我见过很多的 Python 讲解教程和书籍，它们大都这样讲 Python：
先从 Python 的发展历史开始，介绍 Python 的基本语法规则，Python 的 list, dict, tuple 等数据结构，然后再介绍字符串处理和正则表达式，介绍文件等 IO 操作，再介绍异常处理， 就这样一章一章的。
很多都是枯燥的讲理论，越看越累，越累越不想看。
那么，有没有比这更好的方法呢？
这个 Python 专栏亮点因为我也有过那段“自学” Python 的迷茫时期，所以我深知一个好的系统学习规划和老师讲解，是能够达到事半功倍省下我们程序员更多青春的关键。
所以我提炼出过往五年多的工作经验，并和远在美国学府进修 AI 专业博士后的老师一起撰写出了这个 60 天的专栏。
别的老师在介绍知识点时都会说“这东西是什么”，但我不想这样做。我觉得“为什么这东西是这样”或者“在什么场景适应什么需求有什么好处才会用这东西”，反而更能让你们对知识本身会有更深刻的理解。
本着有趣有味，纯碎干货，实用至上的原则，专栏五大特色：
第一，案例教学。 纯碎的理论知识学起来很枯燥，但是结合一个一个的小案例，以此切入，学起来更爽。
第二，尽量做到有趣。 图文并茂，加上有趣的例子、有趣的小项目，学起来更有乐趣。
第三，自成体系。 就像侦探片那样，一步一步，一环扣一环地铺开 Python 技术栈。
第四，剖析一些 Python 常见的面试题。 将理论知识讲解，结合案例，同时配备相关面试题，彻底打通理论知识。
第五，项目实战。 不仅会有实战环境部署方案，还有实际的项目：Python GUI 开发项目，Kaggle 数据分析项目，机器学习实战项目。
为了让你们在自学时能依据自身的学习基础量体裁衣，我将整个 Python 内容按天划分，不仅能减轻你们每天的学习负担，而且还能有更效的检验学习效果。
一 Python 基础篇Day 1：Python 两大特性和四大基本语法
Day 2：Python 四大数据类型总结
Day 3：list 和 tuple 的基本操作、深浅拷贝和切片操作详细等 5 个方面总结(附图形形象解释)
Day 4：list 和 tuplel 的 13 个经典使用案例
Day 5：dict 和 set 基本操作、字典视图等 6 个方面详解总结附图形阐述
Day 6：dict 和 set 的 15 个经典使用例子
Day 7：数学运算、逻辑运算和进制转化相关的 16 个内置函数
Day 8：16 个类型函数和 10 个类对象相关的内置函数大盘点
Day 9：Python 字符串和正则介绍总结
Day 10：Python 文件操作 11 个案例总结
Day 11：Python 时间模块使用逻辑大盘点
二 Python 实战环境搭建Day 12：Python 四种常用开发环境总结
Day 13：Python 安装包常见问题及解决方法，通过两个实际案例展开
Day 14：五分钟入门 7 个 Web、爬虫、打包工具 Pyinstaller 等包介绍和入门案例总结
Day 15：五分钟入门 8 个数据分析、机器学习和深度学习包和框架和入门案例总结
Day 16：Pyinstaller 打包过程详解
三 Python 进阶篇Day 17：Python 列表生成式高效使用的 12 个案例
Day 18：Python 对象间的相等性比较 is,in,id,== 等使用总结
Day 19：yield 关键字和生成器用法四个方面总结及三个例子，nonlocal 关键字和 global 关键字使用总结
Day 20：高阶函数、迭代器、装饰器等 20 个内置函数大盘点
Day 21：Python 应用正则的三个案例和推荐一个正则验证工具
Day 22：Python 多线程使用逻辑通俗易懂的总结
Day 23：Python 高效节省内存的方法总结(进一步提升 yield 用法)
Day 24：Python 最被低估的库 collections 使用总结
Day 25：Python 函数的五类参数，inspect 模块查看参数类型及参数赋值规则总结
Day 26：Python 函数式编程总结，包括闭包，nonlocal 关键字等的使用总结
Day 27：Python 装饰器的本质解密，结合三个装饰器的案例
Day 28：Python 常见的 12 个坑点合集
四 Python 数据分析篇Day 29：NumP 入门高效使用逻辑，掌握这五方面功能
Day 30：NumPy 进阶高效使用逻辑，掌握这五方面功能
Day 31：NumPy 的广播机制规则解读和应用
Day 32：Pandas 读写文件五类问题及 38 个参数总结
Day 33：Pandas 更强的方括号操作，iterrows, itertuples 和 merge 处理速度比较分析，特有的 setindex,resetindex,reindex 操作
Day 34：Pandas 数据透视功能 4 大函数使用总结
Day 35：Pandas 数据分箱的两种方法，转换为哑变量(dummy)的两种方法，连接两张表的四种不同方法总结
Day 36：开发常见异常汇总：Unhashable Type, 读取文件最常见的4个异常，SettingWithCopyWarning
五 数据分析实战篇Day 37：绘图神奇 Pyecharts 快速手上的方法详细总结，从 Charts 和 Options 两大模块入手
Day 38：Matplotlib 绘图原理总结，绘制多图的三种方法总结，12 种常用图完整代码解析以及制作动画方法总结
Day 39：基于 Kaggle 电影影评数据集 Pandas 数据分析实战-数据预处理阶段
Day 40：基于 Kaggle 电影影评数据集 Pandas 数据分析实战-挖掘出喜剧 Top50 榜单
Day 41：PyQt 制作 GUI 实战：通过制作小而美的计算器学会使用 PyQt
六 基础算法篇Day 42：关于入门算法、机器学习和深度学习我的一些思考总结
Day 43：八个排序算法原理总结和 Python 完整代码实现
Day 44：动态规划算法和案例总结
Day 45：面试常考 Leetcode 算法题分析和总结
七 机器学习算法篇Day 46：必备统计学知识：概率，期望，方差，标准差，协方差，相关系数，t 检验，F 检验，卡方检验
Day 47：机器学习必备的数学基础知识：最常用的求导公式，矩阵特征值分解等
Day 48：机器学习不得不知的概念：样本空间，特征向量，维数，泛化能力，归纳偏好等
Day 49：机器学习之 9 种常见的概率分布
Day 50：OLS 线性回归实战上篇：机器学习回归原理详细介绍，包括假设和原理，梯度下降求权重
Day 51：OLS 线性回归实战下篇：手写不调包实现线性回归算法实战
Day 52：贝叶斯分类案例解析和编写
Day 53：贝叶斯算法实战：实现单词拼写纠正器
Day 54：高斯混合模型聚类原理分析和求解总结
Day 55：聚类模型实战：不调包实现多维数据聚类案例
Day 56：机器学习常用聚类算法大盘点包括原理和使用注意事项
Day 57：机器学习降维算法之 PCA 原理推导和例子解析
Day 58：Kaggle 机器学习分类任务案例实战
八 经验分享Day 59： 美国名校博士、AI 专家 Alicia 关于如何学习数学、机器学习、数据分析的总结
Day 60：专栏总结和我过往 5 年算法经验分享
专栏亮点- 70 多个案例教学全面解析
- 环环相扣助你形成知识体系
- 最新 Python 面试题配套讲解
- 项目实战带你彻底打通全栈
- 两位大厂和美国 AI 博士带你全方位清扫升级障碍
- Python 语言爱好者
- Python 语言进阶
- Python 数据分析爱好者
- 广大程序员想入门算法者
- 机器学习算法入门
- 机器学习算法进阶
- Python 和人工智能爱好者
zglg，5 年算法开发工作经验，知名互联网公司高级算法工程师，创建的 Python 案例 GitHub 库一个月 star 量从 0 到 1700+，被 AI 权威媒体量子位报道；
Alicia，美国名校数学专业博士毕业，惠普高级数据分析师，现就读于美国顶尖学府 AI 专业博士后，具有丰富的工作和科研经历。
- 本专栏为图文内容，共计 60 篇。
- 付费用户可享受文章永久阅读权限。
- 本专栏为虚拟产品，一经付费概不退款，敬请谅解。
- 本专栏可在 GitChat 服务号、App 及网页端 gitbook.cn 上购买，一端购买，多端阅读。
- 订购本专栏可获得专属海报（在 GitChat 服务号领取），分享专属海报每成功邀请一位好友购买，即可获得 25% 的返现奖励，多邀多得，上不封顶，立即提现。
- 提现流程：在 GitChat 服务号中点击「我-我的邀请-提现」。
- 购买本专栏后，服务号会自动弹出入群二维码和暗号。如果你没有收到那就先关注微信服务号「GitChat」，或者加我们的小助手「GitChatty6」咨询。（入群方式可查看第 4 篇文末说明）。
Python 语言使用率越来越高，使用 Python 不仅可以做 GUI 开发，Web 开发，还能进行数据处理，数据探索性分析(EDA)，更是进行数据挖掘，机器学习和深度学习等的首选语言。
基于 Python 的包更是枝繁叶茂，遍地开花，tiobe 编程语言排行榜最新统计显示 Python 是增长最快的语言。
这得益于 Python 语言语法简单，开发效率高，集成系统非常方便。
Python 相关的就业机会也是非常多，并且待遇优厚。
因此，不管从易用性，还是工作机会和待遇来说，Python 都是 IT 从业者需要掌握的语言，接下来我们开始 Python 之旅。
Python 语言两大特性Python 是一门动态的、强类型语言。
什么是动态语言？要了解什么是动态语言，要首先了解类型检查。类型检查是验证类型约束的过程，编译器或解释器通常在编译阶段或运行阶段做类型检查。
类型检查就是查看变量和它们的类型，然后判断表达式是否合理。例如，不能拿一个string 类型变量除以浮点数变量。
类型检查发生在程序运行阶段(run time)的是动态类型语言(dynamically typed languages). 常见的动态语言包括：Python, Javascrpit, PHP。
类型检查发生在编译阶段(compile time)的是静态类型语言(statically typed languages). 常见的静态类型语言包括：C, C++, Java, C#, Scala。
强类型语言是指：不管是在编译阶段还是运行阶段，一旦某种类型绑定到变量后，此变量便会持有此类型，并且不能同其他类型在计算表达式时混合使用。
例如，在交互式工具IPython中输入如下两行代码：
In [1]: a = 5In [2]: a = a + 's'程序会抛出TypeError异常：unsupported operand type(s) for +: 'int' and 'str', 不支持 int变量和 str变量相加。
常见的强类型语言有：Python, Java, C#, Scala.
与之对应的是弱类型语言，弱类型语言容易与其他类型混合计算。弱类型语言代表 Javascript支持如下操作：
var data = 5data = data + 'xiaoming' //string和int结合自动转化为string常见的弱类型语言有：C, C++, PHP, Javascript.
按照是否为静态/动态语言，弱类型/强类型两个维度总结常用的语言分类。
主要从变量命名基本规则，等方面总结 Python 的基本语法规则
命名规则Python 的变量命名规则主要包括两条：
- 允许包括英文、数字以及下划线(
_)，不能以数字开头 - 名称区分大小写
特别说明以下划线开头的变量是有特殊意义的：
- 类变量若以单下划线(
_)开头，代表不能直接被访问，类似于C#的受保护型变量(protected)，表示不能通过import module_name而导入。 - 类变量若以双下划(
__)开头，表示为类的私有成员，不能被导入和其他类变量访问。 - 以双下划开头和双下划线结尾的变量是 Python 里的专用标识，有特殊的身份。如 Python 自定义类中都包括
__init__和__add__方法，如果不重写__add__去执行两个类加法操作，程序会抛TypeError异常。只有重写后，才能正常执行加法操作。
Python 变量命名习惯一般遵守蛇形命名法(snake case)：
- 一般变量命名，
book_id，book_store_count； - 类名首字符为大写，如Python内置模块
collections.abc中的Iterable类，我们自定义的Book类等； - 类方法名：
get_store_count(); - 其他特殊变量，全部大写
M_PI,MAX_VEHICLE_SPEED
这与Java命名方法不同，Java最典型的命名方法是驼峰命名法(camel case).
python 最具特色的地方就是用缩进代替Java, C++中的{}，缩进的层级结构表示代码的逻辑层次。
比如，自定义一个Book类，重写__add__方法计算两类书的库存量和。Python 的缩进方法，一般为4个字符。
代码行class Book(object) 与代码行# 定义类的参数的缩进，此处为 4 个字符；代码行def __add__(self,book):与return
