【王的机器】要和新加坡一家在线教育平台 VIPCLASS 一起合作推出 Python 课程，整套内容目录如下图。
首先要学好 Python 的基础知识，不要一上来就好高骛远使用各种包。打牢基础之后，我们再把旗下最常用的几个包一一攻破：
用于数组计算的 Numpy
用于科学计算的 Scipy
用于数据分析的 Pandas
用于基本可视化的 Matplotlib
用于统计可视化的 Seaborn
用于交互可视化的 PyEcharts
用于机器学习的 Scikit-Learn
用于深度学习的 Keras
本次课程只是 Python 基础，分 11 节。
扫描下方二维码即可报名
👇👇👇
我是谁不重要，我能死磕细节、细磨课件，全心付出，深入浅出的教会你们 Python 才重要，这些特质「王的机器」的读者应该很熟悉。面向不是公众号的朋友，还是贴张简历吧。
市面上的课程推广文章通常会吹嘘一番 Python，再贩卖一波焦虑，让你买课，但我不会，我更喜欢无套路实打实的推广。
不过有人还是会问：
Python 基础知识就那么少
市面免费或低价的课那么多
为什么还要付费上你的课？
原因就在于我按下面四点讲课（看过我文章的朋友也应该知道我喜欢这样写文章）：
体系化，故事化，可视化，抽象化
体系化（systematize）可以把握全局
故事化（dramatize）可以引人入迷
可视化（visualize）可以增强记忆
抽象化（generalize）可以认清本质
下节我就结合「学习 Python 基础知识」来详细而具体地介绍这四点。
表面上看，上这 Python 课能学到的肯定是 Python，但是学到「体系化、故事化、可视化、抽象化任何知识的这种能力」会更加重要。
将零碎的知识点体系化真的很重要，我就把这门课的所有要点都放在一张思维脑图（是体系化知识的好工具）里了。
整个 Python 基础内容我把它结构化为六点：
编程概论
数据
流程
函数
对象和类
高级特征
从下面动图可看出每个点的更多细节。
按上面这种方式划分构建一个体系是有原因的：
编程概论：学习任何一种编程语言，我们都需要了解一些概论。类比计算机语言和人类语言，学习语言首先要了解其词汇和语法，再开始讲故事。
了解完概论就可以了解所有编程语言中最重要的一环，数据。
数据：数据的重要性不需要多讲，在 Python 中数据可分两大类：
元素型：整数、浮点、布尔、None
容器型：字符串、元组、列表、字典、集合
数据会被命名成变量，变量（词）之间会发现联系（句子），当你试着「用词造句讲故事」的时候，你实际创建了一个流程，而流程需要控制。
流程：类比三种演绎故事的形式，代码也可以按顺序写、按条件写（if）、重复写（while, for），这些都叫做流程控制，当然在运行不出错的时候。如果出错了需要异常处理（try, except）。因此流程控制可细分
当你想重复使用一组语句时，你需要考虑函数。
函数：Python 定义函数有两种方式：
用 def 定义普通函数
用 lambda 定义匿名函数
Python 把函数当成「一等公民」，即可把函数当成变量使用，进而可以定义高阶函数（普通函数和匿名函数都属于低阶函数）：
介绍完数据和函数后，我们可得出
如果只处理数据，将其存储在列表，字典或其他数据中
如果只处理行为，而没有存储数据，则使用函数更合适
如果同时要处理到数据和行为呢？考虑对象和类。
对象和类：对象是既具有数据又具有行为的实例，而类是对象的描述。变量和函数是零散的，而对象将它们集合起来，
字段和方法统称为类的属性（attributes）。
基于对象编程叫做「面向对象编程」，里面的知识点包括：实例变量、类变量、实例方法、类方法、静态方法、继承、多态、魔法方法、属性装饰器等。
高级特征：这是都是些锦上添花的东西，包括格式化字符串、正则表达式、解析表达式、生成器、迭代器和装饰器等等。
现在我已经把整套课的体系建出来了，当然每个知识点还有很多细节要去深挖。学习一个新事物时，我痴迷于去体系化其要点，去对比和类比其性质、这样知识点会越来越明晰。
体系化可以把握全局
故事总是比代码更能让人感兴趣，尤其以 Python 的难点「装饰器」为例，如果一上来就给装饰器的代码 @decorate_function，没有多少人能坚持学下去的。但是如果将它赋予故事呢？
故事开始
斯蒂文是个厨师，有一天开始研究汉堡 (burger) 的做法，第一次他只用鸡肉饼做汉堡。
def meat(food='--鸡肉饼--'): print(food)
burger = meatburger()
很明显汉堡都是肉，太荤了。加点蔬菜如何？
def vegetable(func): def wrapper(): print(' ~西红柿~') func() print(' ~沙拉菜~')burger = vegetable(meat)burger()
现在汉堡看起来不错，可是好像看缺少了什么？对，再加点面包就好了。
def bread(func): def wrapper(): print('------\>') func() print('') return wrapper burger = bread(vegetable(meat))burger()
------\>
~西红柿~
--鸡肉饼--
~沙拉菜~
<\------/>
现在看上去真像汉堡，面包夹着蔬菜，蔬菜夹着肉。
故事结束
面包和蔬菜「装饰」着鸡肉饼，bread() 和 vegatable() 这两个函数起着「装饰器」的作用，它们没有改变 meat() 函数，只在它的基础上添砖加瓦，最后把鸡肉饼装饰成汉堡。
我相信即便你在还不太懂 Python 函数的情况，也能大概了解装饰器的作用了。
除了故事化，我在讲难点时喜欢把所有需要的知识点过一遍。比如装饰器涉及到函数的各种用法，我会在讲装饰器前，揉碎了讲下面几个知识点：
把函数赋值给变量
在函数里定义函数
在函数里返回函数
把函数传递给函数
这样你们学起来会很轻松，但对我而言就要下很大功夫，但是我愿意。
故事化可以引人入迷
一图胜千言，人是感官动物，从图表中接收的信息绝对比从文字快。
在学习高阶函数 map, filter, reduce 的时候，绝大教材都会直接上代码这样举例：
lst = [1, 2, 3, 4, 5] map_iter = map( lambda x: x**2, lst ) list(map_iter)
f_iter = filter( lambda x: x%2==1, lst ) list(f_iter)
from functools import reducereduce( lambda x,y: x+y, lst )
虽然可以看懂，但是总觉得不直观。再看看我是如何来「可视化」这三个函数的。
我们看着 Emoji，很自然的就能读懂
将 cook 函数映射（map）到牛、土豆、鸡和玉米上，就能做出汉堡、薯条、鸡腿和爆米花。原来 map 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上啊。
用 ismeat 函数来判断牛、土豆、鸡和玉米是不是肉，得出汉堡和鸡腿是肉，因此将它们过滤（filter）出来。原来 filter 函数是把它第一个参数（函数）作用到它第二个参数（容器型数据）上，然后过滤出返回为真的数据。
-
将 eat 函数压缩（reduce）牛、土豆、鸡和玉米成排泄物，因此 reduce 函数是用第一个参数（函数）作用到它第二个参数（容器型数据）上，得到一个元素型数据。
这样是不是秒懂 map, filter 和 reduce 了？
再举一个我最喜欢的例子，「可视化」列表解析式。
你可以把「带 if 的 for 循环」到「解析式」的过程想像成一个「复制-粘贴」的过程：
将「for 循环」的新列表复制到「解析式」里
将 append 里面的表达式 n 复制到新列表里
复制循环语句 for n in lst 到新列表里，不要最后的冒号
复制条件语句 if n%2 == 1 到新列表里，不要最后的冒号
通过这样的可视化过程，你发现列表解析式原来这么简单直观啊。
从具体问题能抽出本质是一种很重要的能力，人一旦会举一反三才算会学习。
以格式化字符串举例，一般有四种方法：
用 % 字符
用 $ 字符
用 format 函数
用 f-string
如果光看例子，那真是千奇百怪，但透过例子看本质，每种方法都有通用的语法格式，如下图总结。
记住那么多特例是不可能的，但记住这四种通式是可行的。
抽象化可以认清本质
扫描下方二维码即可报名
👇👇👇
11 节高强度高输出的课才 75 人民币，我都觉得有些对不起自己的付出了。Python 基础课上完之后，我还有八门 Python 金融工程的进阶课，里面包含各种案例，比如
用 Numpy 计算交易组合的风险价值，计算贷款组合的经济资本，分配投资组合的最佳权重，等等。
用 Scipy 用偏微分方程定价障碍期权，用蒙特卡洛方法实现随机波动率模型，等等。
用 Pandas 实现三隔栏（triple-barrier）和元标签（meta-label），等等。
用 Matplotlib 和 PyEcharts 来绘制各种金融数据的关系图。
用 Scikit-learn 和 Keras 来实现多因子模型，等等。
整套 Python 生态配上金融工程的内容，我想想都感到兴奋，能做出来非常不容易，能有幸让你们都学会更有满足感，当然价格一定会比 Python 基础课的 75 元要高。
回到这次Python 基础课，授课时间和方式的细节如下：
2020 年 4 月 7 日开课
每周二和周四晚上 8 点半
每堂课 30 分钟
如果内容讲不完会延长时间
直播 + 录播
我就喜欢用框架总结，抓住重点
我就喜欢用故事类比，妙趣横生
我就喜欢用图表剖析，简单易懂
我就喜欢用通式归纳，举一反三
此外，我会死磕每一个细节，揉碎每一个难点，细调每一页课件的颜值。
如果你同意我的教课理念，看过并喜欢我的文章，也相信我的课程质量，那么就来报名吧，让我来给你一次不一样的 Python 课。
2020 年 4 月 7 日晚上 8 点半
我等着你
