_features = [(word_feats(lb), 'lb') for lb in libai]
dufu_features = [(word_feats(df), 'df') for df in dufu]
train_set = libai_features + dufu_features
# 训练决策
classifier = NaiveBayesClassifier.train(train_set)
# 分析测试
sentence = input("请输入一句你喜欢的诗：")
print("\n")
seg_list = jieba.cut(sentence)
result1 = " ".join(seg_list)
words = result1.split(" ")
# 统计结果
lb = 0
df = 0
for word in words:
classResult = classifier.classify(word_feats(word))
if classResult == 'lb':
lb = lb + 1
if classResult == 'df':
df = df + 1
# 呈现比例
x = float(str(float(lb) / len(words)))
y = float(str(float(df) / len(words)))
print('李白的可能性：%.2f%%' % (x * 100))
print('杜甫的可能性：%.2f%%' % (y * 100))
④制作Gif动图
from PIL import Image
im = Image.open("1.jpg")
images = []
images.append(Image.open('2.jpg'))
images.append(Image.open('3.jpg'))
im.save('gif.gif', save_all=True, append_images=images, loop=1, duration=1, comment=b"aaabb")
⑤ 自动写检讨书
import random
import xlrd
ExcelFile = xlrd.open_workbook(r'test.xlsx')
sheet = ExcelFile.sheet_by_name('Sheet1')
i = []
x = input("请输入具体事件：")
y = int(input("老师要求的字数："))
while len(str(i)) < y * 1.2:
s = random.randint(1, 60)
rows = sheet.row_values(s)
i.append(*rows)
print(" "*8+"检讨书"+"\n"+"老师：")
print("我不应该" + str(x)+"，", *i)
print("再次请老师原谅！")
'''
以下是样稿：
请输入具体事件：谈恋爱
老师要求的字数：200
检讨书
老师：
我不应该谈恋爱， 学校一开学就三令五申，一再强调校规校纪，提醒学生不要违反校规，可我却没有把学校和老师的话放在心上，没有重视老师说的话，没有重视学校颁布的重要事项，当成了耳旁风，这些都是不应该的。同时也真诚地希望老师能继续关心和支持我，并却对我的问题酌情处理。 无论在学习还是在别的方面我都会用校规来严格要求自己，我会把握这次机会。 但事实证明，仅仅是热情投入、刻苦努力、钻研学业是不够的，还要有清醒的政治头脑、大局意识和纪律观念，否则就会在学习上迷失方向，使国家和学校受损失。
再次请老师原谅！
⑥ 屏幕录相机，抓屏软件
from time import sleep
from PIL import ImageGrab
m = int(input("请输入想抓屏几分钟："))
m = m * 60
n = 1
while n < m:
sleep(0.02)
im = ImageGrab.grab()
local = (r"%s.jpg" % (n))
im.save(local, 'jpeg')
n = n + 1
四、进阶
进阶阶段也就是以后准备从事的方向。
接下来我会从Python 爬虫、数据分析几部分来推荐。
至于 Python 开发方面，虽然我也做过一段时间的后台开发的实习生，但也仅限于玩票，所学基本来自于官方文档，没有系统的看过书，所以就不在此乱做推荐...
Python 爬虫
《python3网络爬虫开发实战》
整本书都是爬虫的”邪恶“操作，列举了大部分的反爬措施与应对手段，有了它，别人爬不了的网站你也会爬。进阶学习爬虫可以阅读这本书。而且作者在爬虫培训界比较有名，书中的内容相对通俗易懂。
Python 数据分析
《利用 Python 进行数据分析》
很经典的一本书，这本书几乎是数据分析入门必读书了。主要介绍了python3个库numpy（数组），pandas（数据分析）和matplotlib（绘图）的学习。
里面有很多功能语法的介绍，可能是因为这本书的作者同样也是 pandas 的作业，所以这本书里对 pandas 的描述非常细，如果你买了这本书，其他 pandas 的书基本可以不用买了，这本书基本可以满足你哪里不会查哪里了,如果对本文介绍的电子书感兴趣的话，可以私信我，我免费分享给你
希望对你有所帮助
