看了我这一条你也就不用花钱，也不用在网上找其他资料学习了。
python可以说对没有编程基础的人特别友好了。自学选python是特别明智的。但学了python到正式工作，肯定是不够用的，所以最后还是要学java，但会python后，学java就简单很多了。
c需要敲100行代码，java只需要50行，python就只需要20行，但就是因为20行，所以并没有java那么稳定。
ython学习路线图—流程篇：
Python 培训后职业发展路径
Python 学习路线图
入门视频我推荐b站上的，因为太基础，所以会比较长，并且一开始介绍了一些原理，对于新手很友好。主要我每次看弹幕就会觉得这个说话老师傻屌又可爱，。
当然百度云资源也是有的，就在基础的第一个资源里。
先说一下每个阶段该学的东西。
Python基础
解决的现实问题：
能够熟练使用Python技术完成针对小问题的程序编写。
掌握的核心能力：
1. 掌握Python基础语法, 具备基础的编程能力；
2. 建立起编程思维以及面向对象程序设计思想。
要点：
变量、标识符和关键字、输入和输出、数据类型转换、条件控制语句和循环语句、容器类型、函数、文件操作、面向对象、异常处理、模块和包。
相应资源
Python入门教程完整版（懂中文就能学会）
python入门必备指南
Web基础开发
解决的现实问题：
能够使用面向对象的程序设计方法, 基于Linux操作系统开发多任务的网络程序开发。
掌握的核心能力：
1、能够熟练使用Linux操作系统；
2、掌握网络编程相关技术，能够实现网络间数据通信；
3、掌握程序设计开发中多任务实现方式；
4、能够熟练掌握MySQL操作相关技术，熟练编写各种数据库操作SQL语句，并能够进行Python与MySQL之间的数据交互；
5、掌握Python中的re模块的使用，能够实现对字符串进行复杂模式匹配；
6、掌握Web服务器的工作流程，以及Web框架的实现原理。
要点：
Linux命令、网络编程、多任务编程、正则表达式、html与css、Javascript、jQuery、数据库编程、Python语法进阶、静态Web服务器、mini-Web框架。
相应资源
Linux基础命令教程豪华版.chm
linux从入门到精通
服务器开发之linux基础编程
服务器开发之linux系统编程
服务器开发之linux网络编程
Web-Django框架
解决的现实问题：
更上一级能够开发主流Web网站，并掌握常见的技术要点；根据实际问题设计出相应数据库表。
掌握的核心能力：
1、掌握Python Web主流框架-Django的使用；
2、可根据Web框架设计，开发对应的数据库；
3、可根据业务流程图，开发Web网站的前后台业务。
要点：
Django框架、前后端分离模式、VUE进阶-组件式开发、Django REST framwork、统计、权限管理、商品数据管理、日志管理、用户管理、前后端不分离模式、数据库-读写分离、Django高级第三方模块、FastDFS分布式文件系统、Celery异步操作、Vue双向绑定、Docker 入门、Crontab定时任务、页面静态化、在线支付、Nginx+uWSGI部署。
相应资源
Python进阶之Django框架
Web-Flask框架
解决的现实问题：
高并发全功能的Web网站开发；提升数据处理响应速度，灵活运用缓存。
掌握的核心能力：
1、掌握Python Web主流框架-Flask的使用；
2、掌握常见的性能优化技术；
3、缓存服务器的操作和设计；
4、异步任务的实现。
要点：
Docker 进阶、uWSGI、Nginx进阶、性能优化、Flask框架、路由定义及视图函数、蓝图、SQLAlchemy、Flask-RESTful、手机 APP + PC Web前端、MySQL业务数据存储、Redis缓存层、第三方对象存储、RabbitMQ + Celery 异步任务、APSchedule定时任务、http://socket.io及时通讯、Elasticsearch 5.6 搜索+自动补全、RPC+kafka对接推荐系统与AI系统、supervisor进程管理。
相应资源
6节课入门Flask框架web开发
人工智能机器学习编程
解决的现实问题：
利用学习到的科学计算库对收集到的数据进行数据基本处理，使其符合机器学习算法模型；利用学习到的机器学习算法解决部分实际问题。
掌握的核心能力：
1、掌握数据挖掘基础工具使用；
2、掌握机器学习中处理数据方法；
3、理解常见机器学习算法原理。
要点：
人工智能概述、数据可视化matplotlib、科学计算库numpy、科学计算库pandas、Scikit-learn使用、特征工程、k-近邻算法、线性回归、岭回归、逻辑回归、决策树、集成学习(Bagging, Boosting)、k-means、不同模型评估方法介绍、模型选择与调优、模型保存和加载、聚类、分类。
相应资源
0基础小白也能学会的人工智能课
最简单快速入门Python机器学习
人工智能基于大数据的推荐系统
解决的现实问题：
能够实现推荐系统的算法不同场景应用；能够根据推荐场景业务流完成推荐业务开发。
掌握的核心能力：
1、掌握推荐系统的工作原理和实现流程；
2、掌握推荐系统的算法实现原理以及应用场景；
3、掌握Lambda大数据相关基础；
4、可实现基于大数据框架的推荐系统搭建；
5、能够基于推荐业务流完成系统搭建。
要点：
分布式存储计算案例、数据仓库工具hive、spark-sql、spark sql与hive离线分析、ABTest实验中心、埋点参数设置、推荐服务、缓存服务、实时日志分析、实时召回集、热门与新文章、文章画像构建、用户画像构建、文章用户画像业务实现、离线召回集介绍、排序模型选择介绍、spark mllib讲解、离线模型评价、评估场景需求
相应资源
云计算大数据之zookeeper教程
最后更多是实战了，更多偏向于数据分析：
对企业异常数据进行深入分析，对业务风险指标进行跟踪分析及优化；搭建业务监控体系，及时发现、排查业务问题，并能提出有效的解决策略或方案；配合项目计划，负责建模驻场项目，完成数据分析需求及任务；通过大数据算法对数据进行模型的构建、维护、和评估。
掌握的核心能力：
1、熟悉常用数据挖掘算法与模型，熟悉逻辑回归、神经网络、决策树、聚类等建模方法；
2、熟悉Python、Tableau、SPSS、SAS等多种数据分析工具；
3、熟练使用时间序列、聚类分析、逻辑回归、因果分析等统计方法。
要点：
统计学基础、Python编程数据分析、SPSS数据分析、数据化运营，网络游戏市场分析，及电商数据分析，问卷数据分析、CRM、BI理论、数据可视化分析
最后python拓展就是爬虫和自动化测试运维了，
属于拓展项目。也是很重要的接近工作的。但前期学习的话还是用不到的。拓展的各种项目、实战等，建议先把基础打牢再去学。
最后，上面的资源回复：“python整套资源”，就可领取咯。
希望上面内容对你有帮助，可以进行分享留言对上面内容进行补充。
Python语法简洁，清晰明了容易上手，而且开发环境的安装非常简单，只需要到Python官网上去下载解压完成，安装即可。把Python作为以后的发展方向也是非常不错的。随着人工智能，大数据，云计算的发展，Python备受关注，Python的应用无处在不在。
在家里学习的话，可以通过看一些比较经典的视频教程来进行学习的。把空余时间充分的利用起来，系统的学习，每天保证一定的代码量，比如说，每天有四个小时以上的写代码的时间，半年是可以学出来的。
学习Python的时候是在“如鹏网”上进行学习的，有网络的地方就可以学习，根据自己的时间来灵活安排学习进度，每个章节的后面都有相应的练习题和面试题，需要通过录音的方式进行提交，有新的课程更新了，也是可以继续来学习的。
Python学习路线图，想系统学习Python，可以作为参考哦
一、Python基础及数据库开发
二、web前端
三、Python web开发及其项目
四、Linux
五、NoSQL
六、数据可视化
七、爬虫技术
八、人工智能
版权声明：本文来自用户投稿，不代表【爱生活网】立场，本平台所发表的文章、图片属于原权利人所有，因客观原因，或会存在不当使用的情况，非恶意侵犯原权利人相关权益，敬请相关权利人谅解并与我们联系（邮箱：youzivr@vip.qq.com）我们将及时处理，共同维护良好的网络创作环境。
