2020年10月 TIOBE 排行榜超过了 Java，历史上首次 Python 超越了 Java，再次让许多朋友对 Python 产生了兴趣，今天我们来梳理下学习 Python 几个阶段或者级别，期望对持续进化的你有所帮助
本文缘起于知乎上的一个提问：怎么自学python，大概要多久？，当时做了一个回答，这次重新整理了一遍，全文如下：
看了回答区的很多回答，感觉很专业也很详尽，觉得要回答多久的问题，需要先回答 学习的目标是什么 这个问题，这里将目标分为 入门、进阶、深入和终极四个部分来说明
入门：只是了解
Python 已然是最流行的语言，特别是在数据分析和机器学习风靡的情况下，Python 也受到了少儿编程的青睐，所以许多同学处于各种原因，只是需要了解一下
那么需要先了解 Python 环境搭建，了解一下操作系统的基本只是，比如环境变量、命令行工具等 然后安装 Python，并且可以在命令行中执行进入 Python，执行简单操作
接着，在文件文件中，写入 print(Hello World)，保存，执行
这就可以算入门了，整个过程不到一个小时
对应入门来说，推荐用命令行的方式，很多教成会推荐 Anaconda，PyCharm 等集成开发工具，虽然功能强大，界面美观，不太信息量太大，比如容易分散注意力，且不利用 Python 环境的理解
进阶：完成简单任务
要完成一些简单任务或者是写写脚本，比如处理下 Excel、Word、文本中的数据，做些文件处理操作，写个自娱自乐的小程序（非微信\支付宝\头条等小程序）等
只需要了解基本 Python 语法，比如变量定义，基础数据结构，判断语句，循环语句，方法定义等
另外学习一下相关软件包，比如 OpenPyXl （可参考《Excel 神器 —— OpenPyXl》）用于处理 Excel
Python-docx（可参考《Word 神器 python-docx》），用于处理 Word
Python 内置模块 os，用于处理文件系统，Pygame 简单游戏包（可参考《做硬核老爸，我用 Python》），用来做些好玩的游戏，等等
这一阶段，只要持续练习，一个月左右，就能熟练上手，做出自己想要的东西，提高工作效率
我公司有个通信设备工程师，为了方便调试主机，开始学 Python，不到一年时间，不仅解决了工作中的问题，得到了嘉奖，还成了部门 Python 专家，经常指导其他人学习 Python
高级：构建应用系统
如果想让更多的人用自己写的程序，而不仅仅用于自己，就需要构建一个系统或者应用。
Web 系统
需要学习 Flask（可以参考《Web 开发 Flask 介绍》） 或者 Django 等 Web 框架
更重要的是，需要了解网络基础知识，如 Http，域名，云服务器等
数据库处理等相关知识，如 Sql 语句，Mysql 数据库，或者 Sqlite 数据库等
安全相关知识，如 Session，token，OAuth 认证机制（可以参考《OAuth2.0 简介》）等
服务部署相关知识或技能，将自己的程序通过网络方式提供更多的人使用（可参考《部署 Flask 应用》）
桌面应用
比如在 Windows，或者 Linux 下的应用，需要了解操作系统相关知识
并学习 wxpython、PythonWin、PyGTK、PyQt 等软件包，像 wxpython 有强大丰富的功，并且支持跨平台的桌面应用，让你做的程序有更好的适应环境
Windows 下的应用，可参考《公交闹钟 —— 再也不用白等车了》]，其中描述了如何构建一个Windows 定时任务，以及将 Python 程序打包成 可执行文件 的方式
如果要达到构建系统的目标，除了 Python 语言本身以及相关软件包的学习之外，更多的是需要学习网络、操作系统、编程思想、设计模式等方面的知识
如果是从头学习，至少需要半年使时间，如果要到达精通，且在商业项目中应用，则可能需要一到两年时间
深入：数据分析与机器学习
python 几乎是个万能的语言，特别实在数据分析和机器学习方面，因为其写更少的代码，做更多的事的理念，深受数据科学家们的追捧。
如果目标是做数据分析，首先需要对数据分析思想和过程有所了解（可以参考《这个数据分析报告，居然没写一行代码》）
然后需要学习，数据采集、数据整理、数据可视化等方面的知识或者技能：
数据采集基本上就是常说的爬虫，从网络上获取需要分析的数据，相关框架或者软件包有 Scrapy，Selenium，Requests 等
数据整理就是对要分析的数据进行清洗、分解、归类、转换等操作，常用的包有 Numpy、Pandas 等，可以以极为高效的方式处理完成任务，例如我写的一篇 《干掉公式——Numpy就该这么学》，从另一个侧面介绍了 Numpy 的强大
数据可视化只有能被人直观感受到，才能更多的发挥数据的价值，通过条形图、圆饼图、雷达图、散点图等直观有效的图像，将数据直观的呈现出来，是数据分析必不可少的环节，相关框架和软件包有 matplotlib、pyecharts、Dexplot 等，我写过一篇关于 Flask 和 pyecharts 结合的文件可以参考《Python Flask 数据可视化》
如果你的目标是做数据分析，从头学起，坚持练习，三个月，就可以做基本工作了，这是找个相关数据分析的工作，不成问题，如果想要深入研究，数据分析、甚至机器学习相关的原理算法，并能应用自如，没个三五年估计很难做到
终极：成为专家
其实任何领域成为专家，有一个共识定律：一万小时定律，想成为 Python 的专家也不例外
python 之所以成为众多领域中首选的编程语言，并非 Python 是众多领域的核心，而是 Python 可以作为一种处理问题的思想和实现工具
所以更多的学习者是想将 Python 作为一种学习和工作的工具，提高某个领域中解决问题的效率，因此，如果目标是成为专家，可以先选择一个 Python 可以得到应用的领域，比如系统构建、数据分析、机器学习、视频游戏等等
然后通过在该领域的不断深入，使 Python 技能在该领域上得到最大限度的发挥，可能是个成为专家的捷径
如果问需要多久，只能说看造化了。
总结
无论你的目标是什么，都离不开不断的学习与实践
学习分为三个阶段，第一阶段是学，即了解和学习相关习知识；第二阶段是教，即跟着老师或者教材学；第三个阶段是练，这个阶段是最为重要，需要自己多练
希望这篇短文对你的学习之旅有所启发，祝你早日实现自己的目标。