大家好，我是大师兄。
很多同学抱怨自己很想学好Python，但学了好久，书也买不少，视频课程也看了不少，但是总是学了一段时间，感觉还是没什么收获，碰到问题没思路，有思路写不出多少行代码，遇到报错时也不知道怎么处理。
从入门到放弃，这是很多学习python的同学常常挂在嘴边上的口头禅。今天我分享一些自己学习Python的心得，并用一个案例来说明python解决问题的基本思路和框架。
01
如何学好Python
01
明确自己的需求
听到别人说Python很牛很厉害，也想跟着学，这样的人肯定是学不好python的。没有明确的需求和动力，就会导致你学python两天打鱼三天晒网，没有恒心也没有决心。假如你有明确的需求，比如：老板让我1周内完成一个数据分析报告老板让我1个月内搭建一个自己的blog网站我要处理很多excel文件，我想写一个脚本帮我自动处理我每天都在手动审核数据质量，我想写一个脚本代替我的日常工作.......当你面对这样一些需求时，你还无法求助他人帮忙时，这个时候，你就必须学习Python来帮你处理了。02
明确Python的学习方向
Python的学习方向有很多，比如：WEB方向GUI方向数据处理方向数据分析方向人工智能方向......我是日常用Python主要做数据处理和数据分析工作，所以我选择的是数据处理和数据分析方向，其他Python功能接触的比较少。03
掌握Python的基本语法
import模块导入方法变量及基本数据类型循环和条件基本控制语句模块内嵌函数和自定义函数......不管你选择了什么方向，Python的基本语法是必须掌握的。对于没有编程经验的人，Python是一门非常适合入门的编程语言,因为它是高度封装的,不需要对于底层特别了解,也能够很好学习使用。python语法非常简单,代码可读性高,对于零基础的人来说更容易接受和使用。04
掌握Python
数据处理方法
线性代数和统计学Pandas/Numpy/Matplotlib模块数据导入、存储数据清洗和准备数据规整：连接、联合、重塑数据整合和分组操作时间序列数据操作绘图和可视化利用Python做数据处理，线性代数和统计学这两门基本理论知识还是要会点，线性代数你至少得需要知道矩阵和矩阵运算规则，统计学你至少要知道描述性统计。常用的Python数据处理模块有Pandas和Numpy这两个，这是必须要掌握的，另外，Matplotlib模块是数据可视化模块，也是必须会的。数据导入、清洗和准备、规整、分组等操作，都是数据处理中常用的方法，平常对比Excel数据操作，Python都可以实现，而且一行简单的代码，就可以操作比较复杂的数据处理方法。05
多练！多练！多练！
自己找些小作业练习解决平常工作中的问题可以尝试输出文章重要的事情说三遍,多练！多练！多练！Python和数据分析都是实践学科，光学理论，不练习，是不会有任何收获的，学完之后不练就忘掉了。最好的方式，就是先掌握一点基础语法，然后把Python融合到工作中，解决日常工作中碰到的问题。在解决问题的时候，你会碰到各种问题，可以去"百度"寻找答案。最后，要定期总结和输出。特别提示，假如你没有基础或者基础薄弱的话，建议工作期间不要尝试用Python解决复杂的问题，这是一个很浪费时间的事情，中间各种问题，会让你崩溃。最终Python没学好，还耽误了工作。所以，要利用工作之余的时间，把python基础打扎实。02
Python数据处理示例
01
安装并搭建
Python环境
首先，需要安装python,我要推荐Anaconda3，从事数据分析的伙伴们，严重推荐此软件！Anaconda降低了数据分析初学者的学习门槛，因为这个软件自带了python中大概有多个数据科学包，让你无需单独学习每个库的安装方法。另外，还自带了Jupternotebook代码编译器。现在，Anaconda和Jupyternotebook已成为数据分析的标准环境。具体的安装方法参考如下链接：