在CITYU-商学院-Management Science做RA时，主要任务是inventory与pricing等方面的coding工作，对应paper中的实验部分。该领域科研工作主要侧重点在于理论，期望结合问题的性质，给出model及optimal policy等；但在data-driven的趋势下，老板认为学生应该加强coding工作，故期望我分享如何学习编程，面向的对象为他的博士生。在这一背景下，完成了该slides。

Slides是我对自己编程学习的总结，抛开厚厚的书本，放弃“打开第一章”的动作，本着实用性的角度出发。

1. What is Python？

page1-1

page1-2

[统计来源]: https://www.tiobe.com/tiobe-index/

page1-3

[Python-Wiki]: https://en.wikipedia.org/wiki/Python_(programming_language)

[作者Wiki]: https://en.wikipedia.org/wiki/Guido_van_Rossum

他从著名英国喜剧团体Monty Python（巨蟒）身上得到了灵感，他本人也是该剧团的铁杆粉丝

page1-4

[图片来源]: https://Itw01.com/4RSDEGA.html

脚本语言每次运行都需要走完全部的运作流程edit-compile-link-run，特点就是interpreted

page1-5

2. Python从小白到入门

page2-1

page2-2

[conda VS pip]: https://stackoverflow.com/questions/20994716/what-is-the-difference-between-pip-and-conda

page2-3

page2-4

标蓝的库为常用库，用anaconda安装Python后，默认也会被安装

page2-5

[知乎《深度学习的Python包对比》]: https://www.zhihu.com/question/29412143

[PyFlux ArimaX introduction]: https://pyflux.readthedocs.io/en/latest/arimax.html#introduction

[强化学习，PyBrain]: http://pybrain.org/

并行计算的库一般已被集成到其他一些package里，但若是自己手动实现的代码，需自行添加

3. Python从入门到放弃

初学者看完第1、2章即可，后面的过程很难从编程中感受到快乐……

page3-1

page3-2

page3-3

page3-4

4. 操作演示

page4-1

这里不好放演示内容，故通过文字简单介绍下：

  1. 通过anaconda下载Python后，会自带下一个IDE，即spyder，个人觉得不够轻量级，所以推荐的IDE是微软的Visual Studio Code，下载地址为https://code.visualstudio.com/
  2. Jupyter Notebook是我非常喜欢的工具（将浏览器作为语言的IDE），类似于Matlab中的cmd，同时支持markdown的书写，可以让说明、公式、代码及每一代码块的运行结果出现在同一界面中，anaconda在安装好Python后也会自动将该工具安装好
  3. 对于不确定的代码，通过Jupyter单步运行，确定性的代码则copy到Visual Studio Code中进行封装

5. 总结

  1. 学习热情死于安装，但Python环境配置很简单，按上述介绍来即可
  2. 学习语言的最好方式为快速了解基本语法，再结合自己想实现的task，多google即可，书本仅作为查询细节的工具
  3. 多数童鞋想学习的Python的目的为数据处理与数据分析，对应Numpy、Pandas两个库函数，学会google里面输入“Pandas如何实现XXX功能”、“Numpy如何实现XXX功能”

page4-2

论和程序猿沟通方式的正确性