芯片验证学perl还是python

芯片验证学perl还是python

关于选择学习用python还是prel，张旭东老师说的比较清晰。那我就再谈一谈该怎么来开始学习python吧。为了便于大家观看，我把张老师的回答截了一下图，希望张老师谅解

我不推荐一开始就看太难的书籍，编程语言也很容易劝退，也不希望你只是在单纯的记忆理论，因为那样并没有太大的效果，我个人觉得还是从实战出发：

推荐一本入门的书籍：

理解这本书大约半个月左右的时间，并不会太耽误你的时间。看这本书实战的同时我还希望你做一些很通用的小项目，先在实验楼上进行学习，可以验证你的答案是否正确，这在初期是非常重要的，你一定要能够明确知道你做的是否正确：精选项目课程_IT热门课程_蓝桥课程 - 蓝桥​www.lanqiao​www.lanqiao

有一定的基础之后，也许你已经摩肩擦掌准备迎战了，这个时候的你需要有一个大神带带你，一个人闷头苦干虽然很英雄，但我并不认为这样的英雄主义可以提高你的效率，开始入手github吧，如果你对github不算很熟悉，我恰恰写了一篇github的文章:自学生信之番外篇：一键解锁github 希望能够有所帮助

github上面的python100天的项目我本人极为推崇。它可能不是最好的，但是对于初学者是比较适合的，有人带你学习是一件非常幸福的事情。先放一下github的链接。

也许你会觉得有点难，突然觉得自己好婆妈，没有关系，作者把前面入门的15天重新做了一个50天练习的项目。

我希望你能够着重注意一下正则表达式的应用（生信中你将经常用到他们）: 正则表达式30分钟入门教程

这里我特意提及Numpy、Pandas、Matplotlib这三个库，着实是因为他们很重要。

Numpy：利用Python科学计算的基础包，对Numpy的掌握将会帮助你有效地使用Pandas等

Pandas：结构和操作工具，能够使Python数据分析更加快速和容易

Matplotlib和seaborn：Python可视化库。散点图、箱线图、小提琴图等都是手到擒来。

如果你能坚持走几年生物信息的道路，我想未来在生物信息学领域的深度学习会大量运用的，这几个库的熟练应用会给你一些助力，如若有机会你自己也可以尝试实现一些数据挖掘的算法，解锁一些你对于python的期待：数据挖掘18大算法实现以及其他相关经典DM算法

我自己所能够帮助的并不多，也许你已经在这条路上走的很远了，你已经不需要这样的教程了，那就让更多其他的朋友一起来学习吧。感谢你的提问！一点建议：我不是很希望你看大部头的视频，我希望那些是你在遇到一些问题无法解决时用来查漏补缺的，我看过很多的pyhon学习视频，大多大而全，即便可以坚持，却容易陷入耗时久远而无法解决问题的困境，没错，我在这样的循环中用了一年多才醒悟。走错的路不希望其他人重走自己的路，仅此而已。

还是那句话，觉得说的对的给个三连，觉得没有什么用的大家看个乐~