python的变量与java的不一样，java的变量是固定类型的，而python的变量也是对象引用。以下是小编为你整理的0基础怎么自学python  

首先是理解对象引用，对象引用就是映射关系  

比如，你在超市的储物柜1号放了个包裹，那么你得到一张票据，上面写着A  

那么，这个A就是引用了这个格子  

标识符-等号-对象，比如，A = 123

那么，A是标识符，123是对象  

注意：标识符的大小写是区分的，ABC与Abc与abc，是不同的标识符  

如果之前接触过java，这个理解起来会有点不一样，python的变量就是对象引用，与java的变量存储在栈内存是不一样  

比如A=1，B=A，那么结果是A和B都指向1  

假如这时候，A=2，那么A会指向2，B不会跟着改变，则还是指向1  

所以说，A指向另外一个引用的时候，是直接指向另外一个引用所引用的对象的  

换成代码，则是下面这样，首先A指向1号，然后B指向A，再把A的指向2号  

这样的情况下，B不会跟着改变  

还有重要的一点，就是对象不会随着没有被引用而马上消失，假设A和B都是指向1，然后A和B又指向2，那么1没有被引用了，但是还是会存在的  

用代码演示就是  

A=1，打印A的内存地址  

A=2，打印A的内存地址  

A=1，打印A的内存地址  

A=2，打印A的内存地址  

如果对象没有被清除，那么4次打印内存地址，13次地址数值是相同的，24次也一样  

底部的内存地址，即使对象再次被引用的时候，还是原来的地址。  

学习爬虫首先学习Python，建议通过**mooc和《笨方法学Python》来实现入门，那本书的内容可以有所取舍。通过这两个途径再上网上针对性地查找相关内容完全可以入门，重点在于理解“面向对象”。  

爬虫入门首先要明白一些网络技术，了解TCP/IP参考模型，并且对应用层的HTTP协议的方法和工作原理有一定的认识。爬虫爬取网页内容，大多数网页服务由HTTP协议实现。  

正式学习爬虫库urllib和正则表达式，urllib灵活性很高，并且和你所学的网络原理、HTTP原理非常贴合，利于新手学习，正则表达式看看内容，再看几个实例就应该会用了，不推荐看乱七八糟的教程和MOOC(效果非常差，讲的跨度太大)，推荐书籍《精通Python网络爬虫 核心技术、框架与项目实战 》(韦玮)。同样是选择性的阅读。  

学习完成之后，多加实践，推荐实战项目：1、爬取漫画网上的一部漫画的所有图片，并用PowerPoint做成PDF 2、爬取电影下载网站上的所有电影下载链接并整理到Excel。能独立完成这两个实战项目，恭喜你已经成功入门!  

构造一个三维数组

import numpy as npa = np.random.rand(3,3,5)  

np.floor是一个ufunc函数，它是一个一元函数——取整函数，可以做用于a里面的每一个数字，且保持数组结构不变，仍旧是三维的3*3*5的数组：  

类似的一元ufunc函数还有很多，比如所有的初等数学函数：  

print(np.sin(b),'n',np.cos(b))  

np.add是一个多元的ufunc函数：  

b = np.add.reduce(a)  

这里，reduce的作用，是把add函数作用于数组a的*层每一个子数组，计算这些元素的和。  

具体的作用结果是：  

c = []for j in range(3): d = [] for i in range(5): #print(a[:,j,i],'t',sum(a[:,j,i])) d.append(sum(a[:,j,i])) c.append(d)print(np.array(c))  

b = np.add.reduce(a,axis = 1)  

这里指定了add作用于a的第二层子数组，具体如下：  

c = []for j in range(3): d = [] for i in range(5): #print(a[j,:,i],'t',sum(a[j,:,i])) d.append(sum(a[j,:,i])) c.append(d)print(np.array(c))  

b = np.add.reduce(a,axis = 2)  

将add函数作用于a的第三层子数组：  

print(sum(a[0,0]))

给出一个一维数组：  

import numpy as npa = np.floor(np.random.rand(6)*10)  

从左往右累计a里面的元素之和：  

b = np.add.accumulate(a)  

具体的类似于：  

c = 0d = []for i in range(6): c = c+a[i] d.append(c) print(np.array(d))

云基础设施

这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能(BI)。  

云平台分为私有云和公有云。私有云平台如日中天的 OpenStack，就是 Python 写的。曾经的追赶者 CloudStack，在刚推出时大肆强调自己是 Java 写的，比 Python 有优势。结果，搬石砸脚，2015 年初，CloudStack 的发起人 Citrix 宣布加入 OpenStack 基金会，CloudStack 眼看着就要寿终正寝。  

如果嫌麻烦不想自己搭建私有云，用公有云，不论是 AWS，GCE，Azure，还是阿里云，青云，在都提供了 Python SDK，其中 GCE 只提供 Python 和 JavaScript 的 SDK，而青云只提供 Python SDK。可见各家云平台对 Python 的重视。  

提到基础设施搭建，不得不提 Hadoop，在今天，Hadoop 因为其 MapReduce 数据处理速度不够快，已经不再作为大数据处理的*，但是 HDFS 和 Yarn——Hadoop 的两个组件——倒是越来越受欢迎。Hadoop 的开发语言是 Java，没有官方提供 Python 支持，不过有很多第三方库封装了 Hadoop 的 API 接口(pydoop，hadoopy 等等)。  

Hadoop MapReduce 的替代者，是号称快上 100 倍的 Spark，其开发语言是 Scala，但是提供了 Scala，Java，Python 的开发接口，想要讨好那么多用 Python 开发的数据科学家，不支持 Python，真是说不过去。HDFS 的替代品，比如 GlusterFS，Ceph 等，都是直接提供 Python 支持。Yarn 的替代者，Mesos 是 C++ 实现，除 C++ 外，提供了 Java 和 Python 的支持包。