除了用Python來寫演算法之外，還可以用Python來來做web開發，網路爬蟲，資料清洗，以及人工智慧等。

至於怎麼樣提高自己的Python水平？給自己規劃一條學習路線，然後進行系統的學習，然後出去工作或者是自己接一些專案來做，透過做專案的方式來提升自己，畢竟做專案是綜合知識的應用。

瞭解過“如鵬網”的Python學習路線，可以作為參考，基本上都是慕名而去的。

1、Python基礎

2、資料庫開發

3、web前端

4、Python web開發及企業專案實戰

5、Linux

6、NoSQL

7、資料視覺化

8、網路爬蟲

9、人工智慧

作為研究生 用python的工作主要是資料分析崗位

對資料崗來說 除了演算法模型之外 還需要的技能有

1 大資料工具

學會hadoopbspark這些大資料的工具的使用 這是海量資料處理的必備技能

2 工程介面

為了和其他團隊協作 需要熟悉restful api和一些簡單的伺服器後臺的開發經驗 還有自動化部署測試的經驗 尤其是測試這塊 資料崗的測試和開發崗的測試內容完全不一樣 不僅僅是功能流程正確 還有邏輯和決策是合理 這是不瞭解資料的測試做不到的

3 本行業的資料洞察力

除了學習模型 資料分析師還需要補充行業相關的知識 這樣才能對業務上的資料有比較好的理解 這樣才能選擇和設計正確的模型去做分析決策

如題，作為一個研究生，你用Python寫演算法，我覺得你應該是想往大資料，人工智慧方面發展。

Python這些年隨著大資料人工智慧的大爆發也變得流行起來，你想再提升自己Python的水平，我覺得你可以從以下著手！

Apache Spark是一個計算速度快，易用，支援複雜分析的大資料處理框架，大有取代mapreduce之勢。

Python雖說在機器學習和人工智慧方面有極好的應用，但是Python有一個大缺陷，不支援分散式計算，但是不要緊，spark提供了極好的Python介面Pyspark，藉助他，Python在分散式計算、流計算方面有了極大提高。

另外，spark的核心RDD彈性分散式資料集和Python中pandas中的DataFrame十分相似，可以十分方便的相互轉化。所以說spark讓Python有了分散式處理大資料集的能力。

Python有十分多的強大的web後端框架，如Django，flask等，學習這這可以鞏固Python的基礎，又會使用到Python的高階用法，如裝飾器，類及魔法方法，資料庫等。

你不可能一直在單機上使用模型，你可能會在大資料框架和網站來部署模型，這需要你瞭解後端和分散式計算，學習這兩方面，既能提升Python水平，也能讓你在日後的大資料和人工智慧領域如虎添翼。

確實當你學了Python的一段時間之後會有一陣不知道如何更快的提高自己的功力。其實Python也是語言的一種，雖然語法很簡單，但是內涵真的很豐富，招式非常的多。修煉武功我個人覺得分幾個層次:

第一招是語法：算是基本功，熟悉一門語言，語法是最核心也是最基礎的，你必須要熟練掌握.好像你學英語，詞彙肯定是要有一定的量的.

第二招資料結構：然後你的程式碼會越寫大，你肯定要考慮資料結構，比如你爬取一個網站，你有一堆資訊，你如何抽象出來設計最佳的資料模型，減少程式碼的複雜度.

第三招演算法：接著你繼續寫發現效能上需要優化了。比如處理百萬級的資料，處理大量的檔案的時候，要降低複雜度，對程序，執行緒間的排程，最佳化執行緒池的排程。

第四招設計模式：再往上走就需要架構，設計模式，提高自己額軟體匠藝了，這時候你的程式碼量數萬，幾十萬了你需要考慮用一些好的設計模式去封裝你的程式碼，隔離子系統，然後提高程式碼的健壯性和可擴充套件性。

忽然發現話題有點拉遠了，我們趕緊切回來，我覺得python語言跟其他語言一樣都是需要一個積累的過程，這個過程是不能省的，但是確實有一些方法可以縮短這個過程，好比楊過在寒冰玉床上練功，內功比一般人要增加的快一些，下面分享幾個我覺得比較好的方法（歡迎大家批評指正）：

也許很多同學會反感，刷題我又不是學生，刷什麼題啊，python有大量的精妙招式，你想靈活的運用必須大量做題，忽然覺得怎麼和高中學數學是一個路數啊，確實這是快速提高你功力的捷徑(沒有之一)

下面推薦一下我刷過的網站:

是一個國外的網站，裡面的題目從簡單到複雜大概有500多個，有點像解數學題或者演算法題，提一個問題然後你計算一下，最後告訴一個答案填進去，就會告訴你對錯.很有意思，越往後越難.你可以線上看答對的人數，越往後人越來越少。

舉個簡單的題，比如：求200萬以內的所有質數的和.

大名鼎鼎的LeetCode裡面有大量的500強的面試題和演算法題，要求也比較高，很多國內外的碼農在上面刷題。難度從easy到hard都有，而且覆蓋面極廣,需要你的綜合實力去答題。

最簡單的題比如字串的處理有的時候也要用到二分查詢，二叉樹,排序.我個人覺得看一些基礎的演算法書之後，刷題會好一點.有的時候考的不是程式設計，是你的智商。但是你可以看到別人的解決問題的思路,特別是一些常見的演算法題。

另外上面兩個網站都是英文的，話又說回來想學程式設計，英語是必須的。最新的計算機技術最厲害的文件基本都是英文的.

刷題刷一段時間就可以，切莫貪心，因為有些很難的題目做不出來，會很鬱悶的,會有很強的挫敗感~~畢竟人外有人，天外有天，我們刷題的目的只是為了熟練一些招式.

國內的很多程式設計師以前都是喜歡上csdn,或者知乎，現在大家基本都上stackoverflow,我不是說前面兩個網站不好，只是適合的群體不一樣。

比如python裡面的一些問題，你百度一下發現很多回答都是類似的，不知道是不是互相複製，你很難有一些深入的針對性的解釋。

我現在習慣都上stackoverflow，stackoverflow所面向的問題更集中於程式設計開發方面.算是程式設計師中的知乎吧.而且裡面有國外很多大牛給你回答，而且回答的都是很有質量的，關鍵有的時候還會給你推薦一些好的書.讓你眼前一亮.(補充一下這個網站也是全英文的).

Python當中學到了演算法這個部分，我們就要考慮進階或者是提升。簡單的說一下，Python的進階流程：瞭解基本語法--->熟練使用常用的庫--->Pythonic--->高階玩法--->看透python的本質；

Web Programming: Django, Pyramid, Bottle, Tornado, Flask, web2py

GUI Development: wxPython, tkInter, PyGtk, PyGObject, PyQt

Scientific and Numeric: SciPy, Pandas, IPython

Software Development: Buildbot, Trac, Roundup

System Administration: Ansible, Salt, OpenStack

可以從上述的使用範圍來選擇深入學習。在Python中文開發者社群可以看到，論壇當中有很多適合提升水平的文章和專案。

英語水平過關的話建議看英文原版的，中文翻譯的會有寫偏差。這本書給出了很多程式碼的方法和規範。並且作者的理念是把程式碼當成寫文章。第一章開篇就是教我們程式碼的整潔；第二章的內容是體現本意的命名能讓人更容易理解和修改程式碼；後面還有函式、註釋、格式等等的；

如果只是要了解的話，看前面幾張就夠了。但是書中比較有價值的部分，在於進行重構的時候很多細小的步驟。看這本的話，網上也是有電子版本，並且在各大IT論壇當中有很多人寫讀書筆記。

（1）想量化的操作（可以參考書籍《利用Python進行資料分析》）

（2）廣播機制（可以參考書籍《Deeplearning深度學習筆記》）

（3）多執行緒多程序

GIL（全域性直譯器鎖）它讓python的多執行緒無法充分利用多核的優勢，但是對於I/O操作頻繁的程式，利用多執行緒帶來的優勢還是非常明顯的。

大方向來說，Python的用處一個是開發後端，Django Flask Tornado這些框架常規的框架，還有Sunic這樣小眾的，

再一個就是資料科學，從最開頭的網路爬蟲，各種網站的資料抓取 抓到之後可以賣資料，也可以構建自己的資料集，再進一步就是資料分析，海量資料的應用啊 分析什麼的

最後就是AI，人工智慧領域

就像是練武功一樣，不同的語言終究是招式，一招一式皆有套路可循，演算法 資料結構這些才是內功

簡述：有四個數字，分別是：1、2、3、4

思考：能組成多少個互不相同且無重複數字的三位數？各是多少？

思路：建立一個函式，然後分別設定三個數i,j,k，它們的取值範圍都在1到4，並且三個數都不相同，輸出1*100+j*10+k,

原始碼如下

def main():

for i in range(1,5):

for j in range(1,5):

for k in range(1,5):

if i!=j and j!=k and k!=i:

print(int(i*100+j*10+k))

if __name__ == "__main__":

main()