python的變量與java的不一樣，java的變量是固定類型的，而python的變量也是對(duì)象引用。以下是小編為你整理的0基礎(chǔ)怎么自學(xué)python ?

首先是理解對(duì)象引用，對(duì)象引用就是映射關(guān)系 ?

比如，你在超市的儲(chǔ)物柜1號(hào)放了個(gè)包裹，那么你得到一張票據(jù)，上面寫著A ?

那么，這個(gè)A就是引用了這個(gè)格子 ?

標(biāo)識(shí)符-等號(hào)-對(duì)象，比如，A = 123

那么，A是標(biāo)識(shí)符，123是對(duì)象 ?

注意：標(biāo)識(shí)符的大小寫是區(qū)分的，ABC與Abc與abc，是不同的標(biāo)識(shí)符 ?

如果之前接觸過java，這個(gè)理解起來會(huì)有點(diǎn)不一樣，python的變量就是對(duì)象引用，與java的變量存儲(chǔ)在棧內(nèi)存是不一樣 ?

比如A=1，B=A，那么結(jié)果是A和B都指向1 ?

假如這時(shí)候，A=2，那么A會(huì)指向2，B不會(huì)跟著改變，則還是指向1 ?

所以說，A指向另外一個(gè)引用的時(shí)候，是直接指向另外一個(gè)引用所引用的對(duì)象的 ?

換成代碼，則是下面這樣，首先A指向1號(hào)，然后B指向A，再把A的指向2號(hào) ?

這樣的情況下，B不會(huì)跟著改變 ?

還有重要的一點(diǎn)，就是對(duì)象不會(huì)隨著沒有被引用而馬上消失，假設(shè)A和B都是指向1，然后A和B又指向2，那么1沒有被引用了，但是還是會(huì)存在的 ?

用代碼演示就是 ?

A=1，打印A的內(nèi)存地址 ?

A=2，打印A的內(nèi)存地址 ?

A=1，打印A的內(nèi)存地址 ?

A=2，打印A的內(nèi)存地址 ?

如果對(duì)象沒有被清除，那么4次打印內(nèi)存地址，13次地址數(shù)值是相同的，24次也一樣 ?

底部的內(nèi)存地址，即使對(duì)象再次被引用的時(shí)候，還是原來的地址。 ?

學(xué)習(xí)爬蟲首先學(xué)習(xí)Python，建議通過**mooc和《笨方法學(xué)Python》來實(shí)現(xiàn)入門，那本書的內(nèi)容可以有所取舍。通過這兩個(gè)途徑再上網(wǎng)上針對(duì)性地查找相關(guān)內(nèi)容完全可以入門，重點(diǎn)在于理解“面向?qū)ο蟆薄? ?

爬蟲入門首先要明白一些網(wǎng)絡(luò)技術(shù)，了解TCP/IP參考模型，并且對(duì)應(yīng)用層的HTTP協(xié)議的方法和工作原理有一定的認(rèn)識(shí)。爬蟲爬取網(wǎng)頁(yè)內(nèi)容，大多數(shù)網(wǎng)頁(yè)服務(wù)由HTTP協(xié)議實(shí)現(xiàn)。 ?

正式學(xué)習(xí)爬蟲庫(kù)urllib和正則表達(dá)式，urllib靈活性很高，并且和你所學(xué)的網(wǎng)絡(luò)原理、HTTP原理非常貼合，利于新手學(xué)習(xí)，正則表達(dá)式看看內(nèi)容，再看幾個(gè)實(shí)例就應(yīng)該會(huì)用了，不推薦看亂七八糟的教程和MOOC(效果非常差，講的跨度太大)，推薦書籍《精通Python網(wǎng)絡(luò)爬蟲 核心技術(shù)、框架與項(xiàng)目實(shí)戰(zhàn) 》(韋瑋)。同樣是選擇性的閱讀。 ?

學(xué)習(xí)完成之后，多加實(shí)踐，推薦實(shí)戰(zhàn)項(xiàng)目：1、爬取漫畫網(wǎng)上的一部漫畫的所有圖片，并用PowerPoint做成PDF 2、爬取電影下載網(wǎng)站上的所有電影下載鏈接并整理到Excel。能獨(dú)立完成這兩個(gè)實(shí)戰(zhàn)項(xiàng)目，恭喜你已經(jīng)成功入門! ?

構(gòu)造一個(gè)三維數(shù)組

import numpy as npa = np.random.rand(3,3,5) ?

np.floor是一個(gè)ufunc函數(shù)，它是一個(gè)一元函數(shù)——取整函數(shù)，可以做用于a里面的每一個(gè)數(shù)字，且保持?jǐn)?shù)組結(jié)構(gòu)不變，仍舊是三維的3*3*5的數(shù)組： ?

類似的一元ufunc函數(shù)還有很多，比如所有的初等數(shù)學(xué)函數(shù)： ?

print(np.sin(b),'n',np.cos(b)) ?

np.add是一個(gè)多元的ufunc函數(shù)： ?

b = np.add.reduce(a) ?

這里，reduce的作用，是把a(bǔ)dd函數(shù)作用于數(shù)組a的*層每一個(gè)子數(shù)組，計(jì)算這些元素的和。 ?

具體的作用結(jié)果是： ?

c = []for j in range(3): d = [] for i in range(5): #print(a[:,j,i],'t',sum(a[:,j,i])) d.append(sum(a[:,j,i])) c.append(d)print(np.array(c)) ?

b = np.add.reduce(a,axis = 1) ?

這里指定了add作用于a的第二層子數(shù)組，具體如下： ?

c = []for j in range(3): d = [] for i in range(5): #print(a[j,:,i],'t',sum(a[j,:,i])) d.append(sum(a[j,:,i])) c.append(d)print(np.array(c)) ?

b = np.add.reduce(a,axis = 2) ?

將add函數(shù)作用于a的第三層子數(shù)組： ?

print(sum(a[0,0]))

?

給出一個(gè)一維數(shù)組： ?

import numpy as npa = np.floor(np.random.rand(6)*10) ?

從左往右累計(jì)a里面的元素之和： ?

b = np.add.accumulate(a) ?

具體的類似于： ?

c = 0d = []for i in range(6): c = c+a[i] d.append(c) print(np.array(d))

云基礎(chǔ)設(shè)施

這年頭，不支持云平臺(tái)，不支持海量數(shù)據(jù)，不支持動(dòng)態(tài)伸縮，根本不敢說自己是做大數(shù)據(jù)的，頂多也就敢跟人說是做商業(yè)智能(BI)。 ?

云平臺(tái)分為私有云和公有云。私有云平臺(tái)如日中天的 OpenStack，就是 Python 寫的。曾經(jīng)的追趕者 CloudStack，在剛推出時(shí)大肆強(qiáng)調(diào)自己是 Java 寫的，比 Python 有優(yōu)勢(shì)。結(jié)果，搬石砸腳，2015 年初，CloudStack 的發(fā)起人 Citrix 宣布加入 OpenStack 基金會(huì)，CloudStack 眼看著就要壽終正寢。 ?

如果嫌麻煩不想自己搭建私有云，用公有云，不論是 AWS，GCE，Azure，還是阿里云，青云，在都提供了 Python SDK，其中 GCE 只提供 Python 和 JavaScript 的 SDK，而青云只提供 Python SDK?？梢姼骷以破脚_(tái)對(duì) Python 的重視。 ?

提到基礎(chǔ)設(shè)施搭建，不得不提 Hadoop，在今天，Hadoop 因?yàn)槠?MapReduce 數(shù)據(jù)處理速度不夠快，已經(jīng)不再作為大數(shù)據(jù)處理的*，但是 HDFS 和 Yarn——Hadoop 的兩個(gè)組件——倒是越來越受歡迎。Hadoop 的開發(fā)語(yǔ)言是 Java，沒有官方提供 Python 支持，不過有很多第三方庫(kù)封裝了 Hadoop 的 API 接口(pydoop，hadoopy 等等)。 ?

Hadoop MapReduce 的替代者，是號(hào)稱快上 100 倍的 Spark，其開發(fā)語(yǔ)言是 Scala，但是提供了 Scala，Java，Python 的開發(fā)接口，想要討好那么多用 Python 開發(fā)的數(shù)據(jù)科學(xué)家，不支持 Python，真是說不過去。HDFS 的替代品，比如 GlusterFS，Ceph 等，都是直接提供 Python 支持。Yarn 的替代者，Mesos 是 C++ 實(shí)現(xiàn)，除 C++ 外，提供了 Java 和 Python 的支持包。