学习Python

学习Python有什么用

我认为，还不会任何编程语言的人，学Python都会大有裨益：

• 如果你的工作需要处理数据，无论是数值还是文本，Python都是有力的工具。
• 学会编程后，你用电脑做的很多工作都可以自动化，把时间留给需要人来做的事。
• 学习编程可以训练一种思维方式，帮助你更好地在信息化时代生存。

AI时代又多了一个理由：读不懂的代码，你就无法检查；而读懂代码的能力，来自亲手写过一些代码。

Python并不难。只要愿意学，谁都能学到写出实用代码、满足自身需求的程度。对我来说，Python已经成了使用计算机的一种方式。科研中，我用它管理文件、运行模拟，以及读取和分析数据、绘图；学习中，用它计算和画图；生活中，几乎所有计算都交给它，还用它做一些小项目，例如为电子书制作书签，或者用暴力搜索求解一个滑块游戏。

学习方法

• 先做好准备。安装一款集成开发环境（IDE），学会Python的两种运行方式：脚本用于实际工作，交互式Shell用于尝试。万事开头难，一旦卡住，就尽快求助。我不推荐初学者使用Jupyter Notebook，因为在其中更难看清输入和输出的对应关系。
• 每个例子都自己试一遍，然后修改它，看看会发生什么。只有当你确实能预知它的结果时，才可以不试。
• 知道自己需要达到哪个层次。有些内容需要掌握到会写，有些只需理解到能读，还有很多只需了解，知道有这回事即可。等工作需要时再学细节。
• 用help。键入help(print)，或者对方法键入help(str.split)，就能看到代码自带的文档。要养成这个好习惯。
• 看代码运行。Python Tutor可以一步一步地演示程序的运行。每走一步之前，先猜猜接下来会发生什么。
• 带着批判的眼光阅读教学材料。我所用的课程里，有些例子本可以写得更简洁、更Pythonic；改写这些例子就是我布置的练习之一。对网上的代码和AI写的代码，也应如此。
• 做一个项目。围绕自己遇到的实际问题做一个小项目，你会明白学这些究竟有什么用，也会对自己的能力更有信心。

到哪里找答案

掌握基础知识后，要逐渐习惯于“问”已有的资料，而不是问人。这样得到的回答更快，也更靠谱：

• help函数；
• Python语言和你所用的各种程序包的文档；
• 编程论坛。初学者遇到的问题，几乎都已经有人遇到并讨论过了；不过能不能找到这些讨论是一门技巧，取决于你搜索时怎么措辞。能读英文的话，用英文搜索往往能找到更多讨论。

你想做的常见操作，比如处理字符串，一定已经有人写好了，所以除非是为了练习，否则不要自己动手写。如今，问起来最快的是AI助手，它很擅长告诉你已经有哪些现成的工具。但AI的回答不是文档。事关重大时，请用help和官方文档核对，并自己试一试。

我的教学方式

46名学生大多来自人文和社会科学、第一次学编程，大多远程上课；其中28名积极参与：分享笔记、提交作业，或者做自己的项目。我根据他们的反馈不断修订学习指南。语法只是手段，主要目的是学会怎样把一个问题想清楚。

这门课分为三个阶段。第一阶段是基础知识：学生以南京大学的一门公开课为纲，配合我编写的学习指南、习题和每周的线上课来学习。第二阶段是实例讲解：我从自己和学生们的实际工作中提炼出实例来讲解，例如从PDF文件中提取网页链接、为电子书制作书签、统计投票数据，以及用暴力搜索求解滑块游戏华容道（可以在这里试玩）。第三阶段是个人项目：每位学生着手做一个自己的小项目，用Python解决实际问题，亲身体会它能为自己省下多少时间。正如陆游所说：“纸上得来终觉浅，绝知此事要躬行。”

我用四字成语为各个模块命名，从讲Python数据类型的“锅碗瓢盆”，到讲如何分解问题的“庖丁解牛”——典出《庄子》，庖丁顺着牛身上天然的关节下刀。习题力求有趣：用切片从年份列表中取出属于唐朝的年份；找出干支纪年中与2022年同为壬寅的所有年份；或者借助help查到的字符串方法，把“abracadabra”变成“obrocodobro”。

课程不设统一的进度。我不断更正文字文档，如果它与录屏有出入，以文档为准。我关于教学的整体想法，见教学理念；这门课程也列在关于我页面上。在密歇根大学数据与人工智能研究院（Michigan Institute for Data and AI in Society，MIDAS），我希望开设一些短期工作坊，内容包括高性能Python、Git工作流程，以及机器学习中的良好实践。

延伸阅读

我向学生推荐过的书和网站：

• David Amos、Dan Bader、Joanna Jablonski和Fletcher Heisler，Python Basics: A Practical Introduction to Python 3（Real Python，2021）：简明易懂的入门教材。其中有一节讲如何在列表、元组和字典之间作选择，只有一页，单独拿出来读也很值得。
• Dan Bader，Python Tricks: The Book（2017）：适合学完基础之后阅读。
• Harold Abelson和Gerald Jay Sussman，Structure and Interpretation of Computer Programs，以及John DeNero的Composing Programs（相当于这本书的Python版）：适合想要深入学习的读者。
• Aditya Bhargava，Grokking Algorithms（中文版《算法图解》，袁国忠译，2017年）：一本图文并茂的算法入门书。
• 吴军，《数学之美》（第3版，2020年）：讲述数学如何驱动信息技术，尤其是自然语言处理。
• 麻省理工学院的The Missing Semester of Your CS Education：介绍代码之外的各种工具。