python學習曲線

Ⅰ python i++ ，python有這種語法嗎類似C++和java的 i++。整數自增

您好，python並不支持i++這種整數自增的語法。如果您想要達到類似的效果，您可以使用如下語句。首先，如果您想要使整數i，每次增加1，則有語句 i += 1；同理，整數 i 每次增加2，則有語句 i += 2，以此類推。如果您想要使整數i，每次減少1，則有語句 i -= 1,；同理，整數 i 每次減少2，則有語句 i -= 2，以此類推。

Ⅱ 如何系統地自學 Python

在過去的幾年中,使用Python語言數據科學研究工具的數量逐年上升,據O ' Reilly數據科學從業人員薪酬調查中,54%的受訪者使用Python作為首選語言,數據比2015年的調查結果——高出51%。

如果一門語言沒有改變你的編程思維，那麼它不值得你去學習」。如果這么說，我們大學的時候，學習了c，c++，java，C#，算是值得學習么？很多時候是不值得，我覺得我們大學的課程就是用java，c#，c++把"C程序設計"又上了一遍。希望對你有幫助哈！

Ⅲ 入門到精通的路上，有哪些快速掌握Python的途徑

學習任何一門編程語言，都是為了去實現一個個項目，來解決實際的問題。無論項目是大還是小，都關聯著許多知識與技能。
例如要寫一個「文件資源管理器」的應用，就需要MVC設計模式、組件化構建、對象集合及操作、打包與部署、多線程遍歷與非同步I/O操作等知識模塊。缺少任意一個模塊，都難以完成一個項目。
所以完成一個項目，就像是在完成一張拼圖，要把一個個知識模塊搞定，再拼成一個項目，這樣「項目驅動式」的學習，是目前公認最高效的編程學習方法：
容易入門：只要掌握了基本的知識和編程技巧，就具備了完成簡單項目的能力，就可以開始使用這種學習方法。
缺哪補哪：在動手做項目的過程中，就可以檢驗自己的學習成果，發現自己欠缺的知識模塊，針對性學習更高效。
有成就感：學習的成果，體現為一個個可解決實際問題的項目，讓學習得到即時反饋，成就感爆棚！
那要如何從零開始，通過項目驅動來高效學習 Python 呢？啃厚厚的教材，或者看各種視頻教程，顯然都無法讓自己開始動手做項目。你需要從實戰項目開始學習。

Ⅳ Python科學計算為目標學習路線應該怎麼走

Python是一種計算機程序設計語言。是一種動態的、面向對象的腳本語言，最初被設計用於編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越來越多被用於獨立的、大型項目的開發。

我發的是Python的學習路線圖，及Python各階段技能說明，你可以看一下你想走的路線，然後跟著學習路線圖來學習哦！

Ⅳ python學習成本很高嗎

這個要分兩種情況來說：
1、自學python：自學python的話，成本比較低，只不過學習時間比較長，也可能事半功倍。
2、報名培訓：報名培訓相對於成本是比較高的，一般在2w左右吧，學習周期在5個月左右，入門快，進階快，學習起來更加貼合企業需求。

Ⅵ python語言的缺點

Python的優點和缺點

本節內容如下：

Python的優點
Python的缺點
使用Python的知名網站
Python的優點

1. 簡單 Python的語法非常優雅，甚至沒有像其他語言的大括弧，分號等特殊符號，代表了一種極簡主義的設計思想。閱讀Python程序像是在讀英語。

2. 易學 Python入手非常快，學習曲線非常低，可以直接通過命令行交互環境來學習Python編程。

3. 免費/開源 Python的所有內容都是免費開源的，這意味著你不需要花一分錢就可以免費使用Python，並且你可以自由地發布這個軟體的拷貝、閱讀它的源代碼、對它做改動、把它的一部分用於新的自由軟體中。

4. 自動內存管理 如果你了解C語言、C++語言你就會知道內存管理給你帶來很大麻煩，程序非常容易出現內存方面的漏洞。但是在Python中內存管理是自動完成的，你可以專注於程序本身。

5. 可以移植 由於Python是開源的，它已經被移植到了大多數平台下面，例如：Windows、MacOS、Linux、Andorid、iOS等等。

6. 解釋性 大多數計算機編程語言都是編譯型的，在運行之前需要將源碼編譯為操作系統可以執行的二進制格式(0110格式的)，這樣大型項目編譯過程非常消耗時間，而Python語言寫的程序不需要編譯成二進制代碼。你可以直接從源代碼運行程序。在計算機內部，Python解釋器把源代碼轉換成稱為位元組碼的中間形式，然後再把它翻譯成計算機使用的機器語言並運行。

7. 面向對象 Python既支持面向過程，又支持面向對象，這樣編程就更加靈活。

8. 可擴展 Python除了使用Python本身編寫外，還可以混合使用像C語言、Java語言等編寫。

9. 豐富的第三方庫 Python具有本身有豐富而且強大的庫，而且由於Python的開源特性，第三方庫也非常多，例如：在web開發、爬蟲、科學計算等等

Python的缺點

Python雖然有很多優點，但是它也不是完美的，它也有自身的缺點。

1. 速度慢 由於，Python是解釋型語言，所有它的速度會比，C、C++慢一些，但是不影響使用。由於，現在的硬體配置都非常高，基本上沒有影響，除非是一些實時性比較強的程序可能會受到一些影響，但是也有解決辦法，可以嵌入C程序。

2. 強制縮進 如果你有其他語言的編程經驗，例如：C語言或者Java語言，那麼Python的強制縮進一開始會讓你很不習慣。但是如果你習慣了Python的縮進語法，你會覺得它非常優雅。

3. 單行語句 由於Python可以在尾部不寫分號，所以一行只能有一條語句，這可能也算是一個不足吧，不過這真的微不足道。

使用Python的知名網站

國內的：

豆瓣
果殼
知乎
Sohu郵箱
國外的：

youtube
Gmail郵箱
Dropbox
等等等等

Ⅶ Clojure，Java，Python，Ruby 的學習曲線陡峭程度有哪些區別

Clojure 的難點有三個：

對於 Java 程序員來說，Clojure 是一種 lisp、基於 immutable types，語法和思維方式完全不同
對於 Lisp 程序員來說學 Clojure 要掌握大量的 Java 類庫、JVM 相關知識
對於其它程序員來說，Clojure 有大量的符號，大量的平鋪的函數（Overview - Clojure v1.6 API documentation），缺乏一個逐步了解的「線索」

Ⅷ Python 是不是學習曲線不太陡峭的編程語言

的確，它雖然比較易學會，但是精通它並不簡單

Ⅸ 學習量化選擇Python還是R比較好

對於想從事數據行業的人和數據工作者來說，是學習R還是 python，哪個工具更實用一直被大家爭論。python 和R是統計學中兩種最流行的的編程語言，R的功能性主要是統計學家在開發時考慮的（R具有強大的可視化功能），而 Python 因為易於理解的語法被大家所接受。
在這篇文章中，我們將重點介紹R和 Python 以及它們在數據科學和統計上地位之間的差異。
關於R的介紹
Ross Ihaka 和 Robert Gentleman 於 1995 年在S語言中創造了開源語言R，目的是專注於提供更好和更人性化的方式做數據分析、統計和圖形模型的語言。
起初R主要是在學術和研究使用，但近來企業界發現R也很不錯。這使得中的R成為企業中使用的全球發展最快的統計語言之一。
R 的主要優勢是它有一個龐大的社區，通過郵件列表，用戶貢獻的文檔和一個非常活躍的堆棧溢出組提供支持。還有 CRAN 鏡像，一個用戶可以很簡單地創造的一個包含R包的知識庫。這些包有R裡面的函數和數據，各地的鏡像都是R網站的備份文件，完全一樣，用戶可以可以選擇離你最近的鏡像訪問最新的技術和功能，而無需從頭開發。
如果你是一個有經驗的程序員，你可以不會覺得使用R可以提高效率，但是，你可能會發現學習R經常會遇到瓶頸。幸運的是現在的資源很多。
關於 Python 的介紹
Python 是由 Guido van Rossem 創建於 1991 年，並強調效率和代碼的可讀性。希望深入的數據分析或應用統計技術的程序員是 Python 的主要用戶。
當你越需要在工程環境中工作，你會越喜歡 Python。它是一種靈活的語言，在處理一些新東西上表現很好，並且注重可讀性和簡單性，它的學習曲線是比較低的。
和R類似，Python 也有包，pypi 是一個 Python 包的倉庫，裡面有很多別人寫好的 Python 庫。
Python 也是一個大社區，但它是一個有點比較分散，因為它是一個通用的語言。然而，Python 自稱他們在數據科學中更占優勢地位：預期的增長，更新穎的科學數據應用的起源在這里。
R和 Python：數字的比較
在網上可以經常看到比較R和 Python 人氣的數字，雖然這些數字往往就這兩種語言是如何在計算機科學的整體生態系統不斷發展，但是很難並列進行比較。主要的原因是，R僅在數據科學的環境中使用，而 Python 作為一種通用語言，被廣泛應用於許多領域，如網路的發展。這往往導致排名結果偏向於 Python，而且從業者工資會較低。
R如何使用？
R 主要用於當數據分析任務需要獨立的計算或分析單個伺服器。這是探索性的工作，因為R有很多包和隨時可用的測試，可以提供提供必要的工具，快速啟動和運行的數量龐大幾乎任何類型的數據分析。R甚至可以是一個大數據解決方案的一部分。
當開始使用R的時候，最好首先安裝 RStudio IDE。之後建議你看看下面的流行包：
Python 如何使用？
如果你的數據分析任務需要使用 Web 應用程序，或代碼的統計數據需要被納入生產資料庫進行集成時你可以使用 python，作為一個完全成熟的編程語言，它是實現演算法一個偉大的工具。
雖然在過去 python 包對於數據分析還處於早期階段，但是這些年已經有了顯著改善。使用時需要安裝 NumPy/ SciPy 的（科學計算）和 pandas（數據處理），以使 Python 可用於數據分析。也看看 matplotlib，使圖形和 scikit-learn 機器學習。
不同於R，Python 有沒有明確的非常好的 IDE。我們建議你看看 Spyder 以及 IPython 網站，看看哪一個最適合你。
R和 Python：數據科學行業的表現
如果你看一下最近的民意調查，在數據分析的編程語言方面，R是明顯的贏家。
有越來越多的人從研發轉向 Python。此外，有越來越多的公司使用這兩種語言來進行組合。
如果你打算從事數據行業，你用好學會這兩種語言。招聘趨勢顯示這兩個技能的需求日益增加，而工資遠高於平均水平。
R：優點和缺點
優點
可視化能力強
可視化通常讓我們更有效地理解數字本身。R和可視化是絕配。一些必看的可視化軟體包是 ggplot2，ggvis，googleVis 和 rCharts。
完善的生態系統
R 具有活躍的社區和一個豐富的生態系統。R包在 CRAN，Bioconctor 的和 Github 上。您可以通過 Rdocumentation 搜索所有的R包。
用於數據科學
R 由統計學家開發，他們可以通過R代碼和包交流想法和概念，你不一定需要有計算機背景。此外企業界也越來越接受R。
缺點
R比較緩慢
R 使統計人員的更輕松，但你電腦的運行速度可能很慢。雖然R的體驗是緩慢的，但是有多個包來提高的r性能：pqR,renjin，FastR, Riposte 等等。
R不容易深入學習
R 學習起來並不容易，特別是如果你要從 GUI 來進行統計分析。如果你不熟悉它，即使發現包可能會非常耗時。
Python：優點和缺點
優點
IPython Notebook
IPython Notebook 使我們更容易使用 Python 進行數據工作，你可以輕松地與同事共享 Notebook，而無需他們安裝任何東西。這大大減少了組織代碼，輸出和注釋文件的開銷。可以花更多的時間做實際的工作。
通用語言
Python 是一種通用的語言，容易和直觀。在學習上會比較容易，它可以加快你寫一個程序的速度。此外，Python 測試框架是一個內置的，這樣可以保證你的代碼是可重復使用和可靠的。
一個多用途的語言
Python 把不同背景的人集合在一起。作為一種常見的、容易理解，大部分程序員都懂的，可以很容易地和統計學家溝通，你可以使用一個簡單的工具就把你每一個工作夥伴都整合起來。
缺點
可視化
可視化是選擇數據分析軟體的一個重要的標准。雖然 Python 有一些不錯的可視化庫，如 Seaborn，Bokeh 和 Pygal。但相比於R，呈現的結果並不總是那麼順眼。
Python 是挑戰者
Python 對於R來說是一個挑戰者，它不提供必不可少的R包。雖然它在追趕，但是還不夠。
最終你該學習什麼呢：
由你決定！作為一個數據工作者，你需要在工作中選擇最適合需要的語言。在學習之前問清楚這些問題可以幫助你：
你想解決什麼問題？
什麼是學習語言的凈成本？
是什麼在你的領域中常用的工具？
什麼是其他可用工具以及如何做這些涉及到的常用工具？