在決定踏入資料科學的領域後，便開始搜尋學習程式語言的資源。但程式語言這麼多，哪些才是資料科學最需要用的呢？kaggle在2022年針對平台的資料科學家調查，他們使用程式語言的前三名為Python、SQL、R，而且近年來的調查結果都是如此。
先前把SQL學到一個段落，接下來準備學習Python吧！一開始除了在kaggle，我也同步在Hahow上課，循著學習SQL的經驗，從建立基礎概念開始，並努力靠自己的力量完成每道練習題。
在分享學習心得之前，我想先說個結論：Python的等級比SQL高很多啊！Python練習題卡關時，挫折感比SQL還嚴重，但也因為如此，靠自己成功解開後，成就感提升非常多。不過，相比更古早的C語言，Python這種物件導向、直譯式的程式語言，已經是相對適合新手學習的，而且受到那麼多工程師的青睞，必定有它好用的地方，未來還得繼續熟悉它才行呢💪🏻
更龜毛的編輯需求
在寫Python時，除了要注意符號、縮排、與保留字有別的取名，還要注意大小寫。例如，想表達一般物件中的位置，只能用「index」，不能用「Index」（這是在Pandas模組中特有的），而邏輯運算結果的「True」，寫成「true」就無法辨識。
更令新手混淆的是，同義的文字跟符號之間，也不能隨意互換。像是「and」跟「&」在不同的物件種類下，運算結果是不同的，「or」跟「|」也是同樣的情形。詳細的差異說明，可以Google一下，也許你能體會初學者「蛤？」的心情😅
還有一個令我印象深刻的是，各種括號的意義。以數學的術語來說，圓的「( )」稱作小括號，方的「[ ]」稱作中括號，扭動的「{ }」稱作大括號。在我學SQL時，只會用到小括號，而在Python時，三個全上了！各自的用途不同，同個括號在不同情境中的意思也不同。說這是新手學Python要克服的第一個門檻，應該不算誇張。
寫數學證明的既視感
唸數學系最常被訓練的技能，就是「證明」——如何用既有的定義、假設、已知的性質，以合乎邏輯的過程，推導出更多的性質、定理。
沒有想到學Python時，也跟寫數學證明有些雷同之處。例如運算中需要的物件，必須要自行假設，才可以在後面的程式碼中使用，就像假設x、y為某個數學物件一樣。Python內建的函數，則像是已知的性質或定理，可以直接宣告出來使用。
可惜，總會遇到不敷使用的時候，這時有兩個方法。一個是找合適的第三方套件，從中選擇函數來使用。第三方套件就像是有一群人幫忙證明出許多好用的性質，你可以直接拿來用，幫你做到更多的事。
另一個方法是，靠自己定義新的函數。就像數學證明中，想要得出一個結論，但有些前提條件不足，或是可用的已知性質不足，就得把推論的路徑分段，每一段都推導出一個新的性質，綜合這些性質來推得最終目的。成功創造出可用的函數，跟自己推導出新理論的爽感，想必是等價的😆
「寫證明時，應該要確定每一步是正確的，才能繼續寫下去。」這是我在唸數學系時最有感的一句話。不過現實是，通常我們以為是正確的，其實是錯誤的；寫Python也會遇到相同的情形，你以為這樣寫可以得到預期輸出，但最後風馬牛不相及。好在，現在有些資源可以幫助你檢視Python的每個步驟，不用擔心自己檢查是否有疏漏。在此推薦PythonTutor這個好網站給所有的新手，雖然它不會告訴你怎麼修正，但至少幫助檢視你寫的是不是你想的，方便找出可能需要改的地方。
學完基礎的內容後，未來打算多熟練所學的技巧與方法，找更多的練習、應用情境來做，希望熟能生巧，逐步累積成果，讓我具備足以處理數據分析任務的能力，成功踏入資料科學的領域中！
