共计 3103 个字符，预计需要花费 8 分钟才能阅读完成。
在我下决心将编程进行到底之前，大略经验了四次放弃又捡起的过程，而且我察看了一些数据迷信的学生，这种事不光是我一个人做过。
迟缓且乏味的学习过程，随之而来的挫折感，这些都是造成大功告成的起因。因而，我开始思考如何打消那些本不必要但的确妨碍了人们成为合格程序员的艰难。学习都会有艰难的，然而咱们至多要缩小一些没有必要的阻碍。
这里有 10 个技巧能够帮忙你更快地逾越阻碍，取得更多的成就感。如果你曾经写了很多年的代码，这里的许多技巧可能显得用途不大，然而对老手来说就是另外一回事了。而且就算你是个编程新手，也可能会看到一两个节省时间的小窍门呢！
十个小技巧
分屏
在大多数状况下，我倡议你在学习编程的时候把屏幕分成两个并排的面板——一个给你的 Jupyter notebook，另一个放浏览器，浏览器用来查看文档、Stack Overflow 和一些教程。如果你的屏幕很小，倡议在负担得起的前提下换个大点的显示器。在美国，你能够花 100 多美元在亚马逊 (Amazon) 上买到一台 25 英寸的显示器。等你越来越纯熟的时候，你就会想要专一于一件工作——这时候能够用键盘快捷键在分屏和全屏之间切换。在 Mac 上，我喜爱用 BetterSnapTool，如果你的零碎是 Windows，能够到这篇文章（excelcampus.com/tips/sp）上看看。
屏蔽烦扰
让电脑和手机静音。如果能够的话，把手机拿开。如果你在一个嘈杂的中央，播放一些宁静的纯音乐或者应用降噪耳机。你越能集中注意力，你就能学得越快。
亲手把示例代码写一遍
你不可能读一遍教程就能记住这些内容，复制粘贴没有什么理论价值，你必须先本人写一遍，而后想想怎么扩大一下，最初依据记忆打进去。「实践上，实践和实际之间没有区别。但实际上是有的。」——本杰明·布鲁斯特（不是约吉·贝拉最先说的）。
温故知新
学习一个新概念之后，在几天内再测试一下本人。钻研表明，须要长期记住一件事时，每隔一段时间反复一次比间接死记硬背更无效。
通过教他人来学习
能教会他人，阐明本人彻底懂了。向他人分明地解释一个概念（口述或是书面都行）会迫使你了解这个概念的实质，建设关系，并创立类比，使得头脑中的分割得以坚固。这个技巧是 Feynman 学习技巧的一部分。
打好语言根底再调库
在应用编写好的程序库之前，要充沛了解一门编程语言。学习变量类型可能很无聊，调用带有属性和办法的类仿佛比拟高级。然而一旦你很好地了解了一门语言，这个库的应用会容易得多。这样能够缩小谬误，节俭大量工夫。
一次只学一个货色
不要试图同时学习两个货色，这样你学习的工夫不只是变成两倍，而是变成十倍。同理, 不要分心于闪闪发光的货色。找个中央，把那些迷人但和你正在学习的货色不相干的 url 保留一下，Chrome 的插件 One Tab 就很好用。
睡觉，锤炼，放弃还原能力
让你的大脑处于最好的状态，放弃神经连贯的沉闷。如果想要理解更多帮忙你放弃好状态的技术，能够看一下 Memorable Python 这本书。
放慢打字速度
你打特殊符号的次数越多，你打字速度就越快。然而，你只有做一件小事就能很大水平上放慢这个过程——学习好的触摸打字形式。这个网站（speedcoder.net/lessons/）里是一个 SpeedCoder 的相干练习。
学会应用快捷键
这里整顿了三份快捷键应用办法：
- Chrome 浏览器：support.google.com/chro）
- Mac：support.apple.com/en-us
- Windows：support.microsoft.com/e
如果你是数据科学家或数据分析师，我在 Github 中对 Jupyter Lab 的快捷键做了整顿 (gist.github.com/discdiv)。通过在~/ 的 Bash 配置文件中增加 ~/.bash_profile:alias gs=”git status” 就能够为 Mac 或 Linux 终端创立快捷方式。而后重新启动你的终端，这时候你须要键入的就是两个按键而不是两个单词了。
福利：如何疾速解决代码中的谬误
这个话题太大了，然而却并没有失去足够的器重，我也因而在思考是否须要写一篇。这部分算是福利：「一个疾速解决谬误的五步法」。
每一个程序员都会碰到很多谬误。当你有教训时，碰到谬误大略就只会耸耸肩，因为你能够在一分钟内解决它们。
然而对于老手来说，一个谬误可能会消耗 20 倍甚至更多的工夫去解决。对于初学者来说，谬误会让你感觉正在脚踝深的泥浆中跋涉。
这五个步骤能够帮你疾速解决 95% 的谬误。
看看是不是代码打错了
有可能少括号，或者是变量或函数拼写错误。所以肯定要在提供代码高亮显示的软件中进行输出，以防止谬误或是疾速修复缩进、少括号和相似谬误。有很多好的代码编辑器可供选择。如果你是老手，我倡议你应用 VSCode——它领有最大的市场份额，而且是收费的，并且有很多不便的性能。
先读错误信息里的结尾和结尾
相比于结尾和结尾，错误信息的两头局部没那么有用。之后再看你的代码，看看你是否可能依据谬误音讯中的提醒找出问题所在。如果无奈疾速解码错误信息，请将信息的最初一行复制并粘贴到谷歌中（如果应用的是 Python），其余语言可能在这之前也有谬误音讯）。老手最大的谬误是没有尽快用谷歌来查问错误信息。
对网络资源进行筛选以分清良莠
这一部分列举一些疾速找到高质量资源的启发性办法吧。Stack Overflow、Medium、Reddit、Hacker News、Dev 和其它的线上社区会有反馈机制（如赞等）来显示哪些答案是高质量的。这些办法并不完满，然而通常成果也挺好的。大部分解决方案都是在 Stack Overflow、Towards Data Science、GitHub 中对应问题的 issues 板块中找到的。
在谷歌的搜寻后果中，博客的品质是成败的要害。如果你用的是 Python，我能够依据我的教训举荐一些好的网站:
- Real Python (realpython.com/)
- Data School (dataschool.io/)
- Dataquest Blog (dataquest.io/blog/)
- DataCamp Blog (datacamp.com/community/)
- Practical Business Python (pbpython.com/)
- Chris Albon (chrisalbon.com/#)
过滤旧资源
对于大多数问题，你须要的是近几年的资源。因而当在谷歌上搜寻一个谬误的解决方案时，你能够过滤掉旧的后果，比方在搜寻条件里设置工夫限度，或者在查看后果片段时通过大体扫一遍来肉眼过滤等。
就比如说，如果你刚开始接触 Python, 2009 年无关 Python 2 的内容可能对您没有帮忙。
API 在一直倒退，过来应用的办法通常在当初并不实用。你更有可能在绝对近期的后果中找到一个实用的答案。
读懂错误信息
这个网站（inventwithpython.com/bl）记录了常见错误信息在 Python 中的含意，这个网站（pythonforbiologists.com）则能够帮忙你解决常见的 Python 谬误。
如果在用 Python 的 pandas 库来做数据处理，有很多常见的谬误。这个网页（gist.github.com/discdiv）里是我用 Jupyter notebook 整顿的常见谬误及其解决方案。
总结
只有有正确的心态、一些领导和大量的实际，任何人都能够学会编程。这个过程可能没那么快也不算简略，但心愿这篇文章能使这个过程变得不那么令人丧气。
参考：《2020 最新 Java 根底精讲视频教程和学习路线！》
链接：https://juejin.cn/post/694025…
