Python以其优良的特性，适合于传统编程语言擅长的Web开发、移动开发、游戏开发、桌面应用等。不仅如此，它也适合于当前最流行的人工智能、大数据、科学计算、金融分析……这正是它迅速上位走红的原因。

在过去的两年间，Python一路高歌猛进，成功窜上“最火编程语言”的宝座，据统计，最新排名已经超越Java,成为名副其实的第一语言（见下图）。

尤其在大数据分析与人工智能领域，KDnuggets2018年顶级分析/数据科学/ ML软件调查，也印证了其市场场占有率：

根据职友集（国内专业做薪金调查的统计公司）调查，北京地区Python程序员的月薪平均水平达到了19750元的新高（见下图）。

俗话说外行看热闹，内行看门道，我们已经知道了Python的火爆程度，但是学一门编程语言是需要花大量精力的，所以很多同学最关心下面的问题。

我有必要去学吗？

这门编程语言适合我吗？

我应该怎么学？

Python到底有什么用，学完能做什么呢？

学完Python，好找工作吗？

薪水高吗？（这个从上图就可以看出，一线城市Python程序员平均工资已经接近20000/月）

要不要学习 Python？

反正我准备成为Python程序员了，未来是人工智能的时代，有理由相信 Python 将发挥更大的作用。

2017年7月20日，×××印发了《新一代人工智能发展规划》，提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施。2017年10月11日，教育部决定自2018年3月起，在计算机二级考试加入了「Python 语言程序设计」科目。 2018年1月16日上午，教育部召开新闻发布会，在此次「新课标」改革中，正式将人工智能、物联网、大数据处理划入新课标，这也就意味着今年秋季入学的高中生，将要开始学习 Python 了。

看到这里，你还会怀疑学习 Python 的意义吗？ 凡事预则立，不预则废，生在这个时代，没有理由对 Python 一无所知。 对此，我想说，我完全爱上了Python！因为Python能做的太多了。

如何快速学习 Python？

Python好不好，事实足以说明，重点是Python该怎么学？

在我看来，有如下4个步骤。

明确学习目标

确定学习资料

系统性学习

阶段性成果检验

Python的领域很多，学习一种编程语言，首先要明确一个目标，不可能一开始每一样都学，例如，可以先从Python语言的基础学习，但要注意，一定要系统化学习，尽可能将Python语言的核心知识点都学到，哪怕这些知识点的具体细节和API还没有完全掌握，至少要知道Python有这个知识点，以便以后用到了，再深入学习。然后需要选择某一个领域深入下去，Python的Web领域相对容易些，建议初学者先从Python Web领域入手，逐渐深入，再学习其他领域。

明确了目标，还需要掌握学习方法，任何一门编程语言都应该先系统性学习，而不是碎片化地学习，毕竟一门语言包含太多细节，碎片化的学习，顾此失彼，浅尝辄止，无法从全局把握。

确定了学习目标后，就需要找一些学习资料，尽量不要网上找一些琐碎的资料，因为这些资料只适合于成手，而且也不系统，无法成体系去学习一种技术。系统的资料包括但不限于书、视频、成体系的电子教材，如果时间和金钱允许，也可以参加线上线下的一些面授课程。

大家在选择学习参考书或视频课程时，要尽可能系统、全面一些的。这里推荐李宁老师的《Python从菜鸟到高手》一书，本书从Python的基础知识讲起，深入浅出，还包括了Python常用的领域，如Web、网络爬虫、数据分析、图表、GUI、游戏开发等技术，以及大量的项目实战，如高仿美团Web应用、利用Python爬虫抓取和分析京东和天猫胸罩销售数据等。从该书的知识结构图（见下图）就可了解本书的全貌。

另外，用视频配合图书学习也是一种不错的选择，宁哥教育（https://geekori.com/edu)包含了大量的Python在线视频课程，也是不错的选择。另外，购买《Python从菜鸟到高手》一书的读者会赠送全套的Python同步视频课程（40小时），可以让您的学习效率成倍提高。

光学习理论知识，不动手实践，是学习编程语言的最大忌讳。因此，在学习一段时间后，应该动手写一些小程序，让自己有信心继续学下去。《Python从菜鸟到高手》一书包含了超过10万行代码，6个实战案例，如爬虫、Web应用、GUI应用、游戏等。真正做到了理论和实战相结合。

是否应该学习Python的多个领域

因为Python的领域太多，可能很多同学会有一个疑问，是挑一个自己感兴趣的领域深入下去，成为这个领域的前1%，还是学习Python的多个领域，成为多面手呢？

其实这个问题不太好回答，因人而异。如果某位同学拥有足够的天赋，并且够勤奋，进入前1%是没什么问题的。不过对于大多数人来说，都只是普通人，通过自己的努力，是可以达到前20%，甚至前10%。但达到前1%，就在很大程度上依赖天赋了，光靠努力和勤奋是没用的。

不过好在现在的各种类型的应用都不是单一技术能解决的，例如，一个完整的机器学习系统，是不能高靠TensorFlow、PyTorch这些工具就可以搞定的，可能需要网络爬虫、数据分析、数据库技术、Web技术、安全技术、GUI技术等。而现在企业非常需要能同时驾驭多种技术的人才，而这种人才大多是企业中的骨感、精英以及Leader。这些人才的共同特点是在每一个领域不一定是No 1.，但可以同时驾驭多个领域的知识（达芬奇就是一个典型的例子），这为将多种技术深度融合提供了有效的保障，试问，如果你对某些技术根本就不了解，又怎能将它们融合在一起呢？

虽然这种人才在每个领域算不上最牛叉的那群人，但由于是跨领域的，所以综合排名将使用乘法计算，例如，某个人在A领域和B领域只排到前20%，但由于这个人同时了解两个领域，所以他在跨A和B领域的排名就是前4%（20% * 20%），而如果这个比例是10%，那么综合排名就是1%。如果恰好A和B是两个关联性较大的技术领域，那么这个跨领域的人才的价值将远大于单纯在A和B领域排到前1%人才。所以建议想在Python领域站稳脚跟的同学，在完成Python的入门学习以后，根据个人的实际情况，可以选择2个或多个关联性较大的领域进行学习，例如，Python Web领域和Python爬虫领域，Python爬虫领域和Python深度学习领域。这两对领域的关联性都比较大，如Python爬虫主要抓取的是Web数据，而正好需要了解Web开发的细节。就像要做杀毒软件，如果不了解病毒的实现原理，要如何去做呢？Python深度学习的很多数据是需要Python爬虫从网上抓取，然后进行标注的，所以爬虫从某种角度可以认为是深度学习的数据源。

另外，《Python从菜鸟到高手》一书涉及到了Python目前大多数常见的领域，这是李宁老师关于Python系列的第一本书，后续还会有深入探讨Python网络爬虫、Python深度学习、Python Web开发、Python大数据等系列数据，每一本书都是承前启后，可以让读者通过这一系列图书完成对Python语言的系统学习。