学习路线图

根据你的目标选择最适合的学习路径，避免无效学习。

通用基础（所有方向必学）

Python 核心语言
  ├── 对象模型 & 内存管理
  ├── 装饰器 & 描述符
  ├── 生成器 & 协程
  └── 类型系统 typing

标准库精华
  ├── collections / itertools / functools
  ├── pathlib / dataclasses
  └── logging / argparse

路径一：数据分析 / 数据科学

预计时间：6-8 周

Week 1-2: NumPy
  - ndarray 内存布局与向量化
  - 广播机制 broadcasting
  - 通用函数 ufunc

Week 3-4: Pandas
  - Series / DataFrame 核心操作
  - groupby / merge / pivot
  - 时间序列处理

Week 5-6: 可视化
  - Matplotlib 底层架构
  - Seaborn 统计图表

Week 7-8: 机器学习入门
  - Scikit-learn Pipeline
  - 特征工程 & 模型评估

路径二：Web 后端开发

预计时间：8-10 周

Week 1-2: FastAPI
  - 路由 & 依赖注入
  - Pydantic 数据验证
  - 异步处理

Week 3-4: 数据库
  - SQLAlchemy ORM
  - Alembic 迁移
  - Redis 缓存

Week 5-6: 异步深入
  - asyncio 事件循环
  - httpx 异步 HTTP 客户端
  - 并发模式

Week 7-8: 工程化
  - pytest 测试
  - Docker 部署
  - 配置管理

Week 9-10: 进阶
  - Celery 任务队列
  - 性能优化
  - 监控 & 日志

路径三：AI 应用开发

预计时间：10-12 周

Week 1-3: 数据科学基础
  - NumPy + Pandas 快速过
  - Matplotlib 可视化

Week 4-6: PyTorch 基础
  - Tensor 操作
  - 自动微分 autograd
  - 神经网络构建

Week 7-8: HuggingFace 生态
  - Transformers 模型加载
  - Pipeline 快速推理
  - Fine-tuning 微调

Week 9-10: LLM 应用开发
  - OpenAI SDK
  - LangChain 框架
  - RAG 检索增强

Week 11-12: 工程化部署
  - FastAPI 封装 AI 服务
  - Docker 容器化
  - 性能优化

推荐学习顺序

优先级	模块	说明
⭐⭐⭐	CPython 运行时	理解一切的基础
⭐⭐⭐	对象模型 & 内存	写出高效代码的关键
⭐⭐⭐	collections / itertools	日常编码必备
⭐⭐⭐	typing 类型系统	现代 Python 必须掌握
⭐⭐	asyncio	Web/AI 开发必备
⭐⭐	pytest	工程化必备
⭐	元类 & 描述符	框架开发进阶

学习建议

每学一个库，立刻做一个小项目或工具。理论 + 实践的比例建议 3:7。