1787 字
9 分钟
Python 学习路线总览
NOTE本系列基于骆昊(jackfrued)的经典开源教程 《Python - 100天从新手到大师》（GitHub 18万+ Star）整理，共 16 篇文章（总览 + 15 专题），把 100 天的内容按 10 大阶段重新编排为复习友好的博客系列。
面向零基础初学者，也适合有其他语言基础想快速上手 Python、或从后端/爬虫/数据科学某一方向切入的开发者。
学习路径：语言基础 → 办公与进阶 → 数据库与 Web → 爬虫 → 数据科学与机器学习 → 项目实战
Python 应用领域与就业方向
Python 是一门”优雅、明确、简单”的语言：学习曲线低、生态强大、跨平台、支持面向对象与函数式编程、可读性强。
| 应用领域 | 常搭配的语言 | 对应岗位 |
|---|---|---|
| 后端开发 | Python / Java / Go | Python 后端开发工程师 |
| DevOps | Python / Shell | 运维工程师 / SRE |
| 数据采集 | Python / C++ | 爬虫工程师（作者注：不推荐此赛道） |
| 量化交易 | Python / C++ / R | 量化开发工程师 |
| 数据科学 | Python / R / Julia | 数据分析师 / 数据科学家 |
| 机器学习 | Python / C++ | 算法工程师 |
| 自动化测试 | Python / Shell | 测试开发工程师 |
作者观点：数据科学是当前最热门的赛道，各行各业积累了大量数据，都需要从数据中发现商业价值、支撑决策（数据驱动决策）。
给初学者的 5 条建议：
- Make English as your working language.（让英语成为你的工作语言）
- Practice makes perfect.（熟能生巧）
- All experience comes from the mistakes you’ve made.（经验源于犯过的错）
- Don’t be a freeloader.（学会分享，别只当伸手党）
- Embrace AI to boost your productivity.（拥抱 AI，提升效率）
知识地图
Python 学习路线（对应仓库 100 天 / 10 阶段）│├── 基础篇（Day01~35）│ ├── 01 初识 Python 与基础语法（环境/变量/运算符/分支/循环）│ ├── 02 常用数据结构（列表/元组/字符串/集合/字典）│ ├── 03 函数、模块与面向对象（函数/装饰器/递归/类/继承多态）│ ├── 04 文件操作与数据交换（文件读写/异常/JSON/CSV/pip）│ ├── 05 办公自动化与图像处理（Excel/Word/PPT/PDF/图像/邮件）│ ├── 06 正则表达式与 Linux（正则/Linux 命令/Shell）│ └── 07 Python 语言进阶（数据结构算法/迭代器生成器/并发编程）│├── Web 开发篇（Day36~60）│ ├── 08 数据库与 MySQL（SQL/索引/Python 接入/Hive）│ ├── 09 Django 入门（ORM/Ajax/Cookie&Session/中间件）│ └── 10 Django 进阶与 RESTful（DRF/缓存/Celery/测试/上线）│├── 数据采集篇（Day61~65）│ └── 11 网络爬虫（requests/并发/Selenium/Scrapy）│├── 数据科学篇（Day66~90）│ ├── 12 数据分析：NumPy 与 pandas（数组/Series/DataFrame）│ ├── 13 数据可视化（matplotlib/seaborn/pyecharts）│ └── 14 机器学习（kNN/决策树/回归/聚类/集成/神经网络/NLP）│└── 实战篇（Day91~100） └── 15 项目实战、部署与面试（敏捷/Docker/商业项目/部署/面试）文章索引
基础篇
| 编号 | 标题 | 对应天数 | 核心内容 |
|---|---|---|---|
| 01 | 初识 Python 与基础语法 | Day01-07 | Python 简介、环境安装、变量与类型、运算符、分支、循环 |
| 02 | 常用数据结构 | Day08-13 | 列表、元组、字符串、集合、字典 |
| 03 | 函数、模块与面向对象 | Day14-20 | 函数与参数、高阶函数、装饰器、递归、类与对象、继承多态 |
| 04 | 文件操作与数据交换 | Day21-23 | 文件读写、异常处理、JSON 序列化、CSV、pip、网络 API |
| 05 | 办公自动化与图像处理 | Day24-29 | Excel、Word/PPT、PDF、Pillow 图像、邮件短信 |
| 06 | 正则表达式与 Linux | Day30,33 | 正则表达式、Linux 命令、文件系统、Shell 编程 |
| 07 | Python 语言进阶 | Day31-32,35 | 数据结构与算法、迭代器与生成器、并发编程、Web 前端入门 |
Web 开发篇
| 编号 | 标题 | 对应天数 | 核心内容 |
|---|---|---|---|
| 08 | 数据库与 MySQL | Day36-45 | 关系型数据库、SQL(DDL/DML/DQL/DCL)、索引、Python 接入、Hive |
| 09 | Django 入门 | Day46-52 | Web 机制、ORM 模型、Ajax、Cookie/Session、报表日志、中间件 |
| 10 | Django 进阶与 RESTful | Day53-60 | 前后端分离、DRF、缓存、Celery 异步、单元测试、项目上线 |
数据采集篇
| 编号 | 标题 | 对应天数 | 核心内容 |
|---|---|---|---|
| 11 | 网络爬虫 | Day61-65 | 爬虫概述与合法性、requests、并发、Selenium、Scrapy |
数据科学篇
| 编号 | 标题 | 对应天数 | 核心内容 |
|---|---|---|---|
| 12 | 数据分析：NumPy 与 pandas | Day66-77 | Anaconda、Jupyter、NumPy 数组、pandas Series/DataFrame、数据清洗 |
| 13 | 数据可视化 | Day78-80 | matplotlib、高阶图表、seaborn、pyecharts |
| 14 | 机器学习 | Day81-90 | kNN、决策树、随机森林、朴素贝叶斯、回归、K-Means、集成学习、神经网络、NLP |
实战篇
| 编号 | 标题 | 对应天数 | 核心内容 |
|---|---|---|---|
| 15 | 项目实战、部署与面试 | Day91-100 | 敏捷开发、Docker、API 设计、Django 商业项目、测试、部署上线、面试宝典 |
学习路径建议
按角色选择
| 角色 | 推荐路径 | 重点章节 |
|---|---|---|
| 零基础初学者 | 01→07 全部 | 打牢语法与数据结构基础 |
| 后端开发 | 01-04 → 08 → 09 → 10 → 15 | 数据库、Django、部署上线 |
| 数据分析师 | 01-04 → 12 → 13 | NumPy、pandas、可视化 |
| 数据科学 / 算法 | 01-04 → 12 → 13 → 14 | 机器学习全流程 |
| 爬虫工程师 | 01-04 → 06 → 07 → 11 | 正则、并发、Selenium、Scrapy |
| 全栈 / 系统学习 | 全部按顺序 | 完整掌握 |
按时间规划
| 阶段 | 对应天数 | 建议时长 | 内容 |
|---|---|---|---|
| 语言基础 | Day01-35 | 3-4 周 | 01-07 篇 |
| Web 开发 | Day36-60 | 3-4 周 | 08-10 篇 |
| 数据采集 | Day61-65 | 1 周 | 11 篇 |
| 数据科学 | Day66-90 | 3-4 周 | 12-14 篇 |
| 项目实战 | Day91-100 | 1-2 周 | 15 篇 |
| 总计 | 100 天 | 约 3 个月 | 完整掌握 Python |
前置知识
- 必备：基本的计算机操作、任一编程语言的经验更佳（没有也可以，从 01 开始）
- 推荐：英语阅读能力（文档、报错多为英文）
- 数学：机器学习篇（14）需要一定的线性代数、概率统计基础
环境准备
# 1. 安装 Python（推荐 3.10+）# Windows：从 python.org 下载安装包，勾选 "Add Python to PATH"# macOS：brew install python# Linux：sudo apt install python3 python3-pip
# 2. 验证安装python --version # 或 python3 --versionpip --version
# 3. 推荐使用虚拟环境隔离项目依赖python -m venv venv# Windowsvenv\Scripts\activate# macOS / Linuxsource venv/bin/activate
# 4. 数据科学篇推荐直接用 Anaconda（自带 NumPy/pandas/Jupyter）# 从 anaconda.com 下载 Miniconda（轻量）或 Anaconda（完整）conda --version
# 5. 开发工具（任选）# - VS Code（推荐，装 Python 插件）# - PyCharm（专业 IDE）# - Jupyter Lab（数据分析/机器学习交互式）系列约定
- 代码示例：Python 3.10+，遵循 PEP 8 规范
- 配置/命令：以 bash 为主，Windows 用户注意用 PowerShell 或 Git Bash
- 版本基准：Django 4.x、NumPy/pandas 最新版、scikit-learn 1.x
- 每篇结构：导语 → 知识点讲解（表格 + 可运行代码）→ 常见问题 Q&A → 复习卡片 → 下一篇链接
- 动手实践：强烈建议每篇的代码都在本地敲一遍跑通，“熟能生巧”
TIP下一篇：初识 Python 与基础语法 将从 Python 简介、环境安装讲起，覆盖变量与类型、运算符、分支结构（if/match）、循环结构（for/while），并配有华氏摄氏转换、判断闰年、猜数字游戏等经典小例子。