更新了番外篇内容

Author: jackfrued

番外篇/Python参考书籍.md

@@ -29,7 +29,7 @@
 7. 《Flask Web开发：基于Python的Web应用开发实战》（*Flask Web Development: Developing Web Applications with Python*）
 8. 《深入理解Flask》（*Mastering Flask*）
 
-### 爬虫开发
+### 数据采集
 
 1. 《用Python写网络爬虫》（*Web Scraping with Python*）
 2. 《精通Python爬虫框架Scrapy》（*Learning Scrapy*）

番外篇/Python容器使用小技巧.md

@@ -2,7 +2,7 @@
 
 Python中提供了非常丰富的容器型数据类型，大家最为熟悉的有`list`、`tuple`、`set`、`dict`等。下面为大家分享一些使用这些类型的小技巧，希望帮助大家写出更加Pythonic的代码。
 
-### 从字典中取最大
+#### 1. 从字典中取最大
 
 假设字典对象对应的变量名为`my_dict`。
 
@@ -46,7 +46,7 @@ Python中提供了非常丰富的容器型数据类型，大家最为熟悉的
     >     return g
     > ```
 
-### 统计列表元素出现次数
+#### 2. 统计列表元素出现次数
 
 假设列表对象对应的变量名为`my_list`。
 
@@ -72,7 +72,7 @@ from collections import Counter
 dict(Counter(my_list))
 ```
 
-### 截断列表元素
+#### 3. 截断列表元素
 
 假设列表对象对应的变量名为`my_list`，通常大家会想到用下面的方式来截断列表。
 ```Python
@@ -87,7 +87,7 @@ del my_list[i:]
 del my_list[:j]
 ```
 
-### 按最长列表实现zip操作
+#### 4. 按最长列表实现zip操作
 
 Python的内置函数`zip`可以产生一个生成器对象，该生成器对象将两个或多个可迭代对象的元素组装到一起，如下所示。
 
@@ -115,7 +115,7 @@ list(zip_longest('abc', [1, 2, 3, 4]))
 [('a', 1), ('b', 2), ('c', 3), (None, 4)]
 ```
 
-### 快速拷贝一个列表
+#### 5. 快速拷贝一个列表
 
 如果希望快速拷贝一个列表对象，可以通过切片操作来实现，但是切片操作仅实现了浅拷贝，简单的说就是切片创建了新的列表对象，但是新列表中的元素是和之前的列表共享的。如果希望实现深拷贝，可以使用`copy`模块的`deepcopy`函数。
 
@@ -141,7 +141,7 @@ list(zip_longest('abc', [1, 2, 3, 4]))
     thy_list = copy.deepcopy(my_list)
     ```
 
-### 对两个或多个列表对应元素进行操作
+#### 6. 对两个或多个列表对应元素进行操作
 
 Python内置函数中的`map`函数可以对一个可迭代对象中的元素进行“映射”操作，这个函数在批量处理数据时非常有用。但是很多人都不知道，这个函数还可以作用于多个可迭代对象，通过传入的函数对多个可迭代对象中的对应元素进行处理，如下所示。
 
@@ -165,7 +165,7 @@ thy_list = [2, 4, 6, 8, 10]
 [x + y for x, y in zip(my_list, thy_list)]
 ```
 
-### 处理列表中的空值和零值
+#### 7. 处理列表中的空值和零值
 
 假设列表对象对应的变量名为`my_list`，如果列表中有空值（`None`）和零值，我们可以用下面的方式去掉空值和零值。
 
@@ -179,7 +179,7 @@ list(filter(bool, my_list))
 [x for x in my_list if x]
 ```
 
-### 从嵌套列表中抽取指定列
+#### 8. 从嵌套列表中抽取指定列
 
 假设`my_list`是一个如下所示的嵌套列表，该嵌套列表可以用来表示数学上的矩阵，如果要取出矩阵第一列的元素构成一个列表，我们可以这样写。
 
@@ -219,10 +219,4 @@ list(col2)
  [1, 6, 3], 
  [2, 7, 4], 
  [2, 8, 4]]
-```
-
-### 小结
-
-不知道上面的内容有没有触及到大家的知识盲区，如果有的话欢迎在评论区留言讨论。
-
-  
+```

番外篇/res/Backend-Roadmap.png

@@ -0,0 +1,21 @@
+## 分享几张学习路线图
+
+今天逛了一个名为 [Developer Roadmaps](https://roadmap.sh) 的网站，上面就有好多的学习路线图。其中有一张关于 Python 的学习路线图还不错，分享给大家。如果用 Python 做工程化开发（后端开发、接口开发、应用开发等），这张图上的内容基本都是需要涉猎的；如果仅仅是将 Python 作为辅助工具，学习之前给大家整理的[《从零开始学Python》](https://www.zhihu.com/column/c_1216656665569013760)的 20 节课就已经足够了。近期，我也在重置这 20 节课的内容，重置后的内容会标记为“2025版”，也希望在这个过程中听到大家的意见和建议。
+
+![](res/Python-Roadmap.png)
+
+这里还有三个相关的学习路线图，分别是后端开发（Backend）、开发运维（DevOps）和数据科学（Data Science），后端开发的学习路线图如下所示，内容比较庞杂，核心的编程语言是 Java 或 Go。我个人不推荐大家用 Python 做后端开发，如果 Python 语言已经掌握得很好了，同时也具备了较多的计算机科学相关知识，可以尝试 AI 应用开发这个赛道，我相信你会有更多的收获。大家可以注意下用紫色勾选的项目，这些是作者推荐的选项，大部分也是我想推荐给后端开发者学习的内容。
+
+![](res/Backend-Roadmap.png)
+
+我们再看看开发运维的学习路线图，目前 DevOps 也是招聘市场的热门岗位，有兴趣的小伙伴可以关注下。
+
+![](res/DevOps-Roadmap.png)
+
+如果学过一些 Python 相关知识，想以此为基础转行做数据分析，可以看看下面这个学习路线图。需要说明的是，Python 仅仅是做数据分析的一个工具，要成为一个优秀的数据分析师需要有良好的数据思维，同时还要积累足够的业务知识，这样才能从数据中产生商业洞察，用数据优化产品、驱动业务，真正为决策提供强有力的支撑。
+
+![](res/Data-Analyst-Roadmap.png)
+
+最后，再次提醒大家，想打卡学习的一定记得在评论区给我留言！如果想**入坑数据科学**（数据分析、数据挖掘、数据治理等）也可以给我留言，今年应该会持续输出相关的内容。
+
+![](res/modern-data-scientist.webp)

番外篇/res/Data-Analyst-Roadmap.png

@@ -1,14 +1,14 @@
 ## 我为什么选择了Python
 
-目前，Python语言的发展势头在国内国外都是不可阻挡的，Python凭借其简单优雅的语法，强大的生态圈从众多语言中脱颖而出，如今已经是稳坐编程语言排行榜前三的位置。国内很多Python开发者都是从Java开发者跨界过来的，我自己也不例外。我简单的跟大家交代一下，我为什么选择了Python。
+目前，Python 语言的发展势头在国内国外都是不可阻挡的，Python 凭借其简单优雅的语法，强大的生态圈从众多语言中脱颖而出，如今已经是稳坐编程语言排行榜前三的位置。国内很多 Python 开发者都是从 Java 开发者跨界过来的，我自己也不例外。我简单的跟大家交代一下，我为什么选择了 Python。
 
 ### Python vs. Java
 
-我们通过几个例子来比较一下，做同样的事情Java和Python的代码都是怎么写的。
+我们通过几个例子来比较一下，做同样的事情 Java 和 Python 的代码都是怎么写的。
 
 例子1：在终端中输出“hello, world”。
 
-Java代码：
+Java 代码：
 
 ```Java
 class Test {
@@ -19,15 +19,15 @@ class Test {
 }
 ```
 
-Python代码：
+Python 代码：
 
 ```Python
 print('hello, world')
 ```
 
 例子2：从1到100求和。
 
-Java代码：
+Java 代码：
 
 ```Java
 class Test {
@@ -42,15 +42,15 @@ class Test {
 }
 ```
 
-Python代码：
+Python 代码：
 
 ```Python
 print(sum(range(1, 101)))
 ```
 
 例子3：双色球随机选号。
 
-Java代码：
+Java 代码：
 
 ```Java
 import java.util.List;
@@ -93,7 +93,7 @@ class Test {
 }
 ```
 
-Python代码：
+Python 代码：
 
 ```Python
 from random import randint, sample

番外篇/res/DevOps-Roadmap.png

@@ -1,6 +1,6 @@
 ## 知乎问题回答
 
-### Python学习完基础语法知识后，如何进一步提高？
+#### Python学习完基础语法知识后，如何进一步提高？
 
 如果你已经完成了Python基础语法的学习，想要知道接下来如何提高，那么你得先问问自己你要用Python来做什么？目前学习Python后可能的就业方向包括以下几个领域，我把每个领域需要的技术作为了一个简单的关键词摘要。
 

番外篇/res/Python-Roadmap.png

@@ -38,7 +38,7 @@ if __name__ == '__main__':
 
 上面代码的部分运行结果如下图所示。这个结果是因为CPython出于性能优化的考虑，把频繁使用的整数对象用一个叫`small_ints`的对象池缓存起来造成的。`small_ints`缓存的整数值被设定为`[-5, 256]`这个区间，也就是说，如果使用CPython解释器，在任何引用这些整数的地方，都不需要重新创建`int`对象，而是直接引用缓存池中的对象。如果整数不在该范围内，那么即便两个整数的值相同，它们也是不同的对象。
 
-![](./res/int-is-comparation.png)
+![](res/int-is-comparation.png)
 
 当然仅仅如此这个坑就不值一提了，如果你理解了上面的规则，我们就再看看下面的代码。
 
@@ -69,7 +69,7 @@ dis.dis(main)
 
 代码的执行结果如下图所示。可以看出代码第6行和第7行，也就是`main`函数中的257是从同一个位置加载的，因此是同一个对象；而代码第9行的`a`明显是从不同的地方加载的，因此引用的是不同的对象。
 
-![](./res/result-of-dis.png)
+![](res/result-of-dis.png)
 
 如果还想对这个问题进行进一步深挖，推荐大家阅读[《Python整数对象实现原理》](https://foofish.net/python_int_implement.html)这篇文章。
 
@@ -127,9 +127,9 @@ for row, name in enumerate(names):
 
 如果对内存的使用不是很理解，可以看看[PythonTutor网站](http://www.pythontutor.com/)上提供的代码可视化执行功能，通过可视化执行，我们可以看到内存是如何分配的，从而避免在使用嵌套列表或者复制对象时可能遇到的坑。
 
-![](./res/python-tutor-visualize.png)
+![](res/python-tutor-visualize.png)
 
-![](./res/python-tutor-visualize2.png)
+![](res/python-tutor-visualize2.png)
 
 ### 坑3 - 访问修饰符的坑