小贴士前段时间也是忙呼吸困难啦，给我们重新整理了许多python自修的天然资源，期望能给我们的自修重大贡献清贫之力；责任编辑为相同期的Python自修者从相同视角度身订制了49个自修天然资源。
新手
Welcome to http://Python.org
非官方Python站点提供更多了两个已经开始采用Python生态系和自修Python的好方式，主要包括非官方文件格式。
Learning Python The Hard Way
https://learnpythonthehardway.org/book/
两本新浪网书刊，有订阅版与专业版的
Basic Data Types in Python – Real Python
https://realpython.com/python-data-types/
如是说了Python 中的基本上正则表达式
How to Run Your Python Scripts – Real Python
https://realpython.com/run-python-scripts/
教你怎样运转PythonJAVA
Python Tutorial: Learn Python For Free | Codecademy
https://www.codecademy.com/learn/learn-python
Codecademy提供更多免费的互动课程，帮助您练习Python的基础知识，同时为您提供更多即时，类似游戏的反馈。对于那些喜欢练习专业知识的人来说，自修Python的好方式。
Google’s Python Class | Python Education | Google Developers
https://developers.google.com/edu/python/
来自Google开发人员的非官方Python开发类。本教程是交互式代码片段的混合，可以在您的结尾和上下文文本上复制和运转。这是一种从世界领先的技术公司之一自修Python的半互动方式。
Learn Python – Free Interactive Python Tutorial
https://www.learnpython.org/
此交互式教程依赖于可以实现和实践的实时代码片段。采用此天然资源作为交互式自修的方式，并提供更多许多指导。
Jupyter Notebook: An Introduction – Real Python
https://realpython.com/jupyter-notebook-introduction/
想要一种简单，直观的方式来访问和采用Python函数吗？Jupyter Notebook就是最好的选择。采用它比命令行和相同的拼凑在一起的JAVA更容易。这是我自己采用的设置。本教程将帮助您已经开始自修Python的路径。
Python Tutorial – W3Schools
https://www.w3schools.com/python/
W3School采用与用于教授HTML和其他Python相同的格式。采用交互式和文本片段练习相同的基本上功能。采用本教程可以获得语言的基础并自修Python。
Python | Kaggle
https://www.kaggle.com/learn/python
Kaggle是两个举办数据科学和机器自修竞赛的平台。竞争对手采用数据集并尽可能准确地创建预测模型。他们还提供更多交互式Python笔记本，帮助您自修Python的基础知识。
Learning Python: From Zero to Hero – http://freeCodeCamp.org
https://medium.freecodecamp.org/learning-python-from-zero-to-hero-120ea540b567
这篇基于文本的教程旨在总结Python中的所
BeginnersGuide – Python Wiki
https://wiki.python.org/moin/BeginnersGuide
这个关于非官方Python Wiki的简单教程充满了天然资源，甚至还主要包括两个针对非英语人士自修Python的中文翻译。
Python Tutorial – Tutorialspoint
https://www.tutorialspoint.com/python/
以与W3Schools类似的方式设置，采用Tutorialspoint作为替代或某些功能和部分的复习。
Python (programming language) – Quora
https://www.quora.com/topic/Python-programming-language-1
Quora社区中有许多自修Python的技术人员。本节专门如是说Python，主要包括运转分析和关于Python状态的紧迫问题及其在各种相同领域的实际应用，从数据可视化到Web开发。
Python – DEV Community – Dev.to
Dev.to每天都有来自开发人员的用户提交的关于Python的文章和教程。采用这些视角来帮助您自修Python。
Python Weekly: A Free, Weekly Python E-mail Newsletter
https://www.pythonweekly.com/
如果你是每周时事通讯的粉丝，那么你将会对Python Weekly感到满意，它总结了最新的发展，新闻以及有关Python的有趣文章。
The Ultimate List of Python YouTube Channels – Real Python
https://realpython.com/python-youtube-channels/
对于那些喜欢通过视频自修的人来说，这个Youtube频道列表可以帮助您在首选媒体中自修。
The Hitchhiker’s Guide to Python
https://docs.python-guide.org/
与上面列出的其他天然资源相同，Hitchhiker的指南更加自以为是，并着眼于找到采用Python设置的最佳方式。采用它作为参考，并确保您最佳地设置为采用和自修Python。
Python: Online Courses from Harvard, MIT, Microsoft | edX
https://www.edx.org/learn/python
edX采用企业和学术合作伙伴来策划有关Python的内容。内容通常是免费的，但您必须支付经过验证的证书，证明您已通过课程。
Python Courses | Coursera
https://www.coursera.org/courses?query=python
Coursera选择的Python课程可以帮助您访问大学和企业提供更多者的证书和课程。如果您觉得需要某种程度的认证，类似于edX，Coursera提供更多了一定程度的管理和认证，可以满足这些需求。
进阶者
Getting started with Django | Django
https://www.djangoproject.com/start/
非官方的Django框架如是说将帮助您进行设置，以便您可以采用Python进行Web开发。
LEARNING PATH: Django: Modern Web Development with Django
https://www.oreilly.com/learning-paths/learning-path-django/9781788998703/
来自OReilly的这个天然资源有助于为Python自修Django和Web开发技能提供更多更多策划。
A pandas cookbook – Julia Evans
https://jvns.ca/blog/2013/12/22/cooking-with-pandas/
Pandas Cookbook可用于清理和处理数据。采用它使我能够将数据清理到我需要的级别，以便进行机器自修等等。
它采用两个示例，展示怎样过滤，分组数据并在其上执行功能- 然后根据需要可视化数据。Pandas库是经过度身订制的，允许您有效地清理数据，并且可以对其进行转换并从聚合级别基础上查看趋势（采用方便的单行函数，如head（）或describe）。
Newest ‘python’ Questions – Stack Overflow
https://stackoverflow.com/questions/tagged/python
Stack Overflow社区充满了迫切的问题和切实的解决方案。采用它作为Python的实现天然资源和自修Python的途径。
Python – R****e****ddit
https://www.reddit.com/r/Python/
Python subreddit在Python中提供更多了大量相同的新闻文章和教程。
Data Science – Reddit
https://www.reddit.com/r/datascience/
Data Science subreddit提供更多了大量有关怎样采用Python处理大型数据集并以有趣的方式处理它的天然资源。
Data science sexiness: Your guide to Python and R
https://thenextweb.com/dd/2016/04/08/start-using-python-andor-r-data-science-one-best/
我为The Next Web编写了本指南，以便区分Python和R以及它们在数据科学生态系中的用法。从那以后，Python不断推进并已经开始采用许多曾经构成R在数据分析，可视化和探索方面的核心基础的库，同时也欢迎在驱动世界的基础机器自修库中。尽管如此，它仍然是两个有用的比较点和Python的天然资源列表。
Data Science Tutorial: Introduction to Using APIs in Python – Dataquest
https://www.dataquest.io/blog/python-api-tutorial/
在处理数据时，一项基本上技能是访问Twitter，Reddit和Facebook采用的API服务，以暴露他们持有的某些数据量。本教程将帮助您了解Reddit API的示例，并帮助您了解在查询API时将获得的相同代码响应。
Introduction to Data Visualization in Python – Towards Data Science
https://towardsdatascience.com/introduction-to-data-visualization-in-python-89a54c97fbed
完成数据处理后，您需要提供更多
Top Python Web Development Frameworks to Learn in 2019
https://hackernoon.com/top-python-web-development-frameworks-to-learn-in-2019-21c646a09a9a
如果你想在Django之外的一套选项用Python开发并自修Python用于web应用程序，那么这个编译就是最好的。Hacker Noon出版物通常也会在责任编辑之外的Python上提供更多有用的天然资源。值得一试。
高级玩家
Beginner’s Guide to Machine Learning with Python
https://towardsdatascience.com/beginners-guide-to-machine-learning-with-python-b9ff35bc9c51
这个基于文本的教程有助于向人们如是说采用Python进行机器自修的基础知识
Free Machine Learning in Python Course – Springboard
https://www.springboard.com/resources/learning-paths/machine-learning-python/
这个来自Springboard的免费自修路径有助于策划您需要自修的内容并在Python中练习机器自修。
Machine Learning – Reddit
https://www.reddit.com/r/MachineLearning/
机器自修subredd
Python – KDnuggets
https://www.kdnuggets.com/tag/python
KDNuggets提供更多有关数据科学，数据分析和机器自修的高级内容。它的Python部分讨论了怎样在Python中实现这些想法。
Learn Python – Beginner through Advanced Online Courses – Udemy
https://www.udemy.com/topic/python/
Udemy提供更多一系列Python课程，有许多高级选项可以教你Python的复杂性。这些课程往往比认证课程便宜，但你要仔细查看评论。
A Brief Introduction to PySpark – Towards Data Science
https://towardsdatascience.com/a-brief-introduction-to-pyspark-ff4284701873
对PySpark的如是说将帮助您已经开始采用更高级的分布式文件系统，这些系统允许您处理和处理比单个系统和Pandas更大的数据集。
scikit-learn: machine learning in Python
大多数数据科学家采用Python的默认方式是采用scikit-learn来尝试模型思想：对相同机器自修模型的简单优化实现。自修许多机器自修理论，然后采用scikit-learn框架实现和练习。
The Next Level of Data Visualization in Python – Towards Data Science
https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e99039d5e
本教程将如是说更高级的数据可视化版本以及怎样实现它们，允许您预览可以将数据从关联热图切片到散点图基础的相同高级方式。
Machine Learning with Python | Coursera
https://www.coursera.org/learn/machine-learning-with-python
Coursera选择采用Python进行机器自修的课程非常有名。IBM提供更多的这一如是说有助于指导您完成机器自修概念的视频和解释。
Home – deeple****a****rning.ai
Deeplearning.ai是Andrew Ng（人工智能的着名斯坦福大学教授和Coursera的创始人）试图为大众带来深刻的自修。我最终完成了所有课程：他们提供更多认证，并且是两种交互式笔记本的清新组合，您可以采用Andrew Ng自己的相同概念和视频。
fast.ai · Making neural nets uncool again
这个深度自修课程有助于打破机器自修的逐节方面。最重要的是，它是完全免费的。我经常采用fast.ai作为复习或深入自修我不太了解的深度自修理念。
Learn and use machine learning | TensorFlow Core | TensorFlow
https://www.tensorflow.org/tutorials/keras
本教程可帮助您采用TensorFlow和Google云基础架构的高级Keras组件对一组时尚图像进行深度自修。这是自修和练习深度自修技巧的好方式。
练习采用Python的天然资源
Datasets | Kagg****l****e
·
https://www.kaggle.com/datasets
Kaggle提供更多了各种数据集，其中包含用户示例和upvoting，以指导您访问最流行的数据集。采用示例和数据集创建自己的数据分析，可视化或机器自修模型。
Practice Python
https://www.practicepython.org/
练习Python有一堆初级练习，可以帮助您轻松采用Python并练习它。在处理相同的项目和练习之前，请将此作为初始预热练习。
Python Exercises – W3Schools
https://www.w3schools.com/python/python_exercises.asp
W3Schools上的Python练习遵循他们教程中的部分，并允许您采用Python进行许多交互式练习（尽管练习在练习中非常简单）。
Solve Python | HackerRank
https://www.hackerrank.com/domains/python
HackerRank提供更多了一系列练习，要求您在没有任何上下文的情况下解决。这是在Python中单独练习相同功能和输出的最佳方式（尽管您仍然期望通过相同的项目来巩固您的Python技能。）当您完成更多挑战时，您将获得积分和徽章。这无疑会激励我自修更多知识。两个非常有用的沙箱，供您自修Python。
Project Euler: About
项目Euler提供更多了各种更加困难的编程挑战，旨在测试您是否可以采用Python解决数学问题。用它来练习你的数学推理和你的Pythonic能力。
Writing your first Django app, part 1 | Django documentation | Django
https://docs.djangoproject.com/en/2.2/intro/tutorial01/
责任编辑件格式可帮助您使
Top 100 Python Interview Questions & Answers For 2019 | Edureka
https://www.edureka.co/blog/interview-questions/python-interview-questions/
如果您在面试中遇到Python技能问题，这个面试问题列表将有助于作为两个有用的提醒和复习，并且是您练习和巩固相同Python概念的好方式。
