扈煬
Python當中學到了算法這個部分，我們就要考慮進階或者是提升。簡單的說一下，Python的進階流程：瞭解基本語法--->熟練使用常用的庫--->Pythonic--->高級玩法--->看透python的本質；
Python的使用範圍：
Web Programming: Django, Pyramid, Bottle, Tornado, Flask, web2py
GUI Development: wxPython, tkInter, PyGtk, PyGObject, PyQt
Scientific and Numeric: SciPy, Pandas, IPython
Software Development: Buildbot, Trac, Roundup
System Administration: Ansible, Salt, OpenStack
可以從上述的使用範圍來選擇深入學習。在Python中文開發者社區可以看到，論壇當中有很多適合提升水平的文章和項目。
推薦書籍：
英語水平過關的話建議看英文原版的，中文翻譯的會有寫偏差。這本書給出了很多代碼的方法和規範。並且作者的理念是把代碼當成寫文章。第一章開篇就是教我們代碼的整潔；第二章的內容是體現本意的命名能讓人更容易理解和修改代碼；後面還有函數、註釋、格式等等的；
如果只是要了解的話，看前面幾張就夠了。但是書中比較有價值的部分，在於進行重構的時候很多細小的步驟。看這本的話，網上也是有電子版本，並且在各大IT論壇當中有很多人寫讀書筆記。
提高算效率的技巧
（1）想量化的操作（可以參考書籍《利用Python進行數據分析》）
（2）廣播機制（可以參考書籍《Deeplearning深度學習筆記》）
（3）多線程多進程
GIL（全局解釋器鎖）它讓python的多線程無法充分利用多核的優勢，但是對於I/O操作頻繁的程序，利用多線程帶來的優勢還是非常明顯的。
傳智播客
如題，作為一個研究生，你用Python寫算法，我覺得你應該是想往大數據，人工智能方面發展。
Python這些年隨著大數據人工智能的大爆發也變得流行起來，你想再提升自己Python的水平，我覺得你可以從以下著手！
分佈式計算框架spark
Apache Spark是一個計算速度快，易用，支持複雜分析的大數據處理框架，大有取代mapreduce之勢。
Python雖說在機器學習和人工智能方面有極好的應用，但是Python有一個大缺陷，不支持分佈式計算，但是不要緊，spark提供了極好的Python接口Pyspark，藉助他，Python在分佈式計算、流計算方面有了極大提高。
另外，spark的核心RDD彈性分佈式數據集和Python中pandas中的DataFrame十分相似，可以十分方便的相互轉化。所以說spark讓Python有了分佈式處理大數據集的能力。
web後端
Python有十分多的強大的web後端框架，如Django，flask等，學習這這可以鞏固Python的基礎，又會使用到Python的高級用法，如裝飾器，類及魔法方法，數據庫等。
學習spark和web後端的優勢
你不可能一直在單機上使用模型，你可能會在大數據框架和網站來部署模型，這需要你瞭解後端和分佈式計算，學習這兩方面，既能提升Python水平，也能讓你在日後的大數據和人工智能領域如虎添翼。
愛數據的小司機
python
最接近人類的語言，學習起來特別容易上手。只會一門語言是不夠的，會影響對編程語言的理解。在研究生階段最好再入門Java或者C,有比較，更易理解Python語言的編程思想,語言的優劣。筆者就是寫過一段時間Python，工作需要用了一段時間Java,再回過頭用Python，領悟許多。看優秀Python包的源碼，建議看Google或者其他的大廠的開源小Python項目，看了不同人的代碼風格才知道自己差距在哪。然後，根據實際嘗試寫一個包發佈到
pypi.org
。動手做才能看到忽略的細節。Python寫算法，基本上的意思是會調機器學習的scikit-learn、深度學習的TensorFlow等。這些不能幫助理解一門語言的核心思想。建議嘗試用Python寫一個web項目，做做網頁或者寫寫接口。會做一個服務是日後工作的必修課。
最後一條也是最重要一條：學會使用PyCharm，按住“Ctrl”或"Command"後，點擊函數，進入代碼內部查看。
PythonCoder
除了用Python來寫算法之外，還可以用Python來來做web開發，網絡爬蟲，數據清洗，以及人工智能等。
至於怎麼樣提高自己的Python水平？給自己規劃一條學習路線，然後進行系統的學習，然後出去工作或者是自己接一些項目來做，通過做項目的方式來提升自己，畢竟做項目是綜合知識的應用。
瞭解過“如鵬網”的Python學習路線，可以作為參考，基本上都是慕名而去的。
1、Python基礎
2、數據庫開發
3、web前端
4、Python web開發及企業項目實戰
5、Linux
6、NoSQL
7、數據可視化
8、網絡爬蟲
9、人工智能
玩著學編程
作為研究生 用python的工作主要是數據分析崗位
對數據崗來說 除了算法模型之外 還需要的技能有
1 大數據工具
學會hadoopbspark這些大數據的工具的使用 這是海量數據處理的必備技能
2 工程接口
為了和其他團隊協作 需要熟悉restful api和一些簡單的服務器後臺的開發經驗 還有自動化部署測試的經驗 尤其是測試這塊 數據崗的測試和開發崗的測試內容完全不一樣 不僅僅是功能流程正確 還有邏輯和決策是合理 這是不瞭解數據的測試做不到的
3 本行業的數據洞察力
除了學習模型 數據分析師還需要補充行業相關的知識 這樣才能對業務上的數據有比較好的理解 這樣才能選擇和設計正確的模型去做分析決策
魔數思
研究生應該會寫很多論文吧，可以針對自己所學到的技術知識，外加查詢一些文獻等等，可以向一些媒體機構投稿，一是可以賺取一些稿費，還有就是對自己的畢業答辯或者以後的就業都是很有幫助的。
平時可以寫寫自己的博客，在博客上不僅可以學到很多大神的技術，還能通過寫博客，提升自己的技術。
如果有足夠的野心，Python的應用範圍是很多的，比如Web應用開發，自動化運維，網絡爬蟲，大數據分析，圖像處理，科學計算，遊戲，桌面軟件，人工智能等等
有條件的話，可以開始接觸一些實戰項目，在實戰中提高自己的技術水平！
碼農視界
除了學習算法，也可以學習做界面，做爬蟲，做工程，比如做一個網站，基於爬蟲進行信息聚集，加工挖掘，然後展示給用戶，也可以挖掘做產品，多看看github成熟的項目，看看python和大數據的集成
