解决什么工作场景：从自动化处理到机器学习敲门

这套Python基础与机器学习入门内容，核心解决的是非计算机科班出身职场人的“工具落地”问题。日常工作里，你可能经常遇到批量清洗表格数据、从网页抓取公开信息、或者对业务数据做初步分类与预测的需求。课程没有花大量篇幅讲计算机底层原理，而是直接把语法基础、爬虫抓取、数据分析与机器学习初步串联起来。它适合已经有一定编程概念或逻辑思维较好的“老司机”——比如写过SQL、用过Excel复杂函数或接触过其他脚本语言的人。如果你完全是零基础，学起来会有点吃力；但只要你能看懂基本的逻辑判断，这套资料能帮你快速跨过语法的枯燥期，直接进入能产出实际脚本的阶段。

建议先看哪几块及资料配合练习

拿到资料后，建议跳过传统的按部就班，直接从基础速过篇的“数据类型与自定义函数”以及“模块与虚拟环境”这两块切入。前者决定了你能不能写出可复用的代码段，后者关系到你能不能在本地把Python环境彻底独立跑通，而不是装一堆库把系统环境搞乱。学的时候，不要只用眼睛看视频，必须打开本地的编辑器，跟着把虚拟环境建好，把beautiful soup这类库装进venv里。遇到异常捕获和文件读取的部分，尝试把本地的一个txt文件读进内存并做简单清洗。资料里的代码片段不是用来背诵的，而是当模板用，先跑通讲师的原始代码，再改几个参数看输出变化，这样基础才能打得牢。

学完能独立做什么

完整跟下来并配合实操后，你能独立写出具备实际业务价值的自动化脚本。具体来说，你可以自己搭建独立的Python运行环境，写一个抓取指定网页结构化数据的爬虫，并把结果存入本地文件；在数据分析层面，能利用基本语法处理批量文本或表格数据，完成去重、格式化等脏活；同时，对机器学习里的相似性计算和贝叶斯分类有初步概念，能照着思路把简单的分类模型跑起来，对业务样本做基础预测。这套资料不会让你立刻成为算法专家，但能让你在原有的本职工作中，多出一个能用代码自动处理重复劳动、甚至做点轻量级数据挖掘的硬手段。


本课程是老司机学语言系列的python篇。本课程包含基本的python3.x语法入门、数据分析、爬虫、机器学习(相似性和贝叶斯分类入门)。为了课程质量，本课程适

课程目录

*   第一章:python基础速过篇 cplist.push('第一章:python基础速过篇');/

  *   第1讲:开张课、自我产生入门的能力、数据类型String、自定义函数

  *   第2讲:学技术的套路、关键字参数、令人发指的list类型、range序列、map函数、class定义初步

  *   第3讲:字符串的不可变性、类的私有属性、特殊属性、字典数据类型

  *   第4讲:多版本python共存、模块、包的导入、locals()、globals()、sys.path的作用

  *   第5讲:pip的使用、安装虚拟环境(venv)、试玩爬虫相关库(beautiful soup)

  *   第6讲:读取文件、OS模块、is和==、异常初步、with as 语法处理异常

  *   第7讲:初识urllib、读取基金网站html、字节、字符、二进制、保存html文件

  *   第8讲:套路训练课:使用BeautifulSoup抓取基金代码、累计净值、元组

  *   第9讲:入手pymysql、增删改查、日期格式化、基金数据抓取并入库

  *   第10讲:入手ORM框架sqlalchemy和基本使用引导

  *   第11讲:自动生成ORM实体类、抓取基金网站JS形式的数据、python执行JS并解析

  *   第12讲:入手爬虫利器:phantomjs+selenium、自动填充文本框、自动点按钮

  *   第13讲:利用phantomjs+selenium抓取基金网站JS生成的页面、python的装饰器、@property

  *   第14讲:完整抓取基金网站N页JS生成的内容、多进程入门、分布式进程数据共享

  *   第15讲:基金数据入库、简单统计、生成csv文件、入手pandas分析统计

  *   第16讲:抓取基金明细数据、pandas分组、获取基金下跌次数最多的月份

  *   第17讲:回过头学基础、pandas数据结构之Series、顺带学习NumPy、案例：简单抽奖奖池的生成

  *   第18讲:回过头学基础、pandas数据结构之DataFrame入门、案例：基金指定月份同比数据对比

  *   第19讲:案例训练:pandas在web中的辅助场景、删除重复评论、统计发帖数

  *   第20讲:案例训练：pandas在web中的辅助场景、汇总消费数据、根据用户消费的钱划分等级

  *   第21讲:pandas在web中的辅助场景、读取apache日志、分析访问最多的API、统计访问量最高的时段

  *   第22讲:绘图包matplotlib入门(1):画直线、抛物线

*   第二章:python机器学习入门篇(推荐算法) cplist.push('第二章:python机器学习入门篇(推荐算法)');/

  *   第23讲:机器学习入门、sklearn入手、线性回归、案例：基金数据的预测

  *   第24讲:机器学习入门之推荐算法(1):用户相似性、向量、四维空间和鬼、余弦相似性入门

  *   第25讲:机器学习入门之推荐算法(2):用户口味计算、修正的余弦相似性、利用sklearn实现相关功能

  *   第26讲:用户消费能力计算、欧氏距离的使用场景、利用sklearn实现相关功能

  *   第27讲:跨商品类别用户消费能力计算、标准化的欧氏距离的使用场景、利用scipy实现相关功能

  *   第28讲:UserBased和ItemBased使用场景区分、KNN(K最邻近)入门、帅哥和美女分类

  *   第29讲:KNN入门(2)：用KNN找邻居、sklearn调用实现、趣学曼哈顿距离

  *   第30讲:SKLearn+KNN+修正的余弦相似性:获取口味最相似的一批用户