数林觅风

IT技能知识点汇总

导读

MindMap

默认阅读顺序：从右→左，顺时针方向。
思维导图软件：XMind
如何下载？
- 高清原图及 PDF 版下载链接（公众号「数林觅风」ID：zoemindmap）：
  - ❥ 公众号后台回复「python」
  - ❥ 进入公众号目录「导图下载」

导图一览

先看一下本文所有思维导图： 【小视频】

P.S.由于平台对图片有一定程度的压缩，建议下载高清原图，放大后阅读。

如何阅读

rules

对于基础较为薄弱的朋友，建议配合参考书目学习，更重要的是项目实战练习，把思维导图作为辅助梳理逻辑的工具。

Linux知识点

良好的 Linux 素养会让你在日常的工作中如鱼得水，在命令行里体会流水般的畅快感。

Shell知识点

在 Linux 的基础上再度深入学习 Shell，可以极大的减少重复工作的压力。毕竟批量处理才是工作的常态呢~

Python知识点

17 幅思维导图，主要就 Python 核心基础知识进行了细致梳理。无论你是编程初学者，还是经验丰富的程序员，都可以通过这些图快速了解或回忆 Python 编程中最重要的概念。

1 计算机基础

Python技术点汇总

Python基础

2 Python 语言基础 3 标准数据类型 (一) 数值 & 字典 & 集合 4 标准类型补充 5 标准数据类型 (二) 序列对象 6 标准数据类型 (三) 字符串 7 条件 & 循环 8【进阶】条件 & 循环 9 函数 & 模块 10【进阶】函数 11 模块 12 面向对象编程 13【进阶】面向对象编程 14【进阶】补充知识 15 文件对象 16 异常处理 17 测试 & 调试

Python 3

本文主要涵盖了 Python 编程的核心知识（暂不包括标准库及第三方库，后续会发布相应专题的文章）。

首先，按顺序依次展示了以下内容的一系列思维导图：基础知识，数据类型（数字，字符串，列表，元组，字典，集合），条件&循环，文件对象，错误&异常，函数，模块，面向对象编程；
接着，结合这些思维导图主要参考的资料，分享一下我的学习体验，一方面可供初学者参考，另一方面，也便于大家结合思维导图深入学习、理解、思考；
最后，提供几篇文章链接，方便希望从 Python 2.x 迁移到 3.x 的朋友理解。

14 张思维导图

基础知识

数据类型

序列

字符串

列表 & 元组

字典 & 集合

条件 & 循环

文件对象

错误 & 异常

函数

模块

面向对象编程

参考资料

Vamei 博客：Python 快速教程

基于 Python 2.x，极佳的入门材料，非常推荐，即使希望学习 3.x 的朋友仍值得一看，毕竟版本之间的转移比编程思想本身要容易的多（版本转移可以看「推荐阅读」）。作者还基于 Python 3.x 写了一本书。

廖雪峰：Python 教程

廖大大的经典教程，我是配合上面的教程一起看，从不同的角度加深理解。

视频教程： Python语言程序设计

基于 Python 3.x，中国大学 Mocc 平台，网址是：http://www.icourse163.org/learn/BIT-268001?tid=1002001005 ，老师还有另外一系列 Python 课程，也是适合入门。

《Python 核心编程》第二版

书籍有些偏老，中文印刷有明显的小错误，但内容较全面，从浅入深覆盖面较大，可以在有一定基础的情况下择需阅读。

Python生态圈

numpy
pandas
matplotlib

Numpy

Reference

《Python for data analysis》
NumPy Reference — NumPy v1.12 Manual

Pandas

Pandas 提供了数据结构——DataFrame，可以高效的处理一些数据分析任务。我们日常分析的数据，大多是存储在类似 excel 的数据表中，Pandas 可以灵活的按列或行处理数据，几乎是最常用的工具了。

Pandas按行按列遍历Dataframe的几种方式
- 简单对上面三种方法进行说明：
  - iterrows(): 按行遍历，将DataFrame的每一行迭代为(index, Series)对，可以通过row[name]对元素进行访问。
  - itertuples(): 按行遍历，将DataFrame的每一行迭代为元祖，可以通过row[name]对元素进行访问，比iterrows()效率高。
  - iteritems():按列遍历，将DataFrame的每一列迭代为(列名, Series)对，可以通过row[index]对元素进行访问。

Reference

《Python for data analysis》
pandas: powerful Python data analysis toolkit — pandas 0.20.1 documentation

Matplotlib

Python 有非常丰富的第三方绘图库，matplotlib 使用起来也许并不是很便捷，因为图上每个元素都需要自己来定制。但仔细体会 matplotlib 背后的设计思想是很有趣的事情。seaborn 之类的绘图库是基于 matplotlib 封装的，因而后期需要自己灵活定制图形时就大大受用了。本文的两幅思维导图是基于两种不同的思路绘制的，偶有内容交叉，日常使用可以选择自己熟悉的方式（网上的教程大多是基于过程的函数式编程，即 pyplot 方法）。建议配合最后附上出的参考资料学习。

Reference

《Python for data analysis》
Matplotlib: Python plotting — Matplotlib 2.0.2 documentation
绘图: matplotlib核心剖析
 【数据可视化】之 Matplotlib
Python–matplotlib绘图可视化知识点整理
 一份非常好的Matplotlib 教程