python項目經驗

Ⅰ python項目經驗簡歷怎麼寫

寫一份優秀簡歷要先構思好，最後再一字一句修改。
1.篇幅。通常A4紙一頁（另加一頁英文），最多兩頁。招聘者每瀏覽一封簡歷的時間大概不會超過5秒，要閱讀收到的上百份簡歷，沒有時間看長篇大論。只會看幾個主要的信息，如：年齡、畢業學校、專業、主要技能、主要工作經歷等等。
2.格式。格式要滿足「簡潔明快、重點突出」的原則。簡歷最好使用表格的形式，避免冗長的文字。要做到思路清晰、層次分明、有條有理、內容完整、整體結構簡潔明快。http://www.geren-jianli.com
3.製作。不要用簡歷模板。如果讓你一口氣看一樣的模板，感覺是怎麼樣。還是自己寫（製作）吧，也能體現你的水平。絕對不能出現錯別字、語法和標點符號方面的低級錯誤。
4.特色。必須突出重點，圍繞招聘條件來寫，與申請工作無關的要盡量不寫，而對你申請的工作有意義的經歷和經驗絕不能漏掉。簡歷最重要的一點是：告訴招聘者，你的能力能出色完成職位工作任務。
基本信息。
1.標題。姓名+應聘職位。最好不要只寫「簡歷」或「個人簡歷「。
2.照片。要「實在」，不能「花里胡哨」。建議不使用藝術照、生活照。
3.校徽。通常不放。
4.求職意向。要有。包括目標職能、到崗時間。
個人技能。
主要包括專業資格、計算機水平、外語水平等。表述盡量量化，不要使用過於抽象的語言。例：
教育背景。
由近及遠寫畢業院校，註明GPA及排名。公司會看你畢業的學校，如果你是名校畢業的，就可以著重強調學校，如果你畢業於一般的學校，你就強調你的專業、學歷或學習成績。
項目經歷（或工作經歷、實習經歷）。
主要側重以前曾獨立完成過的工作，取得的成績。
選擇與應聘職位相關的經驗，嚴格按照STAR法則填寫。要有重點、有選擇，不能是事情過程的堆積。
如果有學術研究成果、專利成果、競賽突出成績一定要寫， 但要與應聘職位相關。
獎勵情況。
如果有，必須寫。要注意歸納和分析，寫重要的、與招聘職位相關的。
應特別強調獎勵的級別及特殊性。
性格特長。
選擇性地添加，與求職職位相符而不能相反。
能說明你的性格特長在工作里是很重要的。
個人評價。
就是填寫你的基本評價，很重要，要一字一句斟酌，有的還寫在靠前的地方。
注意不要說自己不好，不好的地方不要刻意露，比如「缺乏工作經驗」等，這樣是在提醒招聘者。注意別寫「套話」。
其它信息。
包括聯系方式、個人的身份證號等。
投遞。

Ⅱ python 開發經驗怎麼xie

當我開始學習Python的時候，有些事我希望我一早就知道。我花費了很多時間才學會這些東西。我想要把這些重點都編纂到一篇文章當中。這篇文章的目標讀者，是剛剛開始學習Python語言的有經驗的程序員，想要跳過前幾個月研究Python使用的那些他們已經在用的類似工具。包管理和標准工具這兩節對於初學者來說同樣很有幫助。
我的經驗主要基於Python 2.7，但是大多數的工具對任何版本都有效。
如果你從來沒有使用過Python，我強烈建議你閱讀Python introction，因為你需要知道基本的語法和類型。
包管理
Python世界最棒的地方之一，就是大量的第三方程序包。同樣，管理這些包也非常容易。按照慣例，會在 requirements.txt 文件中列出項目所需要的包。每個包佔一行，通常還包含版本號。這里有一個例子，本博客使用Pelican：

1
2
3

pelican==3.3
Markdown
pelican-extended-sitemap==1.0.0

Python 程序包有一個缺陷是，它們默認會進行全局安裝。我們將要使用一個工具，使我們每個項目都有一個獨立的環境，這個工具叫virtualenv。我們同樣要安裝一個更高級的包管理工具，叫做pip，他可以和virtualenv配合工作。
首先，我們需要安裝pip。大多數python安裝程序已經內置了easy_install（python默認的包管理工具），所以我們就使用easy_install pip來安裝pip。這應該是你最後一次使用easy_install 了。如果你並沒有安裝easy_install ，在linux系統中，貌似從python-setuptools 包中可以獲得。
如果你使用的Python版本高於等於3.3， 那麼Virtualenv 已經是標准庫的一部分了，所以沒有必要再去安裝它了。
下一步，你希望安裝virtualenv和virtualenvwrapper。Virtualenv使你能夠為每個項目創造一個獨立的環境。尤其是當你的不同項目使用不同版本的包時，這一點特別有用。Virtualenv wrapper 提供了一些不錯的腳本，可以讓一些事情變得容易。

1

sudo pip install virtualenvwrapper

當virtualenvwrapper安裝後，它會把virtualenv列為依賴包，所以會自動安裝。
打開一個新的shell，輸入mkvirtualenv test 。如果你打開另外一個shell，則你就不在這個virtualenv中了，你可以通過workon test 來啟動。如果你的工作完成了，可以使用deactivate 來停用。

IPython
IPython是標准Python互動式的編程環境的一個替代品，支持自動補全，文檔快速訪問，以及標准互動式編程環境本應該具備的很多其他功能。
當你處在一個虛擬環境中的時候，可以很簡單的使用pip install ipython 來進行安裝，在命令行中使用ipython 來啟動

另一個不錯的功能是」筆記本」，這個功能需要額外的組件。安裝完成後，你可以使用ipython notebook，而且會有一個不錯的網頁UI，你可以創建筆記本。這在科學計算領域很流行。

測試
我推薦使用nose或是py.test。我大部分情況下用nose。它們基本上是類似的。我將講解nose的一些細節。
這里有一個人為創建的可笑的使用nose進行測試的例子。在一個以test_開頭的文件中的所有以test_開頭的函數，都會被調用：

1
2

def test_equality():
assert True == False

不出所料，當運行nose的時候，我們的測試沒有通過。

1
2
3
4
5
6
7
8
9
10
11
12
13

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests
F
======================================================================
FAIL: test_nose_example.test_equality
----------------------------------------------------------------------
Traceback (most recent call last):
File "/Users/jhaddad/.virtualenvs/test/lib/python2.7/site-packages/nose/case.py", line 197, in runTest
self.test(*self.arg)
File "/Users/jhaddad/.virtualenvs/test/src/test_nose_example.py", line 3, in test_equality
assert True == False
AssertionError
----------------------------------------------------------------------

nose.tools中同樣也有一些便捷的方法可以調用

1
2
3

from nose.tools import assert_true
def test_equality():
assert_true(False)

如果你想使用更加類似JUnit的方法，也是可以的：

1
2
3
4
5
6
7
8
9
10

from nose.tools import assert_true
from unittest import TestCase
class ExampleTest(TestCase):
def setUp(self): # setUp & tearDown are both available
self.blah = False
def test_blah(self):
self.assertTrue(self.blah)

開始測試：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests
F
======================================================================
FAIL: test_blah (test_nose_example.ExampleTest)
----------------------------------------------------------------------
Traceback (most recent call last):
File "/Users/jhaddad/.virtualenvs/test/src/test_nose_example.py", line 11, in test_blah
self.assertTrue(self.blah)
AssertionError: False is not true
----------------------------------------------------------------------
Ran 1 test in 0.003s
FAILED (failures=1)

卓越的Mock庫包含在Python 3 中，但是如果你在使用Python 2，可以使用pypi來獲取。這個測試將進行一個遠程調用，但是這次調用將耗時10s。這個例子顯然是人為捏造的。我們使用mock來返回樣本數據而不是真正的進行調用。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import mock
from mock import patch
from time import sleep
class Sweetness(object):
def slow_remote_call(self):
sleep(10)
return "some_data" # lets pretend we get this back from our remote api call
def test_long_call():
s = Sweetness()
result = s.slow_remote_call()
assert result == "some_data"

當然，我們的測試需要很長的時間。

1
2
3
4
5

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests test_mock.py
Ran 1 test in 10.001s
OK

太慢了！因此我們會問自己，我們在測試什麼？我們需要測試遠程調用是否有用，還是我們要測試當我們獲得數據後要做什麼？大多數情況下是後者。讓我們擺脫這個愚蠢的遠程調用吧：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

import mock
from mock import patch
from time import sleep
class Sweetness(object):
def slow_remote_call(self):
sleep(10)
return "some_data" # lets pretend we get this back from our remote api call
def test_long_call():
s = Sweetness()
with patch.object(s, "slow_remote_call", return_value="some_data"):
result = s.slow_remote_call()
assert result == "some_data"

好吧，讓我們再試一次：

1
2
3
4
5
6

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ nosetests test_mock.py
.
----------------------------------------------------------------------
Ran 1 test in 0.001s
OK

好多了。記住，這個例子進行了荒唐的簡化。就我個人來講，我僅僅會忽略從遠程系統的調用，而不是我的資料庫調用。
nose-progressive是一個很好的模塊，它可以改善nose的輸出，讓錯誤在發生時就顯示出來，而不是留到最後。如果你的測試需要花費一定的時間，那麼這是件好事。
pip install nose-progressive 並且在你的nosetests中添加--with-progressive
調試
iPDB是一個極好的工具，我已經用它查出了很多匪夷所思的bug。pip install ipdb 安裝該工具，然後在你的代碼中import ipdb; ipdb.set_trace()，然後你會在你的程序運行時，獲得一個很好的互動式提示。它每次執行程序的一行並且檢查變數。

python內置了一個很好的追蹤模塊，幫助我搞清楚發生了什麼。這里有一個沒什麼用的python程序：

1
2
3

a = 1
b = 2
a = b

這里是對這個程序的追蹤結果：

1
2
3
4
5
6
7

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ python -m trace --trace tracing.py 1 ?
--- molename: tracing, funcname: <mole>
tracing.py(1): a = 1
tracing.py(2): b = 2
tracing.py(3): a = b
--- molename: trace, funcname: _unsettrace
trace.py(80): sys.settrace(None)

當你想要搞清楚其他程序的內部構造的時候，這個功能非常有用。如果你以前用過strace，它們的工作方式很相像
在一些場合，我使用pycallgraph來追蹤性能問題。它可以創建函數調用時間和次數的圖表。

最後，objgraph對於查找內存泄露非常有用。這里有一篇關於如何使用它查找內存泄露的好文。
Gevent
Gevent 是一個很好的庫，封裝了Greenlets，使得Python具備了非同步調用的功能。是的，非常棒。我最愛的功能是Pool，它抽象了非同步調用部分，給我們提供了可以簡單使用的途徑，一個非同步的map()函數：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

from gevent import monkey
monkey.patch_all()
from time import sleep, time
def fetch_url(url):
print "Fetching %s" % url
sleep(10)
print "Done fetching %s" % url
from gevent.pool import Pool
urls = ["http://test.com", "http://bacon.com", "http://eggs.com"]
p = Pool(10)
start = time()
p.map(fetch_url, urls)
print time() - start

非常重要的是，需要注意這段代碼頂部對gevent monkey進行的補丁，如果沒有它的話，就不能正確的運行。如果我們讓Python連續調用 fetch_url 3次，通常我們期望這個過程花費30秒時間。使用gevent：

1
2
3
4
5
6
7
8

(test)jhaddad@jons-mac-pro ~VIRTUAL_ENV/src$ python g.py
Fetching http://test.com
Fetching http://bacon.com
Fetching http://eggs.com
Done fetching http://test.com
Done fetching http://bacon.com
Done fetching http://eggs.com
10.001791954

如果你有很多資料庫調用或是從遠程URLs獲取，這是非常有用的。我並不是很喜歡回調函數，所以這一抽象對我來說效果很好。

Ⅲ python怎麼學習

對於很多想學習Python的小夥伴來說，不知道從何開始，小蝸這里整理了一份Python全棧開發的學習路線，大家可按照以下這份大綱來進行學習：

第一階段：專業核心基礎

階段目標：
1. 熟練掌握Python的開發環境與編程核心知識
2. 熟練運用Python面向對象知識進行程序開發
3. 對Python的核心庫和組件有深入理解
4. 熟練應用SQL語句進行資料庫常用操作
5. 熟練運用Linux操作系統命令及環境配置
6. 熟練使用MySQL，掌握資料庫高級操作
7. 能綜合運用所學知識完成項目

知識點：
Python編程基礎、Python面向對象、Python高級進階、MySQL資料庫、Linux操作系統。
1、Python編程基礎，語法規則，函數與參數，數據類型，模塊與包，文件IO，培養扎實的Python編程基本功，同時對Python核心對象和庫的編程有熟練的運用。
2、Python面向對象，核心對象，異常處理，多線程，網路編程，深入理解面向對象編程，異常處理機制，多線程原理，網路協議知識，並熟練運用於項目中。
3、類的原理，MetaClass，下劃線的特殊方法，遞歸，魔術方法，反射，迭代器，裝飾器，UnitTest，Mock。深入理解面向對象底層原理，掌握Python開發高級進階技術，理解單元測試技術。
4、資料庫知識，範式，MySQL配置，命令，建庫建表，數據的增刪改查，約束，視圖，存儲過程，函數，觸發器，事務，游標，PDBC，深入理解資料庫管理系統通用知識及MySQL資料庫的使用與管理。為Python後台開發打下堅實基礎。
5、Linux安裝配置，文件目錄操作，VI命令，管理，用戶與許可權，環境配置，Docker，Shell編程Linux作為一個主流的伺服器操作系統，是每一個開發工程師必須掌握的重點技術，並且能夠熟練運用。

第二階段：PythonWEB開發

階段目標：
1. 熟練掌握Web前端開發技術，HTML，CSS，javaScript及前端框架
2. 深入理解Web系統中的前後端交互過程與通信協議
3. 熟練運用Web前端和Django和Flask等主流框架完成Web系統開發
4. 深入理解網路協議，分布式，PDBC，AJAX，JSON等知識
5. 能夠運用所學知識開發一個MiniWeb框架，掌握框架實現原理
6. 使用Web開發框架實現貫穿項目

知識點：
Web前端編程、Web前端高級、Django開發框架、Flask開發框架、Web開發項目實戰。
1、Web頁面元素，布局，CSS樣式，盒模型，JavaScript，JQuery與Bootstrap掌握前端開發技術，掌握JQuery與BootStrap前端開發框架，完成頁面布局與美化。
2、前端開發框架Vue，JSON數據，網路通信協議，Web伺服器與前端交互熟練使用Vue框架，深入理解HTTP網路協議，熟練使用Swagger，AJAX技術實現前後端交互。
3、自定義Web開發框架，Django框架的基本使用，Model屬性及後端配置，Cookie與Session，模板Templates，ORM數據模型，Redis二級緩存，RESTful，MVC模型掌握Django框架常用API，整合前端技術，開發完整的WEB系統和框架。
4、Flask安裝配置，App對象的初始化和配置，視圖函數的路由，Request對象，Abort函數，自定義錯誤，視圖函數的返回值，Flask上下文和請求鉤子，模板，資料庫擴展包Flask-Sqlalchemy，資料庫遷移擴展包Flask-Migrate，郵件擴展包Flask-Mail。掌握Flask框架的常用API，與Django框架的異同，並能獨立開發完整的WEB系統開發。

第三階段：爬蟲與數據分析

階段目標：
1. 熟練掌握爬蟲運行原理及常見網路抓包工具使用，能夠對HTTP及HTTPS協議進行抓包分析
2. 熟練掌握各種常見的網頁結構解析庫對抓取結果進行解析和提取
3. 熟練掌握各種常見反爬機制及應對策略，能夠針對常見的反爬措施進行處理
4. 熟練使用商業爬蟲框架Scrapy編寫大型網路爬蟲進行分布式內容爬取
5. 熟練掌握數據分析相關概念及工作流程
6. 熟練掌握主流數據分析工具Numpy、Pandas和Matplotlib的使用
7. 熟練掌握數據清洗、整理、格式轉換、數據分析報告編寫
8. 能夠綜合利用爬蟲爬取豆瓣網電影評論數據並完成數據分析全流程項目實戰

知識點：
網路爬蟲開發、數據分析之Numpy、數據分析之Pandas。
1、爬蟲頁面爬取原理、爬取流程、頁面解析工具LXML，Beautifulfoup，正則表達式，代理池編寫和架構、常見反爬措施及解決方案、爬蟲框架結構、商業爬蟲框架Scrapy，基於對爬蟲爬取原理、網站數據爬取流程及網路協議的分析和了解，掌握網頁解析工具的使用，能夠靈活應對大部分網站的反爬策略，具備獨立完成爬蟲框架的編寫能力和熟練應用大型商業爬蟲框架編寫分布式爬蟲的能力。
2、Numpy中的ndarray數據結構特點、numpy所支持的數據類型、自帶的數組創建方法、算術運算符、矩陣積、自增和自減、通用函數和聚合函數、切片索引、ndarray的向量化和廣播機制，熟悉數據分析三大利器之一Numpy的常見使用，熟悉ndarray數據結構的特點和常見操作，掌握針對不同維度的ndarray數組的分片、索引、矩陣運算等操作。
3、Pandas裡面的三大數據結構，包括Dataframe、Series和Index對象的基本概念和使用，索引對象的更換及刪除索引、算術和數據對齊方法，數據清洗和數據規整、結構轉換，熟悉數據分析三大利器之一Pandas的常見使用，熟悉Pandas中三大數據對象的使用方法，能夠使用Pandas完成數據分析中最重要的數據清洗、格式轉換和數據規整工作、Pandas對文件的讀取和操作方法。
4、matplotlib三層結構體系、各種常見圖表類型折線圖、柱狀圖、堆積柱狀圖、餅圖的繪制、圖例、文本、標線的添加、可視化文件的保存，熟悉數據分析三大利器之一Matplotlib的常見使用，熟悉Matplotlib的三層結構，能夠熟練使用Matplotlib繪制各種常見的數據分析圖表。能夠綜合利用課程中所講的各種數據分析和可視化工具完成股票市場數據分析和預測、共享單車用戶群里數據分析、全球幸福指數數據分析等項目的全程實戰。

第四階段：機器學習與人工智慧

階段目標：
1. 理解機器學習相關的基本概念及系統處理流程
2. 能夠熟練應用各種常見的機器學習模型解決監督學習和非監督學習訓練和測試問題，解決回歸、分類問題
3. 熟練掌握常見的分類演算法和回歸演算法模型，如KNN、決策樹、隨機森林、K-Means等
4. 掌握卷積神經網路對圖像識別、自然語言識別問題的處理方式，熟悉深度學習框架TF裡面的張量、會話、梯度優化模型等
5. 掌握深度學習卷積神經網路運行機制，能夠自定義卷積層、池化層、FC層完成圖像識別、手寫字體識別、驗證碼識別等常規深度學習實戰項目

知識點：
1、機器學習常見演算法、sklearn數據集的使用、字典特徵抽取、文本特徵抽取、歸一化、標准化、數據主成分分析PCA、KNN演算法、決策樹模型、隨機森林、線性回歸及邏輯回歸模型和演算法。熟悉機器學習相關基礎概念，熟練掌握機器學習基本工作流程，熟悉特徵工程、能夠使用各種常見機器學習演算法模型解決分類、回歸、聚類等問題。
2、Tensorflow相關的基本概念，TF數據流圖、會話、張量、tensorboard可視化、張量修改、TF文件讀取、tensorflow playround使用、神經網路結構、卷積計算、激活函數計算、池化層設計，掌握機器學習和深度學習之前的區別和練習，熟練掌握深度學習基本工作流程，熟練掌握神經網路的結構層次及特點，掌握張量、圖結構、OP對象等的使用，熟悉輸入層、卷積層、池化層和全連接層的設計，完成驗證碼識別、圖像識別、手寫輸入識別等常見深度學習項目全程實戰。

Ⅳ 學習python的話大概要學習哪些內容

想要學習Python，需要掌握的內容還是比較多的，對於自學的同學來說會有一些難度，不推薦自學能力差的人。我們將學習的過程劃分為4個階段，每個階段學習對應的內容，具體的學習順序如下：

Python學習順序：

①Python軟體開發基礎

• 掌握計算機的構成和工作原理

• 會使用Linux常用工具

• 熟練使用Docker的基本命令

• 建立Python開發環境，並使用print輸出

• 使用Python完成字元串的各種操作

• 使用Python re模塊進行程序設計

• 使用Python創建文件、訪問、刪除文件

• 掌握import 語句、From…import 語句、From…import* 語句、方法的引用、Python中的包

②Python軟體開發進階

• 能夠使用Python面向對象方法開發軟體

• 能夠自己建立資料庫，表，並進行基本資料庫操作

• 掌握非關系資料庫MongoDB的使用，掌握Redis開發

• 能夠獨立完成TCP/UDP服務端客戶端軟體開發，能夠實現ftp、http伺服器，開發郵件軟體

• 能開發多進程、多線程軟體

③Python全棧式WEB工程師

• 能夠獨立完成後端軟體開發，深入理解Python開發後端的精髓

• 能夠獨立完成前端軟體開發，並和後端結合，熟練掌握使用Python進行全站Web開發的技巧

④Python多領域開發

• 能夠使用Python熟練編寫爬蟲軟體

• 能夠熟練使用Python庫進行數據分析

• 招聘網站Python招聘職位數據爬取分析

• 掌握使用Python開源人工智慧框架進行人工智慧軟體開發、語音識別、人臉識別

• 掌握基本設計模式、常用演算法

• 掌握軟體工程、項目管理、項目文檔、軟體測試調優的基本方法

想要系統學習，你可以考察對比一下開設有IT專業的熱門學校，好的學校擁有根據當下企業需求自主研發課程的能，南京北大青鳥、中博軟體學院、南京課工場等都是不錯的選擇，建議實地考察對比一下。

祝你學有所成，望採納。

Ⅳ 小白學python怎麼快速入門多久能完成一個項目

電子書集合|數據科學速查表|遷移學習實戰 ，免費下載

鏈接: https://pan..com/s/11qnpoLX1H_XzFB-RdVNG4w 提取碼: z9x7

Ⅵ python音樂播放器項目經驗怎麼寫

用pygame模塊來寫
原來有用基於python的pygame模塊實現過一個音樂播放器,你要的功能,大部分可以使用該模塊實現。

Ⅶ 有哪些 GIS+Python 的開發經驗值得分享

GIS 和 python 的結合有很多種可能性

Arcpy 參考ArcPy and ArcGIS (豆瓣), pyQGIS 參考PyQGIS Developer Cookbook
Geopython GIS相關庫

GDAL 參考 Welcome to the Python GDAL/OGR Cookbook!
各種空間資料庫，如 spatialite 參考 SpatiaLite Cookbook
基礎庫（抽象庫）
GDAL 不多說，GIS萬物本源
Proj.4 制圖學投影轉換庫
geojson geojson數據處理，點線面
高級庫
Shapley GIS的圖像處理
Fiona GIS數據讀入寫出
Rtree Rtree空間索引
pyproj Proj.4的介面擴展
OWSLib WMS地圖服務發放
basemap 畫地圖
超高級庫
geopandas 整合了pandas,shapely,fiona,descartes,pyproj和rtrees可以直接用於數據處理
geodjango django出品，保護GDAL,GEOS等可以發送地圖服務
參考 Python 筆記三：Geopython GIS相關庫

而如今，javascript在互聯網的地位也變得越來越重要，GIS+JS的項目也氤氳而生，所以問題來了。參考：有哪些GIS+JavaScript（node.js）的開發經驗值得分享？ - Node.js

或者關注我的博客，寫得不是很好，希望各路大神多多留言指導。

Awesome GIS（GIS Tech Stack技術棧）
Geomatics專欄點此：Geomatics（GIS，GPS，RS，Surveying）
語言
Python 最好的快速開發語言，是一門API藝術
awesome-python
1簡單的入門
2總結入門坑及基礎資源
3Geopython GIS相關庫
4Python的常用庫入門
5Flask框架
6入門爬蟲坑--網頁數據壓縮(python deflate gzip)
7Requests爬蟲技巧
Node.js 最炙手可熱的網路技術源泉，可用於WebGIS
awesome-javascript
1常用Global庫
2入門及GeoNode.js GIS相關庫
前段
Leaflet 兼容移動端，和現代的一些框架一樣優先考慮移動端
1leaflet入門
2簡單插件編寫leaflet-pip-v2
3進階插件編寫geojsonFilter
Mapbox總有人討論「Mapbox VS Leaflet？」這是個爛問題，Mapbox是Leaflet的超集，就像Typescript和Javascript之間的關系一樣
Openlayer3扯淡大叔教程
Turf js層面做出簡單的空間分析
後端
Geoserver 基於Java的地理信息服務的發布，使用簡單
Mapserver 基於C語言的地理信息服務的發布，內存佔用小
GDAL 數據格式轉換
1GDAL命令行入門
2python for GDAL
3gdal CLI Cheat Sheet
數據格式
GeoJSON 開源地理信息JSON格式
awesome-geojson
geojson-js-utils 空間數據簡單處理js實現
geojson-python-utils空間數據簡單處理python實現
TopoJSON 開源地理信息JSON格式，大小要比GeoJSON小40%
TileJSON 瓦片數據包裝的JSON格式，用的不多
WKT&WKB 文本標記語言表示矢量數據
WKT&WKB 筆記一：格式介紹
資料庫
Spatialite 空間數據的查詢等處理，小項目足矣
1簡單的入門
2CLI Cheat Sheet
3python for Spatialite
4NET平台使用spatilite擴展
5Spatiliate2GeoJson數據的轉換
Postgresql 大型空間數據項目
MBTILES 承載瓦片的數據，快速索引
1入門與簡單應用
瓦片渲染
Global Mapper 專門用作已有柵格圖像切片
Mapnik 專門用於矢量數據的切片
TileMill 在矢量數據渲染時，運用CartoCSS對矢量數據賦予樣式
數據處理
QGIS 開源GIS數據處理桌面軟體，其中包含Grass，SAGA兩個學術界開源GIS平台
1簡單的介紹
2地圖綜合
Mapsharper 數據綜合神器
1地圖綜合神器
數據資料
地理空間數據雲 沒想到數據來的這么快
填坑
1網頁端JS的緩存問題
2Angular遇到的一些坑
3SpatialiteSharp的使用坑
整個技術棧主要針對的是輕量或者小項目去考慮，運用一些流行的盡可能開源的工具去做，這是我的一些想法和筆記，詳情參考從mapbox的開源工具看Web GIS的發展，希望能給您一點點幫助。PS：我在github上看到一個awesome gis，並非我主導的，希望各位GISer可以一起參與修改。
轉載，請表明出處。總目錄Awesome GIS

Ⅷ python能做什麼項目

大家在學完python基礎之後，突然迷茫起來了，這時就需要一些項目練練手，增加自己的經驗，同時找到自己的不足。Python3 實現火車票查詢工具（推薦學習：Python視頻教程）
使用 Python3 抓取 12306 網站信息，完成一個火車票查詢工具。該項目練習 Python3 基礎及網路編程，以及 docopt，requests，prettytable 等庫的使用。
高德API+Python解決租房問題
使用Python腳本爬取某租房網站的房源信息，利用高德的 js API 在地圖上標出房源地點，找到距離工作地點1小時車程的房源！在項目實現的過程中將熟悉requests、BeautifulSoup、csv等庫的簡單使用。
NBA常規賽結果預測：利用Python進行比賽數據分析
利用NBA在2015~2019年的比賽統計數據進行回歸模型建立，最終在今年2016~2017的常規賽中預測每場比賽的輸贏情況。
Python代碼實現2048
學習 Python 基本知識，狀態機的概念，以及編寫 python 游戲的步驟。為 Python 的進階課程，需要用戶具有 Python 的語法基礎。
Python實現從excel讀取數據並繪製成精美圖像
這個世界從古至今一直是一個看顏值的世界。對於我們作報告，寫文章時使用的圖片，也是一樣的。一圖勝千言，一張製作精美的圖片，不僅能展示大量的信息，更能體現繪圖者的水平，審美，與態度。使用python從excel讀取數據，並使用matplotpb繪製成二維圖像。這一過程中，將通過一系列操作來美化圖像
這些項目可以說是有難的也有容易的，但是只要能獨立完成一定會有很大的收獲。
更多Python相關技術文章，請訪問Python教程欄目進行學習！以上就是小編分享的關於python能做什麼項目的詳細內容希望對大家有所幫助，更多有關python教程請關注環球青藤其它相關文章！

Ⅸ python要學到什麼程度能找工作

下面我們就來看看Python學到什麼程度才算是真正學會Python可以去一展身手。

一、確立目標、了解需求

做什麼事情都要先確定好目標，才不至於迷失方向。我們就是Python爬蟲工程師為職位目標。

通過分析各大招聘網站，我們可以得出以下幾點：

1、 python 不是唯一可以做爬蟲的，很多語言都可以，尤其是 java,同時掌握它們和擁有相關開發經驗是很重要的加分項

2、 大部分的公司都要求爬蟲技術有一定的深度和廣度，深度就是類似反反爬、加密破解、驗證登錄等等技術；廣度就是分布式、雲計算等等，這都是加分項

3、 爬蟲，不是抓取到數據就完事了，如果有數據抽取、清洗、消重等方面經驗，也是加分項

4、 一般公司都會有自己的爬蟲系統，而新進員工除了跟著學習以外最常做的工作就是維護爬蟲系統，這點要有了解

5、 最後一個加分項就是前端知識，尤其是常用的 js、ajax、html/xhtml、css 等相關技術為最佳，其中 js 代碼的熟悉是很重要的

6、 補充一條，隨著手持設備的市場佔比越來越高，app 的數據採集、抓包工具的熟練使用會越來越重要

以上內容，不要求全部掌握，但是掌握的越多，那麼你的重要性就越高

二、關於Python面試的四點，你做到就萬事大吉了！

第一點：Python

因為面試的是Python爬蟲崗位，面試官大多數會考察面試者的基礎的Python知識，包括但不限於：

Python2.x與Python3.x的區別

Python的裝飾器

Python的非同步

Python的一些常用內置庫，比如多線程之類的

Python的線程

python學習網，大量的免費python學習視頻，歡迎在線學習！

第二點：數據結構與演算法

數據結構與演算法是對面試者尤其是校招生面試的一個很重要的點，當然小公司不會太在意這些，從目前的招聘情況來看對面試者的數據結構與演算法的重視程度與企業的好壞成正比，那些從不問你數據結構的你就要當心他們是否把你當碼農用的，當然以上情況不絕對，最終解釋權歸面試官所有。

第三點：Python爬蟲

最重要也是最關鍵的一點當然是你的Python爬蟲相關的知識與經驗儲備，這通常也是面試官考察的重點，包括但不限於：

你遇到過的反爬蟲的策略有哪些？

你常用的反反爬蟲的方案有哪些？

你用過多線程和非同步嗎？除此之外你還用過什麼方法來提高爬蟲效率？

有沒有做過增量式抓取？

對Python爬蟲框架是否有了解？

第四點：爬蟲相關的項目經驗

爬蟲重在實踐，除了理論知識之外，面試官也會十分注重爬蟲相關的項目：

你做過哪些爬蟲項目？如果有Github最好

你認為你做的最好的爬蟲項目是哪個？其中解決了什麼難題？有什麼特別之處？

以上問題都能解決，面試已經不成問題了。

Ⅹ python 項目經驗怎麼寫

項目經歷（案例一）

項目時間：2017-01到2011-10

項目名稱：引物自動化設計軟體

項目描述：
項目介紹
這個軟體開發原因是因為隨著每日數據分析量的加大，組內人員較少，對引物設計這種工作變成了工作效率的阻礙，遂提出了設計軟體以達到自動化設計的目的。而且引物設計主要費時在於多種驗證操作，可以通過軟體自動驗證減少人力成本。
我的職責
1，軟體基礎功能設計，完成相關函數如自連互連驗證，溫度驗證等功能
2，分析NCBI網頁格式，設計API調用介面
3，編寫測試腳本對軟體進行測試