Python-100-Days：18万Star的Python系统学习路线

Python-100-Days：18万Star的Python系统学习路线

如果你想学Python却不知道从何开始，这个项目几乎是所有学习者都会参考的资源。它在GitHub上积累了超过18万Star，作者是骆昊。内容按照100天的进度编排，从Python基础语法一直延伸到团队项目开发和面试准备。

前20天专注语言基础。变量、运算符、分支和循环结构、列表、元组、字符串、集合、字典这些核心数据结构逐个讲解，函数定义、参数传递、模块管理也有涉及。面向对象编程从入门到进阶用了3天，类与对象、装饰器、继承多态都覆盖了。这20天的内容足够让零基础的人建立扎实的编程底子。

接下来10天进入语言应用。文件读写、异常处理、JSON和CSV操作、Excel处理、Word和PowerPoint生成、PDF操作、图像处理、邮件发送、正则表达式，都是工作中常见的需求。这一阶段的重点不是深钻某个库，而是让你知道Python能干什么，遇到问题知道往哪个方向找解决方案。

第31到35天是两个独立专题。Web前端入门用两天讲了HTML、CSS、JavaScript和Vue.js基础，目的是建立前后端的基本认知。Linux操作系统部分侧重实用，命令行、Vim、Shell编程、环境变量、软件安装和服务配置，足够应付日常的服务器管理工作。

数据库内容占了10天。从MySQL基础命令开始，逐步深入到DDL、DML、DQL、DCL四类SQL语句，再到视图、函数、存储过程、索引原理，最后用Python接入MySQL并编写ETL脚本。数据相关岗位需要的基本功，这里基本都讲到了。

Django实战是项目里最大的板块之一，15天内容跨度很大。从HTTP协议和Django基础概念开始，逐步深入模型、视图、中间件、RESTful接口设计、前后端分离、缓存策略、异步任务、单元测试，最后到项目上线部署。如果你想走Web开发方向，这部分内容基本够用了。

数据采集安排了5天，requests库抓数据、正则和XPath以及CSS选择器三种解析方式、多线程多进程和异步IO、Selenium处理动态页面、Scrapy框架简介。作者特别提醒不要把爬虫当作职业方向，但作为一种数据采集技能还是值得掌握。

数据分析有15天，NumPy占了4天，从数组创建到矩阵运算都有涉及。pandas用了6天，这是整个数据分析部分的重点，数据清洗、重塑、透视、分组聚合这些核心操作讲得比较细。可视化部分主要用matplotlib，也提到了Seaborn和Pyecharts。

机器学习10天，覆盖面较广但不算深入。k近邻、决策树、随机森林、朴素贝叶斯、回归模型、K-Means聚类、集成学习、神经网络、自然语言处理各用一天，最后一天做实战总结。这个板块适合建立基本概念和了解算法适用场景。

最后10天讲团队项目开发和面试。敏捷开发流程、Docker容器、MySQL性能优化、API接口设计、Django商业项目开发、软件测试、自动化测试、项目部署上线、面试常见问题。对准备找工作的人来说，这部分很实用。

这个项目受欢迎的原因很直接。国内Python学习资源数量不少，但成体系、持续更新、完全免费开源的项目却不多。作者把100天的学习内容全部写成Markdown文档，在线就能阅读，不需要额外付费。

当然，100天是理想化的进度安排。对在职学习的人来说，每天保证固定时间并不容易。建议把这份路线当作知识地图，按自己的节奏推进。基础部分尽量学得扎实，进阶内容可以根据职业规划有所侧重。比如想做Web开发就重点看Django板块，想走数据方向就深耕pandas和机器学习部分。

整体来说，这是一个经过大量学习者验证的Python入门项目，内容结构清晰且完全免费。无论是零基础入门，还是想系统梳理Python知识体系，这份路线都值得参考。

入门，还是想系统梳理Python知识体系，这份路线都值得参考。