python学习曲线

Ⅰ python i++ ，python有这种语法吗类似C++和java的 i++。整数自增

您好，python并不支持i++这种整数自增的语法。如果您想要达到类似的效果，您可以使用如下语句。首先，如果您想要使整数i，每次增加1，则有语句 i += 1；同理，整数 i 每次增加2，则有语句 i += 2，以此类推。如果您想要使整数i，每次减少1，则有语句 i -= 1,；同理，整数 i 每次减少2，则有语句 i -= 2，以此类推。

Ⅱ 如何系统地自学 Python

在过去的几年中,使用Python语言数据科学研究工具的数量逐年上升,据O ' Reilly数据科学从业人员薪酬调查中,54%的受访者使用Python作为首选语言,数据比2015年的调查结果——高出51%。

如果一门语言没有改变你的编程思维，那么它不值得你去学习”。如果这么说，我们大学的时候，学习了c，c++，java，C#，算是值得学习么？很多时候是不值得，我觉得我们大学的课程就是用java，c#，c++把"C程序设计"又上了一遍。希望对你有帮助哈！

Ⅲ 入门到精通的路上，有哪些快速掌握Python的途径

学习任何一门编程语言，都是为了去实现一个个项目，来解决实际的问题。无论项目是大还是小，都关联着许多知识与技能。
例如要写一个「文件资源管理器」的应用，就需要MVC设计模式、组件化构建、对象集合及操作、打包与部署、多线程遍历与异步I/O操作等知识模块。缺少任意一个模块，都难以完成一个项目。
所以完成一个项目，就像是在完成一张拼图，要把一个个知识模块搞定，再拼成一个项目，这样「项目驱动式」的学习，是目前公认最高效的编程学习方法：
容易入门：只要掌握了基本的知识和编程技巧，就具备了完成简单项目的能力，就可以开始使用这种学习方法。
缺哪补哪：在动手做项目的过程中，就可以检验自己的学习成果，发现自己欠缺的知识模块，针对性学习更高效。
有成就感：学习的成果，体现为一个个可解决实际问题的项目，让学习得到即时反馈，成就感爆棚！
那要如何从零开始，通过项目驱动来高效学习 Python 呢？啃厚厚的教材，或者看各种视频教程，显然都无法让自己开始动手做项目。你需要从实战项目开始学习。

Ⅳ Python科学计算为目标学习路线应该怎么走

Python是一种计算机程序设计语言。是一种动态的、面向对象的脚本语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。

我发的是Python的学习路线图，及Python各阶段技能说明，你可以看一下你想走的路线，然后跟着学习路线图来学习哦！

Ⅳ python学习成本很高吗

这个要分两种情况来说：
1、自学python：自学python的话，成本比较低，只不过学习时间比较长，也可能事半功倍。
2、报名培训：报名培训相对于成本是比较高的，一般在2w左右吧，学习周期在5个月左右，入门快，进阶快，学习起来更加贴合企业需求。

Ⅵ python语言的缺点

Python的优点和缺点

本节内容如下：

Python的优点
Python的缺点
使用Python的知名网站
Python的优点

1. 简单 Python的语法非常优雅，甚至没有像其他语言的大括号，分号等特殊符号，代表了一种极简主义的设计思想。阅读Python程序像是在读英语。

2. 易学 Python入手非常快，学习曲线非常低，可以直接通过命令行交互环境来学习Python编程。

3. 免费/开源 Python的所有内容都是免费开源的，这意味着你不需要花一分钱就可以免费使用Python，并且你可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。

4. 自动内存管理 如果你了解C语言、C++语言你就会知道内存管理给你带来很大麻烦，程序非常容易出现内存方面的漏洞。但是在Python中内存管理是自动完成的，你可以专注于程序本身。

5. 可以移植 由于Python是开源的，它已经被移植到了大多数平台下面，例如：Windows、MacOS、Linux、Andorid、iOS等等。

6. 解释性 大多数计算机编程语言都是编译型的，在运行之前需要将源码编译为操作系统可以执行的二进制格式(0110格式的)，这样大型项目编译过程非常消耗时间，而Python语言写的程序不需要编译成二进制代码。你可以直接从源代码运行程序。在计算机内部，Python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。

7. 面向对象 Python既支持面向过程，又支持面向对象，这样编程就更加灵活。

8. 可扩展 Python除了使用Python本身编写外，还可以混合使用像C语言、Java语言等编写。

9. 丰富的第三方库 Python具有本身有丰富而且强大的库，而且由于Python的开源特性，第三方库也非常多，例如：在web开发、爬虫、科学计算等等

Python的缺点

Python虽然有很多优点，但是它也不是完美的，它也有自身的缺点。

1. 速度慢 由于，Python是解释型语言，所有它的速度会比，C、C++慢一些，但是不影响使用。由于，现在的硬件配置都非常高，基本上没有影响，除非是一些实时性比较强的程序可能会受到一些影响，但是也有解决办法，可以嵌入C程序。

2. 强制缩进 如果你有其他语言的编程经验，例如：C语言或者Java语言，那么Python的强制缩进一开始会让你很不习惯。但是如果你习惯了Python的缩进语法，你会觉得它非常优雅。

3. 单行语句 由于Python可以在尾部不写分号，所以一行只能有一条语句，这可能也算是一个不足吧，不过这真的微不足道。

使用Python的知名网站

国内的：

豆瓣
果壳
知乎
Sohu邮箱
国外的：

youtube
Gmail邮箱
Dropbox
等等等等

Ⅶ Clojure，Java，Python，Ruby 的学习曲线陡峭程度有哪些区别

Clojure 的难点有三个：

对于 Java 程序员来说，Clojure 是一种 lisp、基于 immutable types，语法和思维方式完全不同
对于 Lisp 程序员来说学 Clojure 要掌握大量的 Java 类库、JVM 相关知识
对于其它程序员来说，Clojure 有大量的符号，大量的平铺的函数（Overview - Clojure v1.6 API documentation），缺乏一个逐步了解的「线索」

Ⅷ Python 是不是学习曲线不太陡峭的编程语言

的确，它虽然比较易学会，但是精通它并不简单

Ⅸ 学习量化选择Python还是R比较好

对于想从事数据行业的人和数据工作者来说，是学习R还是 python，哪个工具更实用一直被大家争论。python 和R是统计学中两种最流行的的编程语言，R的功能性主要是统计学家在开发时考虑的（R具有强大的可视化功能），而 Python 因为易于理解的语法被大家所接受。
在这篇文章中，我们将重点介绍R和 Python 以及它们在数据科学和统计上地位之间的差异。
关于R的介绍
Ross Ihaka 和 Robert Gentleman 于 1995 年在S语言中创造了开源语言R，目的是专注于提供更好和更人性化的方式做数据分析、统计和图形模型的语言。
起初R主要是在学术和研究使用，但近来企业界发现R也很不错。这使得中的R成为企业中使用的全球发展最快的统计语言之一。
R 的主要优势是它有一个庞大的社区，通过邮件列表，用户贡献的文档和一个非常活跃的堆栈溢出组提供支持。还有 CRAN 镜像，一个用户可以很简单地创造的一个包含R包的知识库。这些包有R里面的函数和数据，各地的镜像都是R网站的备份文件，完全一样，用户可以可以选择离你最近的镜像访问最新的技术和功能，而无需从头开发。
如果你是一个有经验的程序员，你可以不会觉得使用R可以提高效率，但是，你可能会发现学习R经常会遇到瓶颈。幸运的是现在的资源很多。
关于 Python 的介绍
Python 是由 Guido van Rossem 创建于 1991 年，并强调效率和代码的可读性。希望深入的数据分析或应用统计技术的程序员是 Python 的主要用户。
当你越需要在工程环境中工作，你会越喜欢 Python。它是一种灵活的语言，在处理一些新东西上表现很好，并且注重可读性和简单性，它的学习曲线是比较低的。
和R类似，Python 也有包，pypi 是一个 Python 包的仓库，里面有很多别人写好的 Python 库。
Python 也是一个大社区，但它是一个有点比较分散，因为它是一个通用的语言。然而，Python 自称他们在数据科学中更占优势地位：预期的增长，更新颖的科学数据应用的起源在这里。
R和 Python：数字的比较
在网上可以经常看到比较R和 Python 人气的数字，虽然这些数字往往就这两种语言是如何在计算机科学的整体生态系统不断发展，但是很难并列进行比较。主要的原因是，R仅在数据科学的环境中使用，而 Python 作为一种通用语言，被广泛应用于许多领域，如网络的发展。这往往导致排名结果偏向于 Python，而且从业者工资会较低。
R如何使用？
R 主要用于当数据分析任务需要独立的计算或分析单个服务器。这是探索性的工作，因为R有很多包和随时可用的测试，可以提供提供必要的工具，快速启动和运行的数量庞大几乎任何类型的数据分析。R甚至可以是一个大数据解决方案的一部分。
当开始使用R的时候，最好首先安装 RStudio IDE。之后建议你看看下面的流行包：
Python 如何使用？
如果你的数据分析任务需要使用 Web 应用程序，或代码的统计数据需要被纳入生产数据库进行集成时你可以使用 python，作为一个完全成熟的编程语言，它是实现算法一个伟大的工具。
虽然在过去 python 包对于数据分析还处于早期阶段，但是这些年已经有了显著改善。使用时需要安装 NumPy/ SciPy 的（科学计算）和 pandas（数据处理），以使 Python 可用于数据分析。也看看 matplotlib，使图形和 scikit-learn 机器学习。
不同于R，Python 有没有明确的非常好的 IDE。我们建议你看看 Spyder 以及 IPython 网站，看看哪一个最适合你。
R和 Python：数据科学行业的表现
如果你看一下最近的民意调查，在数据分析的编程语言方面，R是明显的赢家。
有越来越多的人从研发转向 Python。此外，有越来越多的公司使用这两种语言来进行组合。
如果你打算从事数据行业，你用好学会这两种语言。招聘趋势显示这两个技能的需求日益增加，而工资远高于平均水平。
R：优点和缺点
优点
可视化能力强
可视化通常让我们更有效地理解数字本身。R和可视化是绝配。一些必看的可视化软件包是 ggplot2，ggvis，googleVis 和 rCharts。
完善的生态系统
R 具有活跃的社区和一个丰富的生态系统。R包在 CRAN，Bioconctor 的和 Github 上。您可以通过 Rdocumentation 搜索所有的R包。
用于数据科学
R 由统计学家开发，他们可以通过R代码和包交流想法和概念，你不一定需要有计算机背景。此外企业界也越来越接受R。
缺点
R比较缓慢
R 使统计人员的更轻松，但你电脑的运行速度可能很慢。虽然R的体验是缓慢的，但是有多个包来提高的r性能：pqR,renjin，FastR, Riposte 等等。
R不容易深入学习
R 学习起来并不容易，特别是如果你要从 GUI 来进行统计分析。如果你不熟悉它，即使发现包可能会非常耗时。
Python：优点和缺点
优点
IPython Notebook
IPython Notebook 使我们更容易使用 Python 进行数据工作，你可以轻松地与同事共享 Notebook，而无需他们安装任何东西。这大大减少了组织代码，输出和注释文件的开销。可以花更多的时间做实际的工作。
通用语言
Python 是一种通用的语言，容易和直观。在学习上会比较容易，它可以加快你写一个程序的速度。此外，Python 测试框架是一个内置的，这样可以保证你的代码是可重复使用和可靠的。
一个多用途的语言
Python 把不同背景的人集合在一起。作为一种常见的、容易理解，大部分程序员都懂的，可以很容易地和统计学家沟通，你可以使用一个简单的工具就把你每一个工作伙伴都整合起来。
缺点
可视化
可视化是选择数据分析软件的一个重要的标准。虽然 Python 有一些不错的可视化库，如 Seaborn，Bokeh 和 Pygal。但相比于R，呈现的结果并不总是那么顺眼。
Python 是挑战者
Python 对于R来说是一个挑战者，它不提供必不可少的R包。虽然它在追赶，但是还不够。
最终你该学习什么呢：
由你决定！作为一个数据工作者，你需要在工作中选择最适合需要的语言。在学习之前问清楚这些问题可以帮助你：
你想解决什么问题？
什么是学习语言的净成本？
是什么在你的领域中常用的工具？
什么是其他可用工具以及如何做这些涉及到的常用工具？