最近GD项目三个型号都是用Python做批量烧录和测试的。marking一下，，虽然自己不会写。
1、入门阶段
The Python Tutorial（https://docs.python.org/3.6/tutorial/index.html）Python guan官方文档，永远是最佳选择；
Google's Python Class （https://developers.google.com/edu/python/introduction?hl=zh-CN&csw=1）Google的文档，质量相当高；
Python3 教程 | 菜鸟教程 （http://www.runoob.com/python3/python3-tutorial.html）如果英文不好，可以参考国内教程；
Learn Python the Hard Way（https://learnpythonthehardway.org/book/） 最简单的学习 Python 的方法， HTML 在线版是完全免费的；
零基础入门学习Python （http://study.163.com/course/introduction/378003.htm）网易云课堂，老师诙谐幽默，上手快。
2、拔高阶段
最好自己动手写一些项目，一定要使用GitHub。
Python_精选项目课程（https://www.shiyanlou.com/courses/?category=%E5%90%8E%E7%AB%AF%E5%BC%80%E5%8F%91&course_type=all&tag=Python&fee=all） 实验楼提供在线编程及在线实训学习平台；
Django 开发内容管理系统（https://code.ziqiangxuetang.com/django/django-cms-develop.html） 全面的中文教程；
Dataquest（https://www.dataquest.io/） 提供了一系列和数据分析相关的Python教程；
Python爬虫学习系列教程 | 静觅（http://cuiqingcai.com/1052.html） 静觅的爬虫课程，名气非常大；
3、方向进阶
来到这个时候，最好确立学习的方向。
web开发（Django、Flask、Tornado） python web 入坑指南（http://python-web-guide.readthedocs.io/zh/latest/index.html）
数据科学（Numpy、Pandas、Matplotlib） 数据科学家的完整学习路径（Python版）（https://zhuanlan.zhihu.com/p/23229114）
机器学习（scikit-learn、）scikit-learn: machine learning in Python（http://scikit-learn.org/stable/）
深度学习（TensorFlow）（https://www.tensorflow.org/）
网络爬虫（Scrapy）Scrapy 1.4 documentation（https://docs.scrapy.org/en/latest/）
4、实战演练
有哪些适合新手练手的Python项目（https://zhuanlan.zhihu.com/p/22164270） 非常全面的项目，强烈推荐；
实战（https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001432170876125c96f6cc10717484baea0c6da9bee2be4000） 廖雪峰老师的教程，非常经典，可以当做Python的百科全书来参考；
Python开源软件（https://www.oschina.net/project/lang/25/python?company=0&sort=time&lang=25&recommend=false） 开源中国社区的项目合集；
karan/Projects（https://github.com/karan/Projects） Python项目合集；
Python项目_W3Cschool极客导航（https://123.w3cschool.cn/python_projects） 不仅有web开发，还有爬虫相关；
5、博客列表
廖雪峰的官方网站（https://www.liaoxuefeng.com/） 研究互联网产品和技术，提供原创中文精品教程；
虫师 （http://www.cnblogs.com/fnng/） 关于Python自动化方面的一位大牛；
宁哥的小站（http://www.lining0806.com/homepage/） Python网络爬虫和机器学习；
静觅（http://cuiqingcai.com/） 崔庆才的个人网站，在爬虫方面造诣很深；
Python（https://doughellmann.com/blog/）, OpenStack （https://doughellmann.com/blog/）博客里面包含了很多python library的知识；
知乎 - 与世界分享你的知识、经验和见解 隐藏着各种Python大神。
经典入门及第三方库
vinta/awesome-python（https://github.com/vinta/awesome-python） 精心设计的Python学习框架，书籍和软件；
nvbn/thefuck（https://github.com/nvbn/thefuck） 华丽的应用程序更正您以前的控制台命令；
pallets/flask、django/django（https://github.com/django/django） Python的web框架；
requests/requests （https://github.com/requests/requests）强大的库，相信你一定学过；
ipython/ipython（https://github.com/ipython/ipython） 生产性交互式计算系统；
python/cpython （https://github.com/python/cpython）Python编程语言官方文档；
好玩的项目
warner/magic-wormhole（https://github.com/warner/magic-wormhole） 把文件从一台电脑安全地复制到另一台；
pyvideo/pyvideo （https://github.com/pyvideo/pyvideo）和Python相关的视频；
7sDream/zhihu-oauth（https://github.com/7sDream/zhihu-oauth） 知乎官方未开放的 OAuth2 接口；
errbotio/errbot（https://github.com/errbotio/errbot） 最简单和最流行的聊天机器人；
fogleman/Minecraft（https://github.com/fogleman/Minecraft） 用Python写的我的世界；
mopidy/mopidy（https://github.com/mopidy/mopidy） 一个可扩展的音乐服务器；
Eloston/ungoogled-chromium （https://github.com/Eloston/ungoogled-chromium）可以修改Google Chromium组件；
livid/v2ex（https://github.com/livid/v2ex） 在Google App Engine上运行的社区；
overviewer/Minecraft-Overviewer（https://github.com/overviewer/Minecraft-Overviewer） 展示高分辨率地图；
charlierguo/gmail （https://github.com/charlierguo/gmail）Google Mail的Pythonic界面；
egirault/googleplay-api （https://github.com/egirault/googleplay-api）Google Play非官方的Python API；
网路爬虫
LiuXingMing/SinaSpider（https://github.com/LiuXingMing/SinaSpider） 新浪微博爬虫（Scrapy、Redis）；
binux/pyspider（https://github.com/binux/pyspider） Python中强大的网络爬虫系统；
bowenpay/wechat-spider（https://github.com/bowenpay/wechat-spider） 微信公众号爬虫；
jhao104/proxy_pool（https://github.com/jhao104/proxy_pool） Python爬虫代理IP池(proxy pool)；
smicallef/spiderfoot （https://github.com/smicallef/spiderfoot）SpiderFoot，开源脚印和情报收集工具；
lining0806/PythonSpiderNotes（https://github.com/lining0806/PythonSpiderNotes） Python入门网络爬虫之精华版；
Germey/Zhihu（https://github.com/Germey/Zhihu） 崔庆才博主写的知乎爬虫；
gnemoug/distribute_crawler（https://github.com/gnemoug/distribute_crawler） 分布式网络爬虫；
Chyroc/（https://github.com/Chyroc/WechatSogou）基于搜狗微信搜索的微信公众号爬虫接口；
ResolveWang/weibospider （https://github.com/ResolveWang/weibospider）分布式微博爬虫(PC端抓取)；
airingursb/bilibili-user（https://github.com/airingursb/bilibili-user） Bilibili用户爬虫；
yanzhou/CnkiSpider （https://github.com/yanzhou/CnkiSpider）中国知网爬虫；
数据相关
donnemartin/data-science-ipython-notebooks（https://github.com/donnemartin/data-science-ipython-notebooks） 综合型的数据科学教程；
sqlmapproject/sqlmap（https://github.com/sqlmapproject/sqlmap） 自动SQL注入和数据库接管工具；
mitmproxy/mitmproxy（https://github.com/mitmproxy/mitmproxy） 针对渗透测试员和软件开发人员的交互式TLS功能拦截HTTP代理；
rushter/data-science-blogs（https://github.com/rushter/data-science-blogs） 很多数据科学的博客；
ujjwalkarn/DataSciencePython（https://github.com/ujjwalkarn/DataSciencePython） 通用数据分析和机器学习任务；
justmarkham/DAT3 （https://github.com/justmarkham/DAT3）华盛顿的大数据课程；
billryan/algorithm-exercise（https://github.com/billryan/algorithm-exercise） leetcode/lintcode题解；
bitly/data_hacks （https://github.com/bitly/data_hacks）使用命令行进行数据分析；
机器学习
MorvanZhou/tutorials（https://github.com/MorvanZhou/tutorials） 机器学习相关教程；
ahangchen/GDLnotes（https://github.com/ahangchen/GDLnotes） 谷歌深度学习笔记；
tensorflow/models（https://github.com/tensorflow/models） 使用TensorFlow构建模型；
astorfi/TensorFlow-World （https://github.com/astorfi/TensorFlow-World）TensorFlow的简单和现成的教程；
fchollet/keras（https://github.com/fchollet/keras） Python深度学习库，运行在TensorFlow，Theano或CNTK；
josephmisiti/awesome-machine-learning（https://github.com/josephmisiti/awesome-machine-learning） 精心设计的机器学习框架，书籍和软件；
songrotek/Deep-Learning-Papers-Reading-Roadmap （https://github.com/songrotek/Deep-Learning-Papers-Reading-Roadmap）深度学习论文阅读路线图；
MLWave/Kaggle-Ensemble-Guide （https://github.com/MLWave/Kaggle-Ensemble-Guide） Kaggle组合指南的代码；
eriklindernoren/ML-From-Scratch （https://github.com/eriklindernoren/ML-From-Scratch）机器学习模型和算法；
humphd/have-fun-with-machine-learning （https://github.com/humphd/have-fun-with-machine-learning）机器学习与神经网络图像分类的初学者指南；
arielf/weight-loss（https://github.com/arielf/weight-loss） 机器学习符合酮症：如何有效减肥；
luispedro/BuildingMachineLearning（https://github.com/luispedro/BuildingMachineLearningSystemsWithPython）本书用Python构建机器学习系统的源代码；
最后推荐5个好用的Python IDE
Jupyter Notebook
Jupyter笔记本在2014年诞生于IPython。它是基于服务器 - 客户端结构的Web应用程序，它允许您创建和操作笔记本文档 - 或只是“笔记本”。
Jupyter Notebook提供了一个易于使用的交互式数据科学环境，涵盖许多编程语言，不仅可以作为IDE，还可以作为演示文稿或教育工具。对于刚开始使用数据科学的人来说，这是完美的！
可以在这里下载 Project Jupyter（http://jupyter.org/）
PyCharm
PyCharm是由JetBrain的人员制作的IDE，该团队负责最着名的Java IDE，IntelliJ IDEA之一。
PyCharm的界面和功能对于那些有使用过其他JetBrain产品的人来说，是完美的。 此外，如果您喜欢IPython或Anaconda发行版，那么PyCharm可以将其工具和库（如NumPyMatplotlib）集成在一起，从而让您可以使用数组查看器和交互式图表。
下载地址PyCharm : Download Latest Version of PyCharm（https://www.jetbrains.com/pycharm/download）
Visual Studio
另一个选择可能是Visual Studio代码。 这是由Microsoft开发的文本编辑器，但也可以用作IDE。 Visual Studio的一个好处就是Git集成。 像Atom一样，您可以使用此应用程序轻松地在存储库中提交，同步和创建分支。
Visual Studio包含一个名为IntelliSense的功能，它提供了基于变量类型，功能和导入模块的代码完成。 它还提供语法高亮和自动完成功能。
您可以在此页面上免费下载适用于Windows，Linux或MacOS的Visual Studio代码Download Visual Studio Code（https://code.visualstudio.com/download）
Sublime Text
作为第三个替代选项，您还可以考虑强大的文本编辑器Sublime Text。 大多数人喜欢用户界面，非凡的功能和性能。 就像上面提到的其他文本编辑器一样，您可以使用插件扩展Sublime Text。 有关如何将Sublime Text设置为轻量级的一体化数据科学IDE的更多信息，请查看此页面。
您可以在这里下载Sublime Text Sublime Text - Download（https://www.sublimetext.com/3）
Atom
由Github开发的开源文本编辑器。