咱们以《三国演义》人名和兵器谱为例，尝试读取不同结构的文本文件，并且对其中的信息进行统计分析和可视化。
入门
如何帮助学生高效入门 Python ，一直是困扰我的问题。
总结经验后，我写下了《如何高效学Python？》一文。
文中按照自律能力，我把学生分成了3个类别。
自律能力最高的，看书就行。文中推荐了我认为最好的 Python 书籍，有中文译本；
自律能力中等的，可以学各种轻量级课程组合。除了我当时推荐的课程平台外，最近我发现 Udemy 上的某些课程，也很不错；
自律能力较低的，可以学一门比较完整的专项课程。我推荐了经典 Python 入门课“Programming for Everybody”。
这篇文章很受欢迎，多个平台上阅读量都数以万计。
可是，有一个统计规律，我写作时，似乎没有考虑到。
直到后来，我收到了多名读者的留言反馈，才恍然大悟。
这个统计规律是：
自律能力，和英文能力，是显著正相关的。
仔细诼磨一下这句话，是不是能品出些滋味来？
如果一个学生自律能力较低，去尝试 “Programming for Everybody”，结果会发现英文听不懂，于是放弃……
读者的反馈，让我意识到了，找一门靠谱的、全面系统讲解 Python 基础的中文在线课程，是很重要的。
这样的课程，如果能够达到 “Programming for Everybody”的深度与广度，那么学过后，再进一步学数据挖掘、机器学习，乃至深度神经网络，就可以水到渠成了。
前几天，看到卖桃君（MacTalk，池建强老师的公众号）又重发了《人生苦短，我用 Python》的感言，我就知道又一门 Python 基础课程来了。
果不其然，池老师推荐的，是他们公司《极客时间》平台上的一门新 Python 课程《零基础学 Python》，主讲人是尹会生老师，金山软件西山居技术经理。
虽然我不需要“零基础”学 Python，但是我很想了解这门课，是否足够培训培训新入学的研究生，迅速掌握 Python 。
我很快就付费订阅了。
周末，我花了两个半天的时间，把目前已上线的27个视频（预计总视频数量50个），都从头到尾，完整看了一遍。
许多环节，我都实际跑了代码，还做了笔记。
我觉得，这门课对于我这个“非零基础”的学员，有不少帮助和启发。
如果你一直从事某一方面的工作或研究，即便是 Python 这么简单的语言，很多语法和技巧，你也不会经常用到。
用进废退。很多你学过的东西，也会遗忘掉。
系统地梳理知识体系，可以帮助自己补足漏洞，不至于经常“重新发明轮子”。
另外，我发现之前教程读者不断提出的一些问题，其实都跟 Python 基础命令的不熟悉有关系。
例如几乎每次教程，都要用到的文件操作，以读取外部数据。
你知道可以用 Pandas 读取与分析处理 csv 文件或者 Excel 文件。
但是那些非结构化的文本文件，你该如何读取与分析呢？
如果遇到编码问题，该怎么办？
尹老师在视频教程中，讲解了《三国演义》人名与兵器出现次数统计的例子，让我眼前一亮，觉得确实是很好的分析案例。
一个例子里面，不仅讲解了文件操作，还顺带复习了字符串、列表和字典等多项知识点。
而且我也是个《三国》迷，上中学的时候玩儿《三国志IV》非常上瘾。
为了修改武将技能和数值，还专门学会了16进制。
我在思考，如果换作自己授课，用同样的数据作为例子，给学生讲文件读取、字符串拆分、列表循环、字典生成……我会怎么讲呢？
作为行动派，我立刻就做了个视频教程出来。
视频教程
我采用 Jupyter Notebook 撰写了源代码，然后调用 mybinder ，把教程的运行环境扔到了云上。
请点击这个链接（http://t.cn/R1TLtxq），直接进入咱们的实验环境。
你不需要在本地计算机安装任何软件包。只要有一个现代化浏览器（包括Google Chrome, Firefox, Safari和Microsoft Edge等）就可以了。全部的依赖软件，我都已经为你准备好了。
如果你对这个代码运行环境的构建过程感兴趣，欢迎阅读我的《如何用iPad运行Python代码？》一文。
浏览器中开启了咱们的环境后，请你观看我给你录制的视频教程。
视频教程的链接在这里。
希望你能跟着教程，实际操作一遍。这样收获会比较大。
教程的末尾，我给你留了一道练习题。说明了练习题的要求，还给出了辅助框架代码。
请你自行尝试解决该练习题，以巩固所学知识。
如果你解完了练习题，或者在解题过程中遇到了问题，欢迎参考我做的练习解答视频，核对参考答案。
这段视频的链接在这里。
通过本教程，希望你已经掌握了以下知识：
- 如何读取文本文件；
- 如何把字符串分割成列表；
- 如何依据顺序，找出列表中的某一项内容；
- 如何遍历列表；
- 如何统计字符串a中，字符串b出现的次数；
- 如何新建，并用遍历方法，填充字典；
- 如何读入外部帮助函数模块，并调用其功能函数；
如果你希望在本地，而非云端运行本教程中的样例，请使用这个链接（http://t.cn/R1T4400）下载本文用到的全部源代码和运行环境配置文件（Pipenv）压缩包。
然后，请你参考《如何用 pipenv 克隆 Python 教程代码运行环境？》一文的说明，利用 Pipenv ，在本地构建代码运行环境。
如果你知道如何使用github，也欢迎用这个链接（http://t.cn/R1T4iL5）访问对应的github repo，进行clone或者fork等操作。
当然，要是能给我的repo加一颗星，就更好了。
建议
录完视频，我做个对比分析：
我俩的讲法，到底有哪些不同？
细节的差别，可能有很多。但是大多都不重要。
我只想给尹老师提一个建议——把握节奏。
这里的节奏，主要是为了学生和老师分别获得即时反馈用的。
编程不是一门看了，甚至听了，就能懂的课。
这就是为什么，得到App至今也没有上线编程课程。
编程必须要强调训练，注重实践。
训练该在什么时候做？
来自 Coursera, Udacity, 和 DataCamp 等平台的经验是：
间隔必须足够短。
老师得盯住学生在学完知识点后，旋即练习。
通过练习，把握知识和技能，提升应用能力。
学生在练习中遇到了疑惑，及时提问，加以解决，可以避免疑问的非线性积攒。
如果你不理解“疑问的非线性积攒”，可以回忆你学微积分或随机过程的遭遇。
学生不断积攒疑问，对老师也会有很大的不利影响。因为老师同样得不到有效反馈，还以为学生那边一切顺利呢。
在文件操作这一部分，尹老师确实也留了练习。
# 练习一 文件的创建和使用
1. 创建一个文件，并写入当前日期
2. 再次打开这个文件，读取文件的前4个字符后退出
问题在于，有多少学生会主动去 GitHub 上面找到这个练习，而且不但做了，还反馈给老师呢？
他们会拖延，甚至忽略这些练习。
然后一味继续播放下一集。
看似懂了内容，实际上没有真正掌握。
一旦中途遇到了比较困难的题目，或者是最后来个“期末考试”（例如项目作业），学生刚刚建立起来的学习兴趣和信心，可能会彻底崩盘。
还是回到一开始那个问题——如果学生自律能力足够强，他也就不需要这门 MOOC 了。
我的视频教程，就是把尹老师原先直接讲解的内容（武器文件读取与统计）先作为练习题，布置给了学生。
刚学完知识后，大部分人，还是愿意在操作成本足够低的情况下，去尝试一下的。
什么叫“操作成本足够低”？
看看我采取的这些方法，你就能理解了：
- 不需要学生自行安装任何编程环境，有浏览器和网络就行；
- 不用离开 Jupyter Lab 界面，直接打开另外一个 ipynb 就行；
- 不需要面对空的文档，只需要在辅助代码基础上，做填空就行；
- 不需要猜测代码长度，已经给出了建议行数；
- 不需要接触过多新的知识点，例如数据框转化、排序和绘图等，只需要调用已封装的帮助函数即可。
而且，视频教程末尾，明确说明了，下一个视频就是讲解练习的。
这就指明了，本练习的截止日期，就是你播放下一个视频的时候。
对于自律能力差的学生，很多时候，只能靠这种前面铺路、后面推一把的方法。
尹老师的教程介绍里面，类似《三国》武将和兵器谱统计这样的有趣例子还有不少。
例如查找星座和属相，用机器学习分类鸢尾花，用爬虫爬图片等。
因此，我对后续即将上线的20几个视频，还是很期待的。
《零基础学 Python》课程对应的 github 项目链接在这里（http://t.cn/R1TGsnK）。
里面不仅包括课程已发布视频的全部对应代码，还包含了配套的练习和讲义等。你可以在订阅课程之前，先浏览一下。
如果你对这门课程感兴趣，可以点击 这个链接 ，扫码订阅。
讨论
你是通过什么课程或书籍，入门 Python 的？它有什么特色？还有哪些值得改进的地方？欢迎留言，把你的经验和思考分享给大家，我们一起交流讨论。
喜欢请点赞。还可以微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。
如果你对数据科学感兴趣，不妨阅读我的系列教程索引贴《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。
