學習Python跟年齡其實沒有任何關係。我是去年搞OpenStack的時候才學的Python，那一年我33歲。在我的職業生涯中我學過好幾種語言，包括C、C++、PHP和Python。

在學習內容上，我覺得學習一門語言主要包括兩方面：

1） 語言本身的語法，這個其實沒有多少內容

2） 語言相關的系統庫及第三方庫，這個才是內容比較多的，也比較難的地方

另外，對於如何學好語言，本人的經驗就是實踐，實踐包括兩個方面：

1） 多讀程式碼，可以看看比較好的開源專案，比如OpenStack或者Django等

2） 多寫程式碼，如果工作有專案最後，如果沒有自己可以寫一些小專案。比如模仿redis開發一個Python版的等等。

什麼時候都不晚，沒有最好的語言，只有最適合的場景！如果要學 學 python 3.x ， 以前的版本不要學

29歲想學Python有哪些建議？

幾點建議：

本著 由淺入深，循序漸進 堅持來學。

首先 先找兩本比較入門的書比如：Python程式設計入門 這本，或者廖雪峰廖老師的網站，或者菜鳥教程 runoob.com/ 網站，先照著書上的程式碼進行敲打自己實現。

第二步 有了一定基礎後 自己 刻意來實現一些功能模組比如：一個簡單的爬取網站資料的（百度的音樂排行榜了，獵聘或者脈脈上的招聘資訊了），一些簡單的資料庫操作程式碼，從excel或者某種資料庫裡取資料再寫到另外的資料庫，一些簡單的前端表單輸入後臺提交資料了，特定的資料分析了，Python收發郵件收發簡訊了等等，總之一句話就是刻意找一些東西來練習。

當然這一步當中可以藉助谷歌或度娘來搜尋一些別人的程式碼，好好研究，修改。

第三步 高階的 就是看一些開源的或者別人寫的軟體級別的程式碼，可以去git上或者開源中國 裡找一些開源的透過Python寫的軟體。

最後 還有就是多跟別人交流。

感覺有本書你學的差不多了就基本具備了一名合格的python程式設計工程師,不過可惜的是這本書沒有電子版，只有紙質的。

第 1章　從數學建模到人工智慧

1.1　數學建模1.1.1　數學建模與人工智慧1.1.2　數學建模中的常見問題1.2　人工智慧下的數學1.2.1　統計量1.2.2　矩陣概念及運算1.2.3　機率論與數理統計1.2.4　高等數學——導數、微分、不定積分、定積分第2章 Python快速入門2.1　安裝Python2.1.1　Python安裝步驟2.1.2　IDE的選擇2.2　Python基本操作2.2.1　第 一個小程式2.2.2　註釋與格式化輸出2.2.3　列表、元組、字典2.2.4　條件語句與迴圈語句2.2.5　break、continue、pass2.3　Python高階操作2.3.1　lambda2.3.2　map2.3.3　filter第3章　Python科學計算庫NumPy3.1　NumPy簡介與安裝3.1.1　NumPy簡介3.1.2　NumPy安裝3.2　基本操作3.2.1　初識NumPy3.2.2　NumPy陣列型別3.2.3　NumPy建立陣列3.2.4　索引與切片3.2.5　矩陣合併與分割3.2.6　矩陣運算與線性代數3.2.7　NumPy的廣播機制3.2.8　NumPy統計函式3.2.9　NumPy排序、搜尋3.2.10　NumPy資料的儲存第4章　常用科學計算模組快速入門4.1　Pandas科學計算庫4.1.1　初識Pandas4.1.2　Pandas基本操作4.2　Matplotlib視覺化相簿4.2.1　初識Matplotlib4.2.2　Matplotlib基本操作4.2.3　Matplotlib繪圖案例4.3　SciPy科學計算庫4.3.1　初識SciPy4.3.2　SciPy基本操作4.3.3　SciPy影象處理案例第5章　Python網路爬蟲5.1　爬蟲基礎5.1.1　初識爬蟲5.1.2　網路爬蟲的演算法5.2　爬蟲入門實戰5.2.1　呼叫API5.2.2　爬蟲實戰5.3　爬蟲進階—高效率爬蟲5.3.1　多程序5.3.2　多執行緒5.3.3　協程5.3.4　小結第6章　Python資料儲存6.1　關係型資料庫MySQL6.1.1　初識MySQL6.1.2　Python操作MySQL6.2　NoSQL之MongoDB6.2.1　初識NoSQL6.2.2　Python操作MongoDB6.3　本章小結6.3.1　資料庫基本理論6.3.2　資料庫結合6.3.3　結束語第7章　Python資料分析7.1　資料獲取7.1.1　從鍵盤獲取資料7.1.2　檔案的讀取與寫入7.1.3　Pandas讀寫操作7.2　資料分析案例7.2.1　普查資料統計分析案例7.2.2　小結第8章　自然語言處理8.1　Jieba分詞基礎8.1.1　Jieba中文分詞8.1.2　Jieba分詞的3種模式8.1.3　標註詞性與新增定義詞8.2　關鍵詞提取8.2.1　TF-IDF關鍵詞提取8.2.2　TextRank關鍵詞提取8.3　word2vec介紹8.3.1　word2vec基礎原理簡介8.3.2　word2vec訓練模型8.3.3　基於gensim的word2vec實戰第9章　從迴歸分析到演算法基礎9.1　迴歸分析簡介9.1.1　“迴歸”一詞的來源9.1.2　迴歸與相關9.1.3　迴歸模型的劃分與應用9.2　線性迴歸分析實戰9.2.1　線性迴歸的建立與求解9.2.2　Python求解迴歸模型案例9.2.3　檢驗、預測與控制第10章 從K-Means聚類看演算法調參10.1　K-Means基本概述10.1.1　K-Means簡介10.1.2　目標函式10.1.3　演算法流程10.1.4　演算法優缺點分析10.2　K-Means實戰第11章 從決策樹看演算法升級11.1　決策樹基本簡介11.2　經典演算法介紹11.2.1　資訊熵11.2.2　資訊增益11.2.3　資訊增益率11.2.4　基尼係數11.2.5　小結11.3　決策樹實戰11.3.1　決策樹迴歸11.3.2　決策樹的分類第12章 從樸素貝葉斯看演算法多變　19312.1　樸素貝葉斯簡介12.1.1　認識樸素貝葉斯12.1.2　樸素貝葉斯分類的工作過程12.1.3　樸素貝葉斯演算法的優缺點12.2　3種樸素貝葉斯實戰第13章 從推薦系統看演算法場景13.1　推薦系統簡介13.1.1　推薦系統的發展13.1.2　協同過濾13.2　基於文字的推薦13.2.1　標籤與知識圖譜推薦案例13.2.2　小結第14章 從TensorFlow開啟深度學習之旅14.1　初識TensorFlow14.1.1　什麼是TensorFlow14.1.2　安裝TensorFlow14.1.3　TensorFlow基本概念與原理14.2　TensorFlow資料結構14.2.1　階14.2.2　形狀14.2.3　資料型別14.3　生成資料十二法14.3.1　生成Tensor14.3.2　生成序列14.3.3　生成隨機數14.4　TensorFlow實戰

希望對你有幫助！！！

貴在堅持，自己掌握一些，在工作中不斷打磨，高薪不是夢！！！

一，你好，來得及，學習這件事來說，無論從什麼時候開始學習都不算晚的。不要怕難，只要你肯定付出努力，結果都是好的。你的需求是輔助運營的工作，python這方面很適合，有很多第三方庫可以幫你整理轉換文件，例如xlrd可以讀取excel，xlrd可以寫excel，對於運營需要很多資料支援，可以瞭解一下爬蟲，requests bs4 xpath等，可以抓取競品或需要參考的資料。

二，下面說下python的優點

1. 軟體質量：Python更注重可讀性、一致性，具備了比傳統指令碼語言更優秀的可維護性和可重用性。

2. 高開發效率：相對於C、Java等編譯/靜態類語言，Python開發效率要高出數倍，其程式碼大小隻有C++和Java的1/5-1/3，而且Python程式可立即執行，無需編譯及連結等步驟。

3. 可移植性：絕大多數Python程式無需任何改變即可在主流平臺上執行。

4. 標準庫支援：Python內建了眾多預編譯並可移植的功能模組，並可透過自行開發的庫或第三方應用進行功能擴充套件。

5. 元件整合：Python指令碼可透過靈活的整合機制輕鬆的與應用程式的其他部分進行通訊，這種整合機制使Python成為產品定製和擴充套件的工具，比如，Python可以與C、C++等相互呼叫，可以與Java元件整合，可與COM和.NET框架進行通訊。

6. 開發樂趣：Python的易用性和強大的內建工具使程式設計成為一種樂趣而非繁瑣的重複勞動。

三，建議選擇線上影片和書籍要堅持看完，看的過程中多一些小程式練習，多練習能加深瞭解。python核心程式設計這本書深入淺出，感覺很好。

四，如果遇到python程式的問題，可以多用print 列印中間過程變數，協助自己查詢問題，如果較長時間沒有找到問題可以去拿報錯資訊搜尋一下，也可以找下週圍熟悉這個的交流一下，當然如果有問題我們也可以溝通交流一下，解決完一個問題，以後不犯相同的錯誤就是一種進步。推薦書籍

Python學習與年齡沒有任何關係，Python作為一種靈活好學的指令碼語言，已經越來越受程式設計師的歡迎和熱捧，甚至成為程式設計師的必備技能。相比於其他程式語言，Pytho要更簡單易學，想最快時間學習我個人建議你可以去報班學習，這樣效果更好，個人推薦尚學堂高琪老師的課就很不錯，百戰程式設計師官網可以免費下載Python400，足夠入門。有興趣可以瞭解一下，希望可以幫到你

如果你是考慮就業的話，建議你直接培訓吧，因為年齡的優勢會越拖越小，培訓可以少走彎路，進步的快一些。如果不是就業，那就可以自己找資料學習學習。我是學java的，最近在學python，可以推薦些教程給你，目前為止覺得最好的是尚學堂的python400集，適合小白入門，而且是免費的，內容挺多的，你可以去搜一下。也可以結合一些入門書籍來學。基礎還是很重要的。希望對你有些幫助。

學習都是來得及的，程式設計這行和年齡沒有太大的關係，只要你有一顆熱愛學習的心就行，但是轉行的話還是趁早轉行比較好，別猶猶豫豫的大半年又過去了，但是你如果是零基礎的轉行的，建議你還是系統報班學習，因為你轉行就證明年齡有點大了，而且你自學的話耽誤的時間太久了，不如直接系統報班學習，系統學習以後現在都是從零基礎到就業，也就是程式設計小白可以學習的，培訓機構的話我推薦尚學堂，因為我就是哪裡出來的，現在在北京月薪13k，學習這件事來說，無論從什麼時候開始學習都不算晚的。不要怕難，只要你肯定付出努力，結果都是好的。你的需求是輔助運營的工作，python這方面很適合，有很多第三方庫可以幫你整理轉換文件，例如xlrd可以讀取excel，xlrd可以寫excel，對於運營需要很多資料支援，可以瞭解一下爬蟲，requests bs4 xpath等，可以抓取競品或需要參考的資料。

二，下面說下python的優點

1. 軟體質量：Python更注重可讀性、一致性，具備了比傳統指令碼語言更優秀的可維護性和可重用性。

2. 高開發效率：相對於C、Java等編譯/靜態類語言，Python開發效率要高出數倍，其程式碼大小隻有C++和Java的1/5-1/3，而且Python程式可立即執行，無需編譯及連結等步驟。

3. 可移植性：絕大多數Python程式無需任何改變即可在主流平臺上執行。

4. 標準庫支援：Python內建了眾多預編譯並可移植的功能模組，並可透過自行開發的庫或第三方應用進行功能擴充套件。

5. 元件整合：Python指令碼可透過靈活的整合機制輕鬆的與應用程式的其他部分進行通訊，這種整合機制使Python成為產品定製和擴充套件的工具，比如，Python可以與C、C++等相互呼叫，可以與Java元件整合，可與COM和.NET框架進行通訊。

6. 開發樂趣：Python的易用性和強大的內建工具使程式設計成為一種樂趣而非繁瑣的重複勞動。

三，建議選擇線上影片和書籍要堅持看完，看的過程中多一些小程式練習，多練習能加深瞭解。python核心程式設計這本書深入淺出，感覺很好。

四，如果遇到python程式的問題，可以多用print 列印中間過程變數，協助自己查詢問題，如果較長時間沒有找到問題可以去拿報錯資訊搜尋一下，也可以找下週圍熟悉這個的交流一下，當然如果有問題我們也可以溝通交流一下，解決完一個問題，以後不犯相同的錯誤就是一種進步。