练了那么多，为啥还不会编程
文 | 太阳雪
来源：Python 技术「ID: pythonall」
Python 技术已经一岁多了，持续不断地推出新知识、新技术、新技巧，不过很多童鞋存在一个疑问：学这么多编程知识、技术、技巧到底有什么用？对呀，技术日新月异，层出不穷，解决方案如雨后春笋，对于我们普通人来说，编程到底有什么用，今天我来谈谈这个问题，期望对你有所启发。
先看三个故事
1 原来可以这么玩
每月发工资前需要给员工计算工资表，需要个人的社保扣除金额、考勤金额，然后，财务将每个人的基本工资减去扣除部分，最后形成员工的实际工资。
看似简单，实际上手工处理起来比较麻烦，小小的屏幕，被打开的 Excel 挤满了，不同报表上信息格式、顺序还不一致，加上人员变动以及考勤情况，不得不说，这是个艰巨的任务，因此每月核算前夕，会计童鞋不得不加班加点
上月，部门的会计的同学请假了，无法及时处理核算工资，委托我来帮忙处理，前后沟通了好几次，反复叮嘱，可能担心我慢，耽误进度。
不过我并不打算手工处理，而是用程序，于是利用下班时间（毕竟是额外工作）写了一个 Python 脚本，并且提前完成任务，处理过程大概是这样：
- 分析了这些报表，从中找到数据直接的关联（比如员工姓名+员工编号 可以作为不同报表直接的数据关联依据）
- 整理了核算字段（就是核算项目，例如 医保、公积金等）
- 设计了处理规则（比如，从哪个报表开始，处理报表的顺序是什么）
- 用 Python 实现处理过程，其中 Excel 处理使用了 OpenPyXl（参见 《Excel 神器 —— OpenPyXl》）
等会计回来，惊喜不已，这下可以帮他省下很多功夫了，不禁问：“怎么才能学会 Python ……”
2 五十岁学 Python
今年（2020年）五月，地产大佬，潘石屹以 99 分的成绩，高分通过了 Python 编程能力等级测试：
对于为什么学习编程，他在微博中这样描述：
在农业社会时，我们要学习驾驭马、驴、牛，让它们为我们出力、干活。
在工业社会时，我们要学会驾驭各种机器、火车、轮船、飞机、机床等等。
今天，我们要让机器听我们的指挥，我们就要学习机器能听懂的语言。
为了学习 Python，潘石屹不断地练习，并且在微博上不断地发布学习感想和心得，一致于他的很多朋友都误以为他的微博被盗号了~
一次采访中他谈到，现在是个人工智能的时代，需要学习和机器打交道的工具，目前最好的工具就是 Python 编程语言
潘石屹采访
3 编程改变思考方式
币圈大佬李笑来在写某本书时，想说明 即便是结论正确，论证过程乱七八糟也不行！ 这个观点，需要找一个例证。
某次找到了这样一个说法：
如果把字母 a 计为 1、b 计为 2、c 计为 3 …… z 计为 26，那么：
- knowledge = 96
- hardwork = 98
- attitude = 100
所以结论是：
- 知识（knowledge）与勤奋（hardwork）固然都很重要;
- 但是，决定成败的却是态度（attitude）！
虽然结论很对，但是证明过程太过牵强了，如何证明这个证明过程是荒谬的呢？
只要能找到按照规则得分为 100，且具有负面含义的单词就可以了
但是英文单词有 几十万个，凭直觉一个手工计算，一定会被累死，于是面对如此荒谬的证明过程，却 “无话可说” 了
好在李笑来会编程，通过编程，很快找到了三千多个 “满分”单词，其中包括：
- connivance（纵容）
- coyness（羞怯）
- flurry（慌张）
- impotence（阳痿）
- stress（压力）
- tuppence（微不足道的东西）
- ……
看到这样的结果，那个结论推导过程的荒谬显而易见了
如果你来实现，该怎么做呢？回复文后关键字获取，可获取参考代码
以
语言的学习过程为实例，阐述自学的过程，其中
在李笑来的另一本《自学是门手艺》中，有很多说明观点的图表，值得称赞的是，图表不是图片引用，而是通过 Python 代码，将原始数据做成图表展示的，例如关于中国人预期寿命的数据说明：
我们一般看到图表之后，只是看一眼，至于数据是否对，现象是否合理不会多做思考，而借助编程工具，就能更好的更可靠的对结论或者现象做出判断
《自学是门手艺》以 Python 语言的学习过程为实例，阐述自学过程的，可以作为 Python 学习的教程，推荐阅读
程序到底是什么
三个故事从不同角度上说明了编程的重要性，但对应实践而言，可能还是不知道如何应用，或者说解决实际问题
其中一个重要原因是：没有建立其现实世界与程序世界的联系
程序世界里是数字，或者说处理的是由数字组成的信息，而现实世界中存在是具体的物体，或者抽象概念的实物，数字与实物之间并不存在必然关联。
程序的结构
现在的计算机是建立在图灵机模型的基础上的
主要由三部分组成：
- 输入
- 处理
- 输出
对于计算机来说，输入的是数据，通过处理器的计算，最后输出处理后的数据
而程序就是指导计算机如何处理数据的，可以将其想象成一个个处理单元，那么每个单元也应该具有自己的输入、处理和输出
输入
而对一个能解决实际问题的应用来说，也是一样的，那么让程序与实际之间的联系在于如何将实际问题数据化
这里就是具有挑战的地方，有些东西容易数据化，比如学生的考试成绩，有些不容易数据化，比如人们的性格
除了数据化的挑战，还有一个挑战是数据量问题
前面李笑来寻找 “满分” 单词的例子中，数字很容易，字母都有个数值编码，而如何找到所有的单词是个数据量问题
对于数据量问题，解决方法就是寻找数据源，比如李笑来通过搜索引擎找到了收录了所有英文单词的文件，常见的方法有：
- 搜索已经存在的数据源
- 爬取搜集网络中零散的数据
- 人工输入
- 通过 API 读取
- ...
处理
解决了数据来源问题，就需要对数据进行处理，处理过程是我们最熟悉，练习最多的部分
编程语言教程绝大部分内容是讲述处理过程的，在编程学习中遇到的练习往往是去除了输入问题的，这样有助于我们关注处理本身
虽然如此，处理过程无时不刻在与数据打交道，处理各种来源的数据：
- 来自文件系统
- 来自网络
- 来自接口变量、形参
- 来自数据库
- 来自其他程序的输出
- 来自终端输入
对于每种来源，我们学习到了如何解析，如何读取，如何遍历，如何整理和存储等等操作，例如 Python 中的 open 全局方法可以读取一个文本文件，Python 中的各种数据类型用于存储不同形式的数据等等
当数据被接收并解析后，就可以做加工处理了，这时我们学习了程序流程控制，以及各种运算方法。
因为信息被已经被转换为数据，或者数值，那么就可以参与运算，这也是数学知识对计算机如此重要的原因，我们需要将实际问题（业务问题）转换为可以用算法或者数学公式计算的形式
例如确定多个元素之间的关系，可以转换为求多维空间中点之间的欧拉距离，可以参考《Python 告诉你疫情扩散有多可怕》，其中用于确定是否达到感染条件的方式，就是通过计算二维平面上模拟点之间的欧拉距离实现的。
输出
对数据的加工处理后，需要给出一个结果，否则程序就像黑洞一样，不知其然
和输入来源相对应，可以输出为：
- 文件系统的文件
- 网络数据
- 方法返回值
- 数据库
- 终端输出
输出的结果可以是将加工好的结果存储起来，以便后来使用，也可以产生某种效果
最直接的效果是显示在屏幕上，能让人看到，通过光能将结果传递到人的眼睛，从而产生影响
可以想象如果信息传递的介质变了，产生的效果会大有不同，例如机械控制软件，可以用结果控制机器，最常见的是打印机，我们将结果通过电能驱动打印针头和马达，打印在纸上
说白了输入输出就是程序世界与现实世界的接口，或者说是边界，输入输出的存在，将现实世界和程序世界结合在一起，从而让程序具备了驱动世界的能力。
总结
本文从几个实例出发，说明了编程对我们的重要性，并且从程序结构的视角简要说明了程序的三个组成部分：输入、处理和输出，勾勒了一个程序的基本轮廓，以便对程序的理解有所帮助。
从第一台计算机诞生，到现在的互联网信息时代，几十年间，程序改写了人类历史，赋予每个人改变世界的能力，现在我们生活的方方面面都离不开程序的参与，而且这种参与程度会更深入，速度会更快，编程，为人类和机器直接的交互方式方法越来越重要，正如潘石屹所说的：我们要让机器听我们的指挥，我们就要学习机器能听懂的语言。
参考
- https://github.com/selfteaching/the-craft-of-selfteaching
- http://finance.jrj.com.cn/tech/2019/11/15120628404144.shtml
- https://baike.baidu.com/item/图灵机
更多相关文章
- 一份代码帮我赚了10万
- [face_数据库篇] Mongodb
- Prometheus 之 Grafana连接监控数据源与导入dashboard展示
- 首门程序员理财课 Python量化交易系统实战
- Docker_学习笔记系列之数据卷
- 大数据成神之路-Java高级特性增强(锁)
- 数据不撒谎，Flink-Kafka性能压测全记录！
- 《MySQL》系列 - 十张图详解 MySQL 日志（建议收藏）
- 一个数据开发人员使用的辅助工具