理解 Pythoneer 路线图

背景

~ 忽然收到关联邀请

2016-01-20 17:45 GMT+08:00 subject: 邀请您写一篇解读Python知识图谱的文章 ...

什么是编程

如果你没有任何编程体验,那得先从什么是编程说起来了, 否则可以跳到下一节 ;-)

参考: 极简编程导念 | Zoom.Quiet Personal Static Wiki

文艺点的说法就是:

为什么Python

前略, 对于 程序猿 的读者而言是不用解释什么是编程的. 那么最大的问题来了,为什么我坚定的一直推荐使用 Python ?

一般性中肯的说:

过去:Python 一直在稳健发展;从来没有退出过世界语言排行 参考: TIOBE 1月编程语言排行榜 发布的时间够早,94年和 JAVA 几乎同时发布, 而且,从一开始就坚持 "开箱即用" 的策略, 官方发行版本就内置了上百个常用库,以至嘦安排好基本的 Python 运行环境就可以完成 日常几乎所有任务了.

持续的深刻影响着其它语言; 因为 Python 是从一种面向儿童教育的语言演化来的, 从一开始设计语法时就非常看重语言的易用/读, 社区又良好的运行几十年, 在程序员圈子里是种非常低调但是基础的工具型通用脚本语言.

参考 github 上这一关系图谱 fatiherikli/programming-language-network - Game Maker Language 可以看到有多少语言受到了 Python 的影响. 事实上2000年以后诞生的各种现代 DSL(领域特殊语言) 都多少参考了 Python 的语法. 因为实在是太容易使用了 ;-)

未来,虽然创建人 guido 开辟了不兼容旧版本的 Python 3 分支,引发了各种非意, 但是, Python 为核心的开发生态已成型,在不同领域都有杀手级别的软件. 特别是近年,随着大数据理念的兴起, 非 IT 行业的各种科研/金融/教育领域非专业程序员用户的进入, 著名的交互式 环境 ipython 适时协同 SciPy/numpy/Pandas 等等 数据科学相关的专用大型库, 对 数据分析/机器学习 等等未来异常重要的领域任务, 完成了非常友好的支持环境, 可以在网页上轻松的输入代码/文档的同时,可以随时运行对应代码并获得足够精美的图表. 这使得 Python 已经成为事实上数据科学家的首选编程语言.

好吧,以上都是传统的推荐, 当前的我,对于拿不准主意是否学习 Python 的程序员,只有一句话:

一个下午就能用起来的语言
为什么不用起来?

怎么Pythonic

当年 可爱的Python (2009) 行者箴言 中,我们就说过:

用之
弗学

现在,通过几年来各种形式的培训后, 发现这种理念代表另外一种认知学的理论:

输出是更残酷的输入!
因为教会他人是唯一证明真正学会的指标 ;-)

以往其它语言的自学,其实都是对学校教育中课程设计的一种缩小和自我复制. 然而在 Python 领域,除了官方文档中 guido 唯一传世的大型文档: The Python Tutorial 之外, 最推荐的入门图书是: “笨办法”学Python (Learn Python the Hard Way) (一般缩写为 LPTHW)

为什么呢? 因为 LPTHW 给出了一种最正确的自学开发语言的途径:

用最短时间刷得最核心的20%知识点,然后就别学了,直接来解决实际问题吧! 千万别将一门开发语言,弄成一门学科来研究/深入.

这其实也是在安装好 Python 环境,建议输入的第一个命令:

import this

时,输出的 蠎之禅 中包含的 Pythonic 精神了.

因为,自学其实最难的就在无法获得有足够成就感的持续的正反馈. 永远有各种意外,又对整个领域技术没有宏观把握前, 那种好象所有任务都有无数种可能性,自己无论怎么尝试都无法理解全部的挫败感.

但是, LPTHW 的形式,给出了明确的建议:

常见的任务就这么几个
每个就这么几个标准处理
嘦先习惯 Python 的最小调试循环:
    输入
    运行
    输出
    调整
就进入了和 Python 自然对话的状态
一切就是问题的定义/分解/解决了
不要纠结 Python 的精妙

这样,其实就是给出了一系列有现实代表意义的常见小任务, 对任务的解决思路,就是 Python 内置的建议思路和程序逻辑, 在毎一章节设计的几个都不超过20行代码量的案例尝试过程中, 每一章的练习都能在集中精力的情况丁,15分钟以内获得成功的正反馈. 自然就能坚持下来了.

当然, LPTHW 其实也不用都刷完,通过前 20 章的练习,理论上就已经是名合格的 Python 新人了.

只是想高效向专家级进发,就得在入门后,面对两个关键问题:

  1. 如何检验当前掌握的知识点是对的?!
  2. 如何明确自己的学习路径是合理的?!

前一问题,的建议是:

输出是更残酷的输入!

重要的事得重复三次:

输出是更残酷的输入!

这句口号的含义有几层意思:

首先, 输出是残酷的!

因为通过实践,在我们头脑中形成的经验,其实是非理性的模糊的未固化的,过于私人的, 很多时候,我们以为我们明白了, 但是,当众阐述时,总是感觉讲不清楚, 其实,讲不清楚就是没有真正明白!

因为,经验在没有外化为语言/文字时,只是我们自身思维中的一种新模式; 但是,语言/文字,是人类社会公众知识领域的通用模式, 任何新的思维模式,要想从私人经验,变成大众知识, 这其中,首先撞到的就是将立体/网状的经验感觉,变成一维线性的吻合大众期待可理解/接受的陈述/比喻.... 这其实是写作领域的技能要求了, 对于一般没有相关训练的程序猿而言,当然难!

其次, 对自身的再输入更残酷!

但是,再难也必须作,因为这是唯一可以自证学到学对的渠道. 因为,通过输出,倒逼自己对新知识进行反复的多维度的审视, 才能补齐欠缺的理解, 形成整体概念,进而找到大众可以直觉理解的隐喻, 甚至于,可以根据自身的学习过程逆推出,建议的对应知识点掌握的层次和过程, 并配上对应的案例和解说, 这其实是一系列,反复的对相同知识点的,不同姿势/方向/模式的演示/练,阐述! 等于逼自己创造出全新的个人原创的知识点记载形式, 其实创造难道相当于将诗经翻译给美国人.

然后, 这种输出必须是持续的刻意的, 并形成习惯,这样在学习新技能的同时,就自动在想象将来应该如何通过文章/演讲来传授这一新知识点, 从而自然而然的从教授的角度来备课,或是说探索知识点的相关维度信息. 进而,形成自己独特的自学流程, 并持续优化,外在体现可能就是学的越来越快了.

以上,有关如何自学 Python 的几个阶段的经验都是可以通过自身努力掌握的, 但是,最后一层问题:

如何明确自己的学习路径是合理的?!

这真心只能有"老中医"来帮忙了, 这的确是只有经验才能回答的专门问题了. 因为,这必须是对领域技术有足够深入又广泛的了解后, 并对相关行业中, 领域技术应用的层次有足够的体会, 才能对领域技术进行整体描述.

所以, CSDN 出面组织的各种技术图谱,就是想集成各个专家的经验, 形成一个相同公允的整体路径,给自学的程序猿一个足够的 big image 以便自行决定如何,从哪个角度高效攀爬技能树.

参考: Soft Skills: The software developer's life manual: John Sonmez: 9781617292392: Amazon.com: Books

历史沿革...

~ 其它背景参考链接

(￣▽￣)

Author: Zoom.Quiet /mail / gittip / github