pythonic
『壹』 PHP開發人員的python基礎知識
PHP（外文名:PHP: Hypertext Preprocessor，中文名：「超文本預處理器」）是一種通用開源腳本語言。語法吸收了c語言、Java和Perl的特點，利於學習，使用廣泛，主要適用於Web開發領域。那麼PHP開發人員的Python基礎知識都有哪些呢？以下僅供參考！
常用縮略語
Ajax：非同步 JavaScript + XML
XML：可擴展標記語言（Extensible Markup Language）
什麼是 Python？
Python 的定義是一種 「通用的高級編程語言」。它以簡潔性和易用性著稱，而且是少有的幾種對空格和縮進有要求的語言之一。Python 的主要作者 Guido Van Rossum 在社區中仍然非常活躍，並且被人們戲稱為仁慈的領導。
Python 的靈活性和緊湊性是值得稱贊的。它支持面向對象編程、結構化編程、面向方面編程以及函數編程等。Python 採用小內核設計，但具備大量擴展庫，從而確保了該語言的緊湊性和靈活性。
從語法的角度來說，您會發現 Python 的簡潔性異常突出——幾乎可以說是一種純粹的境界。PHP 開發人員要麼會對這種方法的語法深深陶醉，要麼會發現它的局限性。這主要取決於您自己的見解。Python 社區推動這種美感的態度是非常明確的，它們更加重視的是美學和簡潔性，而不是靈動的技巧。已形成 Perl 傳統（「可以通過多種方式實現它」）的 PHP 開發人員（像我自己）將面對一種完全相反的哲學（「應該只有一種方法可以實現它」）。
事實上，該社區定義了一種特有的代碼風格術語，即 Python 化（pythonic）。您可以說您的代碼是 Python 化，這是對 Python 術語的良好運用，同時還可展現語言的自然特性。本文並不打算成為 Pythonista（或 Pythoneer），但如果您想繼續 Python 之路，那麼千萬不能錯過本文的知識點。就像 PHP 有自己的編程風格，Perl 有自己的概念方法，學習 Python 語言必然也需要開始用該語言來思考問題。
另一個要點：在撰寫本文時，Python 的最新版本是 V3.0，但本文主要側重於 Python V2.6。Python V3.0 並不能向後兼容之前的版本，而且 V2.6 是使用最為廣泛的版本。當然，您可以根據需求使用自己喜好的版本。
Python 與 PHP 有何不同？
一般來說，PHP 是一種 Web 開發語言。是的，它提供了一個命令行介面，並且甚至可用於開發嵌入式應用程序，但它主要還是用於 Web 開發。相反，Python 是一種腳本語言，並且也可用於 Web 開發。從這方面來說，我知道我會這樣說——它比 PHP 更加接近 Perl。（當然，在其他方面，它們之間並無實際不同。我們繼續往下看。）
PHP 的語法中充斥著美元符號（$）和大括弧（{}），而 Python 相對來說則更加簡潔和干凈。PHP 支持 switch 和 do...while 結構，而 Python 則不盡然。PHP 使用三元操作符（foo?bar:baz）和冗長的函數名列表，而命名約定更是無所不有；相反，您會發現 Python 要簡潔多了。PHP 的數組類型可同時支持簡單列表和字典或散列，但 Python 卻將這兩者分開。
Python 同時使用可變性和不變性的概念：舉例來說，tuple 就是一個不可變的列表。您可以創建 tuple，但在創建之後不能修改它。這一概念可能要花些時間來熟悉，但對於避免錯誤極為有效。當然，更改 tuple 的惟一方法是復制它。因此，如果您發現對不可變對象執行了大量更改，則應該重新考量自己的方法。
之前提到，Python 中的縮進是有含義的：您在剛開始學習該語言時會對此非常難以適應。您還可以創建使用關鍵字作為參數的函數和方法——這與 PHP 中的標准位置參數迥然不同。面向對象的追隨者會對 Python 中真正的面向對象思想感到欣喜，當然還包括它的 「一級」 類和函數。如果您使用非英語語言，則會鍾愛於 Python 強大的.國際化和 Unicode 支持。您還會喜歡 Python 的多線程功能；這也是最開始令我為之著迷的特性之一。
綜上所述，PHP 和 Python 在許多方面都彼此類似。您可以方便地創建變數、循環，使用條件和創建函數。您甚至可以輕松地創建可重用的模塊。兩種語言的用戶社區都充滿活力和激情。PHP 的用戶群體更加龐大，但這主要歸因於它在託管伺服器及 Web 專注性方面的優勢和普及性。
很好 簡要介紹到此為止。我們開始探索之旅。
使用 Python
清單 1 展示了一個基本的 Python 腳本。
清單 1. 一個簡單的 Python 腳本
for i in range(20):
print(i)
清單 2 展示了腳本的必然結果。
清單 2. 清單 1 的結果
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
在深入探索之前，我們先來了解一些預備知識。首先從變數開始。
變數
可以看到，表示變數並不需要任何特殊的字元。變數 i 就是一個純粹的 i——毫無特殊之處。表示代碼塊或語言結束也不需要任何特殊字元（比如分號和括弧）；只需要在 for 行使用一個簡單的冒號即可（:）。還需注意，縮進會向 Python 指示哪些內容屬於 for 循環。舉例來說，清單 3 中的代碼會在循環中為各編號輸出一個說明。
清單 3. 為各循環添加一條語句
for i in range(20):
print(i)
print('all done?')
相反，清單 4 中的代碼會在循環結束處輸出一條說明。
清單 4. 在循環後添加一條語句
for i in range(20):
print(i)
print('all done!')
現在，我第一次看到這樣的代碼時，我認為這完全是無稽之談。什麼？讓我相信換行和縮進能保證代碼的結構和運行？請相信我，不用多久，您就會習慣它（但我需要承認必須到達到分號處才會結束語句的運行）。如果您與其他開發人員共同開發 Python 項目，則會發現這種可讀性的用處是多麼大了。您不再像以前那樣總是猜測 「這個聰明的傢伙在這里究竟想幹些什麼？」
在 PHP，您使用 = 操作符為變數分配值（參見 清單 5）。在 Python 中，您使用相同的操作符，只是需要標記或指向值。對於我來說，它就是賦值操作而已，我不需要過多擔心專門的術語。
清單 5. 創建變數
yorkie = 'Marlowe' #meet our Yorkie Marlowe!
mutt = 'Kafka' #meet our mutt Kafka
print(mutt) #prints Kafka
Python 的變數名稱約定與 PHP 類似：您在創建變數名時只能使用字母、數字和下劃線（_）。同樣，變數名的第一個字元不能是數字。Python 變數名是區分大小寫的，並且您不能使用特定的 Python 關鍵字（比如 if、else、while、def、or、and、not、in 和 is 開始符）作為變數名。這沒有什麼值得奇怪的。
Python 允許您隨意執行基於字元串的操作。清單 6 中的大多數操作應該都是您熟悉的。
清單 6. 常見的基於字元串的操作
yorkie = 'Marlowe'
mutt = 'Kafka'
ylen = len(yorkie) #length of variable yorkie
print(ylen) #prints 7
print(len(yorkie)) #does the same thing
len(yorkie) #also does the same thing, print is implicit
print(yorkie.lower()) #lower cases the string
print(yorkie.strip('aeiou')) #removes vowels from end of string
print(mutt.split('f')) #splits "Kafka" into ['Ka', 'ka']
print(mutt.count('a')) #prints 2, the number of a's in string
yorkie.replace('a','4') #replace a's with 4's
條件語句
您已經了解了如何使用 for 循環；現在，我們來討論條件語句。您會發現 Phyon 中的條件語句與 PHP 基本相同：您可以使用熟悉的 if/else型結構，如清單 7 所示。
清單 7. 一個簡單的條件測試
yorkie = 'Marlowe'
mutt = 'Kafka'
if len(yorkie) > len(mutt):
print('The yorkie wins!')
else:
print('The mutt wins!')
您還可以使用 if/elif/else（elif，等價於 PHP 中的 elseif）創建更加復雜的條件測試，如清單 8 所示。
清單 8. 一個比較復雜的條件測試
yorkie = 'Marlowe'
mutt = 'Kafka'
if len(yorkie) + len(mutt) > 15:
print('The yorkie and the mutt win!')
elif len(yorkie) + len(mutt) > 10:
print('Too close to tell!')
else:
print('Nobody wins!')
您可能會說，目前為止並沒有什麼與眾不同的地方：甚本上和想像中沒有太大區別。現在，我們來看 Python 處理列表的方式，您會發現兩種語言之間的不同之處。
列表
一種常用的列表類型是 tuple，它是不可變的。在 tuple 中載入一系列值之後，您不會更改它。Tuple 可以包含數字、字元串、變數，甚至其他 tuples。Tuples 從 0 開始建立索引，這很正常；您可以使用 -1 索引訪問最後一個項目。您還可以對 tuple 運行一些函數（請參見清單 9）。
清單 9. Tuples
items = (1, mutt, 'Honda', (1,2,3))
print items[1] #prints Kafka
print items[-1] #prints (1,2,3)
items2 = items[0:2] #items2 now contains (1, 'Kafka') thanks to slice operation
'Honda' in items #returns TRUE
len(items) #returns 4
items.index('Kafka') #returns 1, because second item matches this index location
列表與 tuple 類似，只不過它們是可變的。創建列表之後，您可以添加、刪除和更新列表中的值。列表使用方括弧，而不是圓括弧（()），如清單 10 所示。
清單 10. 列表
groceries = ['ham','spam','eggs']
len(groceries) #returns 3
print groceries[1] #prints spam
for x in groceries:
print x.upper() #prints HAM SPAM EGGS
groceries[2] = 'bacon'
groceries #list is now ['ham','spam','bacon']
groceries.append('eggs')
groceries #list is now ['ham', 'spam', 'bacon', 'eggs']
groceries.sort()
groceries #list is now ['bacon', 'eggs', 'ham', 'spam']
字典類似於關聯數組或散列；它使用鍵值對來存儲和限制信息。但它不使用方括弧和圓括弧，而是使用尖括弧。與列表類似，字典是可變的，這意味著您可以添加、刪除和更新其中的值（請參見清單 11）。
清單 11. 字典
colorvalues = {'red' : 1, 'blue' : 2, 'green' : 3, 'yellow' : 4, 'orange' : 5}
colorvalues #prints {'blue': 2, 'orange': 5, 'green': 3, 'yellow': 4, 'red': 1}
colorvalues['blue'] #prints 2
colorvalues.keys() #retrieves all keys as a list:
#['blue', 'orange', 'green', 'yellow', 'red']
colorvalues.pop('blue') #prints 2 and removes the blue key/value pair
colorvalues #after pop, we have:
#{'orange': 5, 'green': 3, 'yellow': 4, 'red': 1}
在 Python 中創建一個簡單的腳本
現在，您已經對 Python 有了一定的了解。接下來，我們將創建一個簡單的 Python 腳本。該腳本將讀取位於您的伺服器 /tmp 目錄下的 PHP 會話文件的數量，並在日誌文件中寫入摘要報告。在該腳本中，您將學習如何導入特定函數的模塊，如何使用文件，以及如何寫入日誌文件。您還將設置一系列變數來跟蹤所收集的信息。
清單 12 展示了整個腳本。打開一個編輯器，並將代碼粘貼到其中，然後在系統中將該文件保存為 tmp.py。然後，對該文件運行 chmod + x，使它成為可執行文件（假定您使用 UNIX? 系統）。
清單 12. tmp.py
#!/usr/bin/python
import os
from time import strftime
stamp = strftime("%Y-%m-%d %H:%M:%S")
logfile = '/path/to/your/logfile.log'
path = '/path/to/tmp/directory/'
files = os.listdir(path)
bytes = 0
numfiles = 0
for f in files:
if f.startswith('sess_'):
info = os.stat(path + f)
numfiles += 1
bytes += info[6]
if numfiles > 1:
title = 'files'
else:
title = 'file'
string = stamp + " -- " + str(numfiles) + " session "
+ title +", " + str(bytes) + " bytes "
file = open(logfile,"a")
file.writelines(string)
file.close()
在第一行中，您可以看到一個 hash-bang 行：它用於標識 Python 解釋器的位置。在我的系統中，它位於 /usr/bin/python。請根據系統需求調整這一行。
接下來的兩行用於導入特定的模塊，這些模塊將幫助您執行作業。考慮到腳本需要處理文件夾和文件，因此您需要導入 os 模塊，因為其中包含各種函數和方法，可幫助您列出文件、讀取文件和操作文件夾。您還需要寫入一個日誌文件，因此可以為條目添加一個時間戳 — 這就需要使用時間函數。您不需要所有時間函數，只需要導入 strftime函數即可。
在接下來的六行中，您設置了一些變數。第一個變數是 stamp，其中包含一個日期字元串。然後，您使用 strftime 函數創建了一個特定格式的時間戳 — 在本例中，時間戳的格式為 2010-01-03 12:43:03。
接下來，創建一個 logfile 變數，並在文件中添加一個實際存儲日誌文件消息的路徑（該文件不需要實際存在）。為簡單起見，我在 /logs 文件夾中放置了一個日誌文件，但您也可以將它放置在別處。同樣，path 變數包含到 /tmp 目錄的路徑。您可以使用任何路徑，只要使用斜杠作為結束即可 (/)。
接下來的三個變數也非常簡單：files 列表包含指定路徑中的所有文件和文件夾，另外還包含 bytes 和 numfiles 兩個變數。這兩個變數都設置為 0；腳本會在處理文件時遞增這些值。
完成所有這些定義之後，接下來就是腳本的核心了：一個簡單的 for 循環，用於處理文件列表中的各文件。每次運行循環時，腳本都會計算文件名；如果它以 sess_ 開頭，則腳本會對該文件運行 os.stat()，提取文件數據（比如創建時間、修改時間和位元組大小），遞增 numfiles 計數器並將該文件的位元組大小累計到總數中。
當循環完成運行後，腳本會檢查 numfiles 變數中的值是否大於 1。如果大於 1，則會將一個新的 title 變數設置為 files；否則，title 將被設置為單數形式的 file。
腳本的最後部分也非常簡單：您創建了一個 string 變數，並在該變數中添加了一行以時間戳開始的數據，並且其後還包含 numfiles（已轉換為字元串）和位元組（也已轉換為字元串）。請注意繼續字元（）；該字元可允許代碼運行到下一行。它是一個提高可讀性的小技巧。
然後，您使用 open() 函數以附加模式打開日誌文件（畢竟始終需要在該文件中添加內容），writelines() 函數會將字元串添加到日誌文件中，而 close() 函數用於關閉該文件。
現在，您已經創建了一個簡單的 Python 腳本。該腳本可用於完成許多任務，舉例來說，您可以設置一個 cron作業來每小時運行一次這個腳本，以幫助您跟蹤 24 小時內所使用的 PHP 會話的數量。您還可以使用 jQuery 或其他一些 JavaScript 框架通過 Ajax 連接這個腳本，用於為您提供日誌文件提要（如果採用這種方式，則需要使用 print命令來返回數據）。
『貳』 python做數據分析怎麼樣
我使用python這門語言也有三年了，被其簡潔、易讀、強大的庫所折服，我已經深深愛上了python。其pythonic語言特性，對人極其友好，可以說，一個完全不懂編程語言的人，看懂python語言也不是難事。
在數據分析和交互、探索性計算以及數據可視化等方面，相對於R、MATLAB、SAS、Stata等工具，Python都有其優勢。近年來，由於Python庫的不斷發展（如pandas），使其在數據挖掘領域嶄露頭角。結合其在通用編程方面的強大實力，我們完全可以只使用Python這一種語言去構建以數據為中心的應用程序。
由於python是一種解釋性語言，大部分編譯型語言都要比python代碼運行速度快，有些同學就因此鄙視python。但是小編認為，python是一門高級語言，其生產效率更高，程序員的時間通常比CPU的時間值錢，因此為了權衡利弊，考慮用python是值得的。
Python強大的計算能力依賴於其豐富而強大的庫：
Numpy
Numerical Python的簡稱，是Python科學計算的基礎包。其功能：
1. 快速高效的多維數組對象ndarray。
2. 用於對數組執行元素級計算以及直接對數組執行數學運算的函數。
3. 線性代數運算、傅里葉變換，以及隨機數生成。
4. 用於將C、C++、Fortran代碼集成到Python的工具。
除了為Python提供快速的數組處理能力，NumPy在數據分析方面還有另外一個主要作用，即作為在演算法之間傳遞數據的容器。對於數值型數據，NumPy數組在存儲和處理數據時要比內置的Python數據結構高效得多。此外，由低級語言（比如C和Fortran）編寫的庫可以直接操作NumPy數組中的數據，無需進行任何數據復制工作。
SciPy
是一組專門解決科學計算中各種標准問題域的包的集合，主要包括下面這些包：
1. scipy.integrate：數值積分常式和微分方程求解器。
2. scipy.linalg：擴展了由numpy.linalg提供的線性代數常式和矩陣分解功能。
3. scipy.optimize：函數優化器（最小化器）以及根查找演算法。
4. scipy.signal：信號處理工具。
5. scipy.sparse：稀疏矩陣和稀疏線性系統求解器。
6. scipy.special：SPECFUN（這是一個實現了許多常用數學函數（如伽瑪函數）的Fortran庫）的包裝器。
7. scipy.stats：標准連續和離散概率分布（如密度函數、采樣器、連續分布函數等）、各種統計檢驗方法，以及更好的描述統計法。
8. scipy.weave：利用內聯C++代碼加速數組計算的工具。
註：NumPy跟SciPy的有機結合完全可以替代MATLAB的計算功能（包括其插件工具箱）。
SymPy
是python的數學符號計算庫，用它可以進行數學表達式的符號推導和演算。
pandas
提供了使我們能夠快速便捷地處理結構化數據的大量數據結構和函數。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。
pandas兼具NumPy高性能的數組計算功能以及電子表格和關系型資料庫(如SQL)靈活的數據處理功能。它提供了復雜精細的索引功能，以便更為便捷地完成重塑、切片和切塊、聚合以及選取數據子集等操作。
對於使用R語言進行統計計算的用戶，肯定不會對DataFrame這個名字感到陌生，因為它源自於R的data.frame對象。但是這兩個對象並不相同。R的data.frame對象所提供的功能只是DataFrame對象所提供的功能的一個子集。也就是說pandas的DataFrame功能比R的data.frame功能更強大。
matplotlib
是最流行的用於繪制數據圖表的Python庫。它最初由John D. Hunter（JDH）創建，目前由一個龐大的開發人員團隊維護。它非常適合創建出版物上用的圖表。它跟IPython（馬上就會講到）結合得很好，因而提供了一種非常好用的互動式數據繪圖環境。繪制的圖表也是互動式的，你可以利用繪圖窗口中的工具欄放大圖表中的某個區域或對整個圖表進行平移瀏覽。
TVTK
是python數據三維可視化庫，是一套功能十分強大的三維數據可視化庫，它提供了Python風格的API，並支持Trait屬性(由於Python是動態編程語言，其變數沒有類型，這種靈活性有助於快速開發，但是也有缺點。而Trait庫可以為對象的屬性添加檢校功能，從而提高程序的可讀性，降低出錯率。) 和NumPy數組。此庫非常龐大，因此開發公司提供了一個查詢文檔，用戶可以通過下面語句運行它：
>>> from enthought.tvtk.toolsimport tvtk_doc
>>> tvtk_doc.main()
Scikit-Learn
是基於python的機器學習庫，建立在NumPy、SciPy和matplotlib基礎上，操作簡單、高效的數據挖掘和數據分析。其文檔、實例都比較齊全。
小編建議：初學者使用python(x, y)，其是一個免費的科學和工程開發包，提供數學計算、數據分析和可視化展示。非常方便！
其官網：www.pythonxy.com（由於某種原因，國內上不去，需要翻牆）
下載地址：ftp://ftp.ntua.gr/pub/devel/pythonxy/（小編到網上搜到的一個地址，親測可以用）
下圖展示了python(x, y) 強大功能。
『叄』 python運維需要會什麼
隨著移動互聯網的普及，伺服器運維所面臨的挑戰也隨之越來越大。當規模增長到一定程度，手動管理方式已經無法應對，自動化運維成為解決問題的銀彈。
Python憑借其靈活性，在自動化運維方面已經被廣泛使用，能夠大大提高運維效率，伺服器集群的規模越大，優勢越明顯。現在不論是Linux運維工程師還是Unix運維工程師都需要掌握Python，以提高運維效率。
python運維需要會什麼?
● 掌握Python的語法和一些常用庫的使用
● 掌握自己特定領域的庫，掌握pythonic寫法，非常熟悉Python的特性
● Linux基礎
相關推薦：《Python教程》以上就是小編分享的關於python運維需要會什麼的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！
『肆』 如何系統地自學 Python
是否非常想學好Python，一方面被瑣事糾纏，一直沒能動手，另一方面，擔心學習成本太高，心裡默默敲著退堂鼓？幸運的是，Python是一門初學者友好的編程語言，想要完全掌握它，你不必花上太多的時間和精力。Python的設計哲學之一就是簡單易學，體現在兩個方面：語法簡潔明了：相對Ruby和Perl，它的語法特性不多不少，大多數都很簡單直接，不玩兒玄學。切入點很多：Python可以讓你可以做很多事情，科學計算和數據分析、爬蟲、Web網站、游戲、命令行實用工具等等等等，總有一個是你感興趣並且願意投入時間的。廢話不多說，學會一門語言的捷徑只有一個：GettingStarted¶起步階段任何一種編程語言都包含兩個部分：硬知識和軟知識，起步階段的主要任務是掌握硬知識。°1硬知識「硬知識」指的是編程語言的語法、演算法和數據結構、編程範式等，例如：變數和類型、循環語句、分支、函數、類。這部分知識也是具有普適性的，看上去是掌握了一種語法，實際是建立了一種思維。例如：讓一個Java程序員去學習Python，他可以很快的將Java中的學到的面向對象的知識map到Python中來，因此能夠快速掌握Python中面向對象的特性。如果你是剛開始學習編程的新手，一本可靠的語法書是非常重要的。它看上去可能非常枯燥乏味，但對於建立穩固的編程思維是必不可少。下面列出了一些適合初學者入門的教學材料：❖「笨方法學Python」：awesome-python·GitHub這里列出了你在嘗試解決各種實際問題時，Python社區已有的工具型類庫，如下圖所示：你可以按照實際需求，尋找你需要的類庫。至於相關類庫如何使用，必須掌握的技能便是閱讀文檔。由於開源社區大多數文檔都是英文寫成的，所以，英語不好的同學，需要惡補下。°2書籍方面：這里我只列出一些我覺得比較有一些幫助的書籍，詳細的請看豆瓣的書評：科學和數據分析：❖「集體智慧編程」：集體智慧編程(豆瓣)❖「數學之美」：數學之美(豆瓣)❖「統計學習方法」：統計學習方法(豆瓣)❖「」：(豆瓣)❖「數據科學實戰」：數據科學實戰(豆瓣)❖「數據檢索導論」：信息檢索導論(豆瓣)爬蟲：❖「HTTP權威指南」：HTTP權威指南(豆瓣)Web網站：❖「HTML&CSS設計與構建網站」：HTML&CSS設計與構建網站(豆瓣)列到這里已經不需要繼續了。聰明的你一定會發現上面的大部分書籍，並不是講Python的書，而的是專業知識。事實上，這里所謂「跳出Python，擁抱世界」，其實是發現Python和專業知識相結合，能夠解決很多實際問題。這個階段能走到什麼程度，的取決於自己的專業知識。¶深入階段這個階段的你，對Python幾乎了如指掌，那麼你一定知道Python是用C語言實現的。可是Python對象的「動態特徵」是怎麼用相對底層，連自動內存管理都沒有的C語言實現的呢？這時候就不能停留在表面了，勇敢的拆開Python的黑盒子，深入到語言的內部，去看它的歷史，讀它的源碼，才能真正理解它的設計思路。這里推薦一本書：「Python源碼剖析」：Python源碼剖析(豆瓣)這本書把Python源碼中最核心的部分，給出了詳細的闡釋，不過閱讀此書需要對C語言內存模型和指針有著很好的理解。另外，Python本身是一門雜糅多種範式的動態語言，也就是說，相對於C的過程式、Haskell等的函數式、Java基於類的面向對象而言，它都不夠純粹。換而言之，編程語言的「道學」，在Python中只能有限的體悟。學習某種編程範式時，從那些面向這種範式更加純粹的語言出發，才能有更深刻的理解，也能了解到Python語言的根源。這里推薦一門公開課「編程範式」：斯坦福大學公開課：編程範式講師高屋建瓴，從各種編程範式的代表語言出發，給出了每種編程範式最核心的思想。值得一提的是，這門課程對C語言有非常深入的講解，例如C語言的范型和內存管理。這些知識，對閱讀Python源碼也有大有幫助。Python的許多最佳實踐都隱藏在那些眾所周知的框架和類庫中，例如Django、Tornado等等。在它們的源代碼中淘金，也是個不錯的選擇。¶最後的話每個人學編程的道路都是不一樣的，其實大都殊途同歸，沒有迷路的人只有不能堅持的人。雖然聽上去有點雞湯，但是這是事實。希望想學Python想學編程的同學，不要猶豫了，看完這篇文章，Justgettingstarted～