Python核心技术与实战

人工智能时代下，Python 毫无疑问是最热的编程语言。有人夸它功能强大还上手轻松，有人说它学习曲线不那么陡峭，但是更多的人，在推开 Python 的大门后却发现，Python 入门容易但精通却不易。

• 你是否也曾傻傻分不清“列表”“元组”“字典”“集合”等的用法，甚至试图在集合中采用索引方式？
• 你是否也曾苦苦钻研面向对象的理念，却在被要求设计一个稍复杂点的系统时束手无策？
• 你是否也曾羡慕别人能巧用装饰器、生成器等高级操作，可自己在写代码时，却连异常抛出、内存不足等边界条件都战战兢兢搞不定呢？

由此可见，想要精通这门语言，必须真正理解知识概念，比如适当从源码层面深化认知，然后熟悉实际的工程应用，独立完成项目开发。这样，你才能成为真正的语言高手。

在这个专栏里，景霄会从工程的角度，带你学习 Python。专栏基于 Python 最新的 3.7 版本，以语言知识结合工程应用为主线，其中包含了大量的独家解读和实际工作案例。内容难易兼顾，既可以带你巩固核心基础，更会教你各种高级进阶操作，让你循序渐进、系统掌握 Python 这门语言。

专栏按照进阶难度分为 4 个模块。

前两部分主要是Python 的基础篇和进阶篇。除去必要的概念、操作讲解，基础篇和进阶篇都着重强调了学习中的重难点和易错点，并从性能分析、实际应用举例等不同维度出发，让你轻松理解和掌握它们。

第三部分是规范篇，通过讲解合理分解代码、运用 assert、写单元测试等具体编程技巧，教你写出高质量的 Python 程序。

第四部分则是实战篇，这部分会通过量化交易系统项目的开发，带你串联起前面所学的 Python 知识，并加入大量的实战经验和技巧，让你在独立项目开发中获得质的提高。

课程的练习代码：
https://github.com/zwdnet/PythonPractice

开篇词 | 从工程的角度深入理解Python
01 | 如何逐步突破，成为Python高手？
02 | Jupyter Notebook为什么是现代Python的必学技术？
03 | 列表和元组，到底用哪一个？
04 | 字典、集合，你真的了解吗？
05 | 深入浅出字符串
06 | Python “黑箱”：输入与输出
07 | 修炼基本功：条件与循环
08 | 异常处理：如何提高程序的稳定性？
09 | 不可或缺的自定义函数
10 | 简约不简单的匿名函数
11 | 面向对象（上）：从生活中的类比说起
12 | 面向对象（下）：如何实现一个搜索引擎？
13 | 搭建积木：Python 模块化
14 | 答疑（一）：列表和元组的内部实现是怎样的？
15 | Python对象的比较、拷贝
16 | 值传递，引用传递or其他，Python里参数是如何传递的？
17 | 强大的装饰器
18 | metaclass，是潘多拉魔盒还是阿拉丁神灯？
19 | 深入理解迭代器和生成器
20 | 揭秘 Python 协程
21 | Python并发编程之Futures
22 | 并发编程之Asyncio
23 | 你真的懂Python GIL（全局解释器锁）吗？
24 | 带你解析 Python 垃圾回收机制
25 | 答疑（二）：GIL与多线程是什么关系呢？
26 | 活都来不及干了，还有空注意代码风格？！
27 | 学会合理分解代码，提高代码可读性
28 | 如何合理利用assert？
29 | 巧用上下文管理器和With语句精简代码
30 | 真的有必要写单元测试吗？
31 | pdb & cProfile：调试和性能分析的法宝
32 | 答疑（三）：如何选择合适的异常处理方式？
33 | 带你初探量化世界
34 | RESTful & Socket：搭建交易执行层核心
35 | RESTful & Socket：行情数据对接和抓取
36 | Pandas & Numpy：策略与回测系统
37 | Kafka & ZMQ：自动化交易流水线
38 | MySQL：日志和数据存储系统
39 | Django：搭建监控平台
40 | 总结：Python中的数据结构与算法全景
41 | 硅谷一线互联网公司的工作体验
42 | 细数技术研发的注意事项
加餐 | 带你上手SWIG：一份清晰好用的SWIG编程实践指南
43 | Q&A：聊一聊职业发展和选择
结束语 | 技术之外的几点成长建议
结课测试 | 关于Python的这些知识，你都掌握了吗？