今晚的第二位沟通,是关于学习Python接单的。
因为不是专业程序员,所以接单方向主要有2个:数据分析(难度较小)、爬虫(难度较大)。
学习资料
这其中涉及的学习资料,按照沟通中的学习顺序,主要是5种,配套资料点击直达:
如果还想进一步的学习,学到找工作水平,可以尝试一下下面这套课:
后续答疑
学习过程中有问题,可以随时联系我,👇
这次是第2次沟通,上次沟通的记录:http://www.python4office.cn/work-story/1v1/2024/3/0306-4kindofwork/
这次沟通的目标更加明确了:学习C语言,用来找工作。
因为目标明确,所以咱们的总结也直奔主题。
首先学习一下四大金刚里的:计算机组成原理和数据结构与算法。
计算机组成原理:点我直达
数据结构与算法(Python版):点我直达
一套付费课程:深入浅出计算机组成原理
考虑到老哥学了Python,所以数据结构和算法,推荐Python版本。
因为计组包含部分操作系统,所以操作系统不再单独学习。
其次学习一下环境的知识:Linux使用
然后开始学习C语言和C++:
最后学习一下数据库的知识,学习完以后,做一个网盘的项目:
直接学习最基本的数据库:MySQL数据库入门到大牛,mysql安装到优化
学习项目的时候,建议再看一下技术文档的写法,这个不用看教程了,网上找几个例子看一下就行:
今晚的沟通比较有意思,是一位外行的朋友想学一些转行的技能。
这虽然是一个找我咨询中常出现的话题,但是这次聊的比较投入,有一个原因是咨询的人比较认真,甚至有些执着。
我喜欢这种执着。今天和几个搞Python的朋友出去爬山,也有一位之前付费咨询的兄弟一起,你们都是一种人,这位兄弟也一直在自学,坚定的想通过Python转行。
想分阶段的完成学习,首先是写一个自动出报表的小网站,数据主要来自内部渠道;然后做一个中大型的项目;最后是想有一个优秀的编程技术和品味。
懂的什么是好是坏,这是一个很高的目标。
在学习过程中,希望高要求。
基于学习目标,学习资料也做了对应的匹配:
Python基础:我唯一推荐的课程
报表项目(1个月的学习时间,比较理想):
学习过程中有问题,可以随时联系我,👇
今晚的沟通主题非常明确,做一个投票小程序,并且通过做这个小程序,学习数据分析。
短暂的学习过python知识,用起来不顺手。
想做数据分析,但暂时业务内容不允许,于是创造一个自己的项目。
为了保护隐私,具体的需求就不在这里描述了。
沟通之后,具体的实现目标是:做一个可视化的投票软件,投票结果能一键导出。
因为目标非常明确,所以学习资料也很具体:
第一步,全面的了解一下python基础。这部分不要跟着做,看懂就行。
第二步,学一下处理Excel。这部分一定要跟着做,任何一个知识点不明白,直接找我提问。
第三步,学习做一个有页面的程序。这部分设计一个高级的第三方库:QT,也有一些其它替代方案。建议先把这个高级的第三方库学完,最后做不出来,我再给你一些比较简陋的框架。
这个学习路线不涉及复杂的技术原理性的问题,每一节课都看懂就能实现。
做出结果的速度,完全取决于看课程的速度。
学习过程中有问题直接找我沟通,👇
大家好,这里是程序员晚枫,小红书也叫这个名字。
22年免费发布了Python自动化办公的专用库python-office
,我统计了一下,这2年这个开源项目已经写了20w行代码。
今天打开GitHub,惊喜的发现star⭐数量已经有了770+,感谢大家的支持,**也由衷的希望我和小伙伴们的努力,能真正帮助到大家。❤
这个项目一直在更新中,并且还延伸出了一些子项目。今天给各位读者老爷们汇报一下最近更新的功能。
目前已经加入了4个大模型了,详情请点击👉免费用!微信机器人接入了4个大模型
最近加入的有:
接下来会继续加入更多大模型,大家有想用的大模型,也可以在留言区告诉我~
这个需求来自一次付费咨询:税务师事务所需要做大量相同格式的Excel文件的合并,每个Excel里又有多个sheet
可以使用python一行代码进行合并,详情见👉1行代码合并100个Excel,自动化办公又升级了?!
去年的原创课程给小白的《50讲 · Python自动化办公》(完结)中,有2个功能特别受欢迎。
一个是PDF转Word,另一个就是批量识别发票并且保存为Excel文件,之前也写文章分享过了。
但大家表示看的不过瘾,所以今年我把其中之一:批量识别发票,并且转为Excel文件,单独拎出来做成了一个系统的课程。
从基础讲起,一直到实现最终的效果,点击直达👉给小白的《Python实现OCR自动批量识别》
我有一个朋友,每次离职都很苦恼怎么抹除电脑的使用记录,尤其是保存过的文件。
因为简单的删除文件,公司还是有方法把电脑上保存过的文件还原出来。
所以我经过研究,发布了这样一个抹除使用记录的功能,点击查看👉你的隐私堪忧!彻底清空磁盘,只需要1行Python代码
这个功能其实和PDF转Word有关,有时候我只想要一份PDF中的几页内容。
所以首先我需要从整体中分割出我想要的这几页,这时候就可以使用这个分割PDF的代码了,点击查看👉1行代码分割PDF,Python自动化办公又更新了
长期维护一个有人用的开源项目,是我程序员职业生涯中的一个美好梦想。
大家在使用中有问题,请随时在读者群进行反馈~一起加油!👇
大家好,这是程序员晚枫,小红书/B站都叫这个名字。
今天给大家分享Python自动化办公的第81个功能:彻底抹除磁盘的使用记录。
哪怕你不是明星,每次换电脑的时候,也会很头疼硬盘里的数据怎么彻底删除。
因为只是简单的右键删除,市面上有大量的磁盘恢复工具可以恢复。尤其是换工作需要还电脑的时候,不懂抹除使用记录的人交上去的电脑,毫无隐私可言。
能恢复的原因也很简单:因为磁盘存储内容的时候,就像在平地上建房子。你右键删除,只是删除了房子的门牌号,但是房子还在。这就是为什么回收站里的东西,可以轻易的100%的还原。
有什么办法可以彻底抹去自己的磁盘记录,无论任何方式都不可能恢复呢?
今天给大家分享一个Python的方式。
先上代码,再解释原理。
假如现在你的电脑里删除了文件以后,还剩下100G的空间,运行下面这1行代码,会把剩下的这100G保存过数据的痕迹全部抹除。
运行完成后,电脑里依然剩余100G的空间。
1 | # pip install pofile -U |
可以不填任何参数,如果要指定磁盘,替换掉括号里的磁盘名即可。
上面说磁盘存东西就像在平地上建房子,彻底抹除的方法就是把房子全部推到。
而磁盘上推倒房子的方法,就是写满0或者1,因为计算机里面只有0和1。
使用这1行代码,就可以把磁盘里所有的空间都写满0。
但是不用担心,写完以后程序会自动释放这段磁盘空间,还你一个没有房子的平地。
大家好,这里是程序员晚枫,抖音/快手/小红书/微博,都叫这个名字。
Python学习网站:www.python-office.com
以下是课程配套的代码和文档,网盘链接,永久有效
我用网盘分享了「Anaconda&人工智能」,点击链接即可保存。
链接:点我直达
Anaconda下载链接,支持Windows、Mac、Linux:点我直达
扫码下图,加入课程学习群,👇
大家好,这里是程序员晚枫,我做过的副业项目都在这个合集里了👉副业信息差
大家可以看我下面这个账号写的文章,每次我都会在第一句写上:大家好,这里是程序员晚枫,抖音、快手、红书、知乎、微博…全平台都叫这个名字。
公众号:Python自动化办公社区
说句话的目的,除了自我介绍,还是为了给大家增加一个关注我的方式,哪怕1w个看文章的人有1个关注的。
而随着日积月累的关注,就会产生一个新的变现渠道:自媒体广告。
我对第一个广告印象非常深刻:网易的公众号投放,400块钱。
那是我开通公众号的第2年末尾,鬼知道前面2年一分钱没有的日更,我是怎么坚持下来的。
从那以后,我的广告接单业务就没停过,包括春节假期。甚至不夸张的说,通过接单赚到了买车买房的钱。
然而我几乎从不推荐别人通过接广告赚钱。
为什么?
说白了,不推荐的原因不是因为不赚钱,而是因为不敢。
假如你是一家新开的种子店,有一个特别好的种子,只要能发芽就能长成参天大树,但是种在土里每天浇水捉虫的看护,3年以后才能发芽、5年才能破土,而且发芽率只有10%。你敢推荐给所有来找你买种子的人吗?你真正敢推荐出去的时候,又有多少人敢买回家?
也许在现实生活中,在你推荐后的第2年,你的店就因为坑蒙拐骗没有了。
很不幸,自媒体就是这样一个副业。所有人都知道,这事一旦做成了会很赚钱,但是前期3年甚至5年的积累,你能坚持下去吗?
哪怕你有成功率很高的一整套流程,你也要有很长的积累时间,在这段时间里,你在没有任何收入也几乎看不到成功希望的情况下,还要不断的学习和更新。
我在接到广告的第一年,推荐过一批网友搞自媒体,当时我还拉了一个群,每天手把手教大家操作。但后来的结果很打脸,60个人里面坚持下来的不超过6个人。
在那次分享经验的过程中,可能我是收获最大的一个人:
今年开始,我又一次重启了带别人做自媒体的想法。至于原因,我们下一篇再分享~❤
欢迎关注我分享副业项目的专栏,每篇都是让我赚到钱的实操经验💴副业信息差
tag:
缺失模块。
1、请确保node版本大于6.2
2、在博客根目录(注意不是yilia根目录)执行以下命令:
npm i hexo-generator-json-content --save
3、在根目录_config.yml里添加配置:
jsonContent: meta: false pages: false posts: title: true date: true path: true text: false raw: false content: false slug: false updated: false comments: false link: false permalink: false excerpt: false categories: false tags: true