Python教程，包括：Python基础，Python高级特性，面向对象编程，多线程，Web开发，数据库，数据科学，NLP，CV，深度学习库使用教程。
在本Python教程包含了一些范例，涵盖了大多数常见Python日常脚本任务，是入门Python的学习资料，也可以作为工作中编写Python脚本的参考实现。 以下所有实现均在python3环境下测试。
Guide
| 目录 | 主题 | 简要说明 |
|---|---|---|
| 01_base | Python基础 | 提供了数据类型、字符串、list、条件判断、循环、函数、文件、多进程的使用例子。 |
| 02_advanced | Python高级特性 | 提供了数据库、高阶函数、迭代器、面向对象编程的使用例子。 |
| 03_data_science | 数据科学 | 提供了常用数据科学库（numpy、scipy、scikit-learn、pandas）的使用例子。 |
| 04_web | Web开发 | 提供了Web框架、模板、Web API的使用例子。 |
| 05_spider | 爬虫 | 提供了爬虫的实现例子。 |
| 06_deep_learning | 深度学习库 | 提供了常用深度模型库（TensorFlow、Keras、PyTorch）的使用例子。 |
| 08_nlp | 自然语言处理任务 | 提供了NLP任务的模型使用的例子。 |
| 10_cv | 计算机视觉任务 | 提供了CV任务的使用例子。 |
| 11_speech | 语音识别任务 | 提供了语音识别任务的使用例子。 |
| 13_tool | 实用工具 | 提供了常用的实用工具，包括文件解析、微信机器人、统计脚本等例子。 |
- bAbi: 阅读理解任务
- 记忆网络（memory network）实现阅读理解任务
- RNN网络实现
- keras 应用
- 01.base: 认识keras变量
- 02mlp_multi_classification: 多层感知器多分类深度网络
- 03mlp_binary_classification: 多层感知器二分类深度网络
- 04vgg_conv: VGG，图像经典卷积网络结构
- 05lstm_classification: LSTM分类网络
- 06sequential: 序列模型，模型保存
- 07shared_lstm: 模型参数共享
- 08imdb_fasttext: fasttext网络结构实现二分类
- 09fasttext_multi_classification: fasttext的深度网络结构实现多分类
- 10seq2seq: 法语到英语的翻译任务，seq2seq模型
- 11lstm_text_generation: LSTM模型实现文本生成任务
- 12rnn_num_add: RNN网络学习三位数以内的加法运算
- 13rnn_num_multiplication: RNN网络学习三位数以内的乘法运算
教程代码大多数为Jupyter Notebook书写（文件后缀.ipynb），如下所示：
使用Jupyter Notebook打开学习：
- 下载Python：建议使用Anaconda，Python环境和包一键装好，Python3.7 版本
- 下载本项目repo：可以使用
git clone，或者下载zip文件，解压到电脑即可 - 打开Jupyter Notebook：打开终端，
cd到repo所在的文件夹，执行：jupyter notebook，浏览器打开01_base/01_字符串类型.ipynb，跟随介绍交互使用
- Issue(建议)：
- 邮件我：xuming: xuming624@qq.com
- 微信我： 加我微信号：xuming624, 备注：个人名称-NLP 进Python-NLP交流群。
如果你在研究中使用了python-tutorial，请按如下格式引用：
@software{python-tutorial,
author = {Xu Ming},
title = {python-tutorial: Python3 Tutorial for Beginners},
year = {2021},
url = {https://github.com/shibing624/python-tutorial},
}授权协议为 The Apache License 2.0，可免费用做商业用途。请在产品说明中附加python-tutorial的链接和授权协议。
项目代码还很粗糙，如果大家对代码有所改进，欢迎提交回本项目，在提交之前，注意以下两点：
- 在本地进行单元测试
- 确保所有单测都是通过的
之后即可提交PR。