Python以其優良的特性，適合於傳統編程語言擅長的Web開發、移動開發、遊戲開發、桌面應用等。不僅如此，它也適合於當前最流行的人工智能、大數據、科學計算、金融分析……這正是它迅速上位走紅的原因。
在過去的兩年間，Python一路高歌猛進，成功竄上“最火編程語言”的寶座，據統計，最新排名已經超越Java,成爲名副其實的第一語言（見下圖）。
尤其在大數據分析與人工智能領域，KDnuggets2018年頂級分析/數據科學/ ML軟件調查，也印證了其市場場佔有率：
根據職友集（國內專業做薪金調查的統計公司）調查，北京地區Python程序員的月薪平均水平達到了19750元的新高（見下圖）。
俗話說外行看熱鬧，內行看門道，我們已經知道了Python的火爆程度，但是學一門編程語言是需要花大量精力的，所以很多同學最關心下面的問題。
我有必要去學嗎？
這門編程語言適合我嗎？
我應該怎麼學？
Python到底有什麼用，學完能做什麼呢？
學完Python，好找工作嗎？
薪水高嗎？（這個從上圖就可以看出，一線城市Python程序員平均工資已經接近20000/月）
要不要學習 Python？
反正我準備成爲Python程序員了，未來是人工智能的時代，有理由相信 Python 將發揮更大的作用。
2017年7月20日，×××印發了《新一代人工智能發展規劃》，提出了面向2030年我國新一代人工智能發展的指導思想、戰略目標、重點任務和保障措施。2017年10月11日，教育部決定自2018年3月起，在計算機二級考試加入了「Python 語言程序設計」科目。 2018年1月16日上午，教育部召開新聞發佈會，在此次「新課標」改革中，正式將人工智能、物聯網、大數據處理劃入新課標，這也就意味着今年秋季入學的高中生，將要開始學習 Python 了。
看到這裏，你還會懷疑學習 Python 的意義嗎？ 凡事預則立，不預則廢，生在這個時代，沒有理由對 Python 一無所知。 對此，我想說，我完全愛上了Python！因爲Python能做的太多了。
如何快速學習 Python？
Python好不好，事實足以說明，重點是Python該怎麼學？
在我看來，有如下4個步驟。
明確學習目標
確定學習資料
系統性學習
階段性成果檢驗
Python的領域很多，學習一種編程語言，首先要明確一個目標，不可能一開始每一樣都學，例如，可以先從Python語言的基礎學習，但要注意，一定要系統化學習，儘可能將Python語言的核心知識點都學到，哪怕這些知識點的具體細節和API還沒有完全掌握，至少要知道Python有這個知識點，以便以後用到了，再深入學習。然後需要選擇某一個領域深入下去，Python的Web領域相對容易些，建議初學者先從Python Web領域入手，逐漸深入，再學習其他領域。
明確了目標，還需要掌握學習方法，任何一門編程語言都應該先系統性學習，而不是碎片化地學習，畢竟一門語言包含太多細節，碎片化的學習，顧此失彼，淺嘗輒止，無法從全局把握。
確定了學習目標後，就需要找一些學習資料，儘量不要網上找一些瑣碎的資料，因爲這些資料只適合於成手，而且也不繫統，無法成體系去學習一種技術。系統的資料包括但不限於書、視頻、成體系的電子教材，如果時間和金錢允許，也可以參加線上線下的一些面授課程。
大家在選擇學習參考書或視頻課程時，要儘可能系統、全面一些的。這裏推薦李寧老師的《Python從菜鳥到高手》一書，本書從Python的基礎知識講起，深入淺出，還包括了Python常用的領域，如Web、網絡爬蟲、數據分析、圖表、GUI、遊戲開發等技術，以及大量的項目實戰，如高仿美團Web應用、利用Python爬蟲抓取和分析京東和天貓胸罩銷售數據等。從該書的知識結構圖（見下圖）就可瞭解本書的全貌。
另外，用視頻配合圖書學習也是一種不錯的選擇，寧哥教育（https://geekori.com/edu)包含了大量的Python在線視頻課程，也是不錯的選擇。另外，購買《Python從菜鳥到高手》一書的讀者會贈送全套的Python同步視頻課程（40小時），可以讓您的學習效率成倍提高。
光學習理論知識，不動手實踐，是學習編程語言的最大忌諱。因此，在學習一段時間後，應該動手寫一些小程序，讓自己有信心繼續學下去。《Python從菜鳥到高手》一書包含了超過10萬行代碼，6個實戰案例，如爬蟲、Web應用、GUI應用、遊戲等。真正做到了理論和實戰相結合。
是否應該學習Python的多個領域
因爲Python的領域太多，可能很多同學會有一個疑問，是挑一個自己感興趣的領域深入下去，成爲這個領域的前1%，還是學習Python的多個領域，成爲多面手呢？
其實這個問題不太好回答，因人而異。如果某位同學擁有足夠的天賦，並且夠勤奮，進入前1%是沒什麼問題的。不過對於大多數人來說，都只是普通人，通過自己的努力，是可以達到前20%，甚至前10%。但達到前1%，就在很大程度上依賴天賦了，光靠努力和勤奮是沒用的。
不過好在現在的各種類型的應用都不是單一技術能解決的，例如，一個完整的機器學習系統，是不能高靠TensorFlow、PyTorch這些工具就可以搞定的，可能需要網絡爬蟲、數據分析、數據庫技術、Web技術、安全技術、GUI技術等。而現在企業非常需要能同時駕馭多種技術的人才，而這種人才大多是企業中的骨感、精英以及Leader。這些人才的共同特點是在每一個領域不一定是No 1.，但可以同時駕馭多個領域的知識（達芬奇就是一個典型的例子），這爲將多種技術深度融合提供了有效的保障，試問，如果你對某些技術根本就不瞭解，又怎能將它們融合在一起呢？
雖然這種人纔在每個領域算不上最牛叉的那羣人，但由於是跨領域的，所以綜合排名將使用乘法計算，例如，某個人在A領域和B領域只排到前20%，但由於這個人同時瞭解兩個領域，所以他在跨A和B領域的排名就是前4%（20% * 20%），而如果這個比例是10%，那麼綜合排名就是1%。如果恰好A和B是兩個關聯性較大的技術領域，那麼這個跨領域的人才的價值將遠大於單純在A和B領域排到前1%人才。所以建議想在Python領域站穩腳跟的同學，在完成Python的入門學習以後，根據個人的實際情況，可以選擇2個或多個關聯性較大的領域進行學習，例如，Python Web領域和Python爬蟲領域，Python爬蟲領域和Python深度學習領域。這兩對領域的關聯性都比較大，如Python爬蟲主要抓取的是Web數據，而正好需要了解Web開發的細節。就像要做殺毒軟件，如果不瞭解病毒的實現原理，要如何去做呢？Python深度學習的很多數據是需要Python爬蟲從網上抓取，然後進行標註的，所以爬蟲從某種角度可以認爲是深度學習的數據源。
另外，《Python從菜鳥到高手》一書涉及到了Python目前大多數常見的領域，這是李寧老師關於Python系列的第一本書，後續還會有深入探討Python網絡爬蟲、Python深度學習、Python Web開發、Python大數據等系列數據，每一本書都是承前啓後，可以讓讀者通過這一系列圖書完成對Python語言的系統學習。
