Learning Python the Language (in case of)

Related: /jupyter /Learn-Django /python-gui: desktop GUI/frontend /py-cookbook : code reuse /pyvis: plot in py Python in Win by MS official tutorial CN 用 Rust 让 numpy、scikit 和 pandas 加速 100 倍！开源 Weld 技术揭秘 学 Python ，开头几件事： 熟悉基础语法 + 使用虚拟环境。 之后，考虑：1. 基于 uv 使用 AI-IDE 的 CLI； 2. Linux。 Python 数据处理基础 (Python Data Processing Fundamentals) # 以 菜鸟教程网 为主打基础（py 基础语法、常用的数据处理 py 包）： python 基础： 菜鸟教程 runoob.com (提示：此网页中的“高级教程”是指基础教程的高级部分)，如果不是专业软件开发人员，只是做科研实验，要求如下： 熟练使用（能够人工手写示例代码）：从基础语法直到函数的内容（不含：推导式生成器、迭代器） 理解（根据代码写出运行结果）推导式生成器、迭代器、从“lambda”到“命名空间”的内容； 了解（能够举出相关概念的例子 (即使语法错误也可以)，需要时能够不依赖 AI 定位到参考资料）之后的内容，主要是：标准库概览、正则表达式、XML、JSON、日期和时间； 不要看：虚拟环境的创建（venv），venv 已被淘汰，改用 uv； 【重要】：对于基础的基础示例代码（“熟练使用” 和 “理解” 部分），一定要跟着一个字母一个字母敲（做到根据不同要求，自己能完全能写出来一样的示例，熟悉这些基础函数的调用方法和常用参数），绝对不要直接复制粘贴。 np (numpy): 从开始到“排序”，应该跟着做，要能完全看懂；“排序”后的内容、scipy，过一遍，用时再学。 pd (pandas)：从开始到 DataFrame，应该跟着做，要能完全看懂；之后的内容过一遍，用时再学。 scikit-learn : 从开始到 Sklearn 机器学习模型， 应该跟着做，要能完全看懂；之后的内容过一遍，用时再学。 机器学习：scikit-learn 中包含的几个最基础的算法，建议跟着做，至少做一个最最基础、最易理解的 K 近邻算法，其他的至少要能完全看懂，学习目标：学完后能够知道经典的机器学习流程、基本原理。 如果看菜鸟教程都看不懂，可以看黑马视频教程，优点是极其详细，缺点是信息密度极低。 ...