2026 年值得学习的最佳 Python 课程：全面指南

过去几周我一直在研究 Python 课程，我的坦诚结论是，这个市场已经分成了两派。

一类是过去十年不断打磨的免费大学课程，另一类是让您在 5 分钟内开始写代码的付费交互式平台。

哪一种适合您，取决于一个几乎没有课程列表会问的问题：您是想“理解”Python，还是想“使用”它？

本文将从 8 个类别覆盖最佳 Python 课程，涉及入门路径、免费选项、认证、通用编程、数据科学、AI，以及中高级层面的相对稀缺市场。

您也可以查看我们的指南：最佳 Python 认证和最佳数据科学课程。

课程评分、评价数量与学习人数最后核验于 2026 年 9 月 15 日。

要点速览

如果您没有时间细看，结论如下。

• 多数人的综合最佳：DataCamp 的 Introduction to Python，因为它在浏览器中运行，几分钟内即可开始写代码。
• 最佳免费课程：哈佛大学的 CS50P，完整内容可免费旁听。 
• 最佳证书选择：若需厂商中立选项可选 Python Institute 的 PCAP 考试；若希望教学与认证一体，可选 DataCamp 的 Associate Python Developer 路线。
• 数据科学最佳：DataCamp 的 Data Scientist in Python 路线，是本文中评价基础最庞大的项目。

最佳 Python 课程对比表

我们涵盖的所有 DataCamp 课程如下所列，包含其实时评分与学习人数。竞品课程在各自小节中介绍。

最佳 Python 入门课程

对完全初学者而言，最佳 Python 课程应彻底免去环境配置，因为安装 Python 往往是许多人在写出第一行代码前放弃的地方。入门者也可分为两类，但多数课程将其视为一类：从未编程过的人，和已会用 JavaScript、R 或 SQL 的人，只需学习 Python 语法。第二类并不需要第一类的课程。

1. Introduction to Python - DataCamp

这是我们的旗舰入门课程，也是我最常推荐的。全程在浏览器中运行，无需在开始前安装任何东西。

• 级别：初级，无需经验
• 时长：4 小时
• 费用：第一章免费，年付起价每月 14 美元
• 最适合：从未编程、想在一个下午见到成果的人

课程涵盖变量与类型、列表、NumPy 数组和基础绘图，由 Hugo Bowne-Anderson 和 Filip Schouwenaars 授课。练习基于真实解释器运行并校验您的输出，无法靠“只读不做”通关。

它位居榜首的原因在于学习人数。如此体量意味着每一道让人困惑的练习都已经被多次发现并改写，这是新课程即便大纲再好也无法提供的优势。

2. Introduction to Python for Developers - DataCamp

同一门语言，但面向已有编程经验的人授课。

跳过“什么是循环”的解释，直达 Python 与众不同之处。

• 级别：Python 初学，但非编程初学
• 时长：3 小时
• 费用：第一章免费，年付起价每月 14 美元
• 最适合：来自 JavaScript、Java、R 或 C 的开发者

它的节奏快于标准入门课，重点放在真正会难倒有经验开发者的内容：可变性、真值逻辑、推导式以及导入系统。

如果您已会编程，请从这门开始，而不是上面的课程。已有 5 年 Java 经验还要再听一遍“什么是变量”，浪费一个下午。

3. CS50's Introduction to Programming With Python - Harvard University

目前最强的免费入门课程，由 David Malan 和 Brian Yu 授课，标准与哈佛校园课程一致。

• 级别：初级，但要求高
• 时长：每周数小时，约 9 周
• 费用：可免费旁听，证书可选付费
• 最适合：想“理解编程”而不只是“写个脚本”的人

内容涵盖函数、异常、正则表达式、面向对象编程和单元测试，习题集难度名副其实。需要自行安装 Python 并使用真实编辑器，起步有摩擦，但对后续学习更有帮助。

代价是节奏与支持。没有自适应反馈，也无人督促，是否完成完全取决于自律。许多人从 CS50P 开始，但在第 3 周停下。

4. Python for Everybody - University of Michigan, Coursera

可能是全球学习人数最多的 Python 课程，由 Charles Severance 基于其免费教材打造。

• 级别：初级
• 时长：作为完整专项需数月
• 费用：单门课可免费旁听，证书订阅制
• 最适合：希望节奏温和且带大学背书的学习者

授课耐心清晰，专项从第一性原理一路覆盖到数据库和网页数据。Severance 的讲解很出色，配套书籍免费。

但部分内容显露老化，尤其在工具链和 Python 版本方面；对已会编程的人而言，节奏可能偏慢。

5. Learn Python 3 - Codecademy

与 DataCamp 最接近的形式：基于浏览器、交互式、无需配置。

• 级别：初级
• 时长：约 25 小时
• 费用：部分免费，完整课程需付费计划
• 最适合：不爱看视频讲解、想动手敲代码的人

课程质量不错，交互式模式有效。

与我们的不同在于侧重点：Codecademy 教通用 Python，而我们的入门路线从第一道练习起就面向数据工作。

我们的选择：如果您从未编程，请从我们的 Introduction to Python 开始；若您已会编程，请选 Introduction to Python for Developers。如果您更看重深度而非便利，建议改上 CS50P。

最佳免费 Python 课程

最佳免费 Python 课程是哈佛的 CS50P，我更愿意直说这一点，而非为自家课程寻找理由。它可完整免费旁听，大学标准授课，严谨程度在这个价位无出其右。

不过，这一类别中还藏着第二个问题，答案不同。

问“哪门单一免费课程最佳”与问“如何在一年内持续免费学 Python（此时广度胜过单一课程）”并非一回事。

1. CS50's introduction to programming with Python - Harvard University

本类别我们的首选，理由见上文入门部分：真正的严谨、真正的习题集、教材本身无付费墙。

• 级别：初级，但要求高
• 时长：约 9 周
• 费用：免费旁听
• 最适合：自我驱动、想要最强免费选项的学习者

您唯一需要付费的是证书，但证书的价值最低。若能完成习题集，您将拥有可展示的代码，这更值钱。

2. Python Programming MOOC - University of Helsinki

完整的大学 Python 课程体系，免费、自动评分、无名额上限。

• 级别：初级到中级
• 时长：14 个部分，数月
• 费用：免费
• 最适合：想以大学深度与结构化方式免费学习的人

其覆盖远超多数免费课程，深入到面向对象和更大型项目，并通过自动评分即时反馈。

完成全部 14 个部分实属不易，能做到的人很少。

3. Learn Python - Scrimba

短小、全交互式，如果您更想“打字而非看视频”，这是最佳免费选项。

• 级别：初级
• 时长：约 6 小时
• 费用：免费
• 最适合：以低投入快速初探这门语言

Scrimba 的形式允许您暂停视频并直接编辑其中代码，适合通过“摆弄”来学习的人。

涵盖从基础到文件处理以及一个项目，单靠它不足以达到“可就业”的水平。

4. Google's Python Class - Google

免费的书面材料、讲座视频与练习，目标受众明确为已有编程经验的人。

• 级别：Python 初学，其他语言有经验
• 时长：几天的集中学习
• 费用：免费
• 最适合：想要最快 Python 入门提要的在职开发者

内容密实、不花哨且高效，字符串、列表、字典与文件处理等板块很强。

它也较老旧，因此工具链建议要谨慎参考，但语言基础可信。

5. Introduction to Python, Chapter 1 - DataCamp

我们平台上的每门课第一章都免费，包括这门课，无需信用卡。

• 级别：初级
• 时长：第 1 章约 1 小时
• 费用：免费
• 最适合：在付费前先确认交互式学习是否适合您

需精确说明，因为很重要：免费计划提供的是每门课的第一章，而不是整门课。

但它完整提供我们的所有教程与速查表、直播代码演练、技能测评和竞赛。仅 Python 教程就有 300 多篇、速查表 20 份，这是一大堆免费内容，和“一门免费课程”的命题不同。

我们的选择：选 CS50P。若您已会编程并想快速推进，Google's Python Class 能让您几天内而非数周内上手。

最佳在线 Python 认证课程

当您需要在没有作品集的情况下通过简历筛选时，Python 认证才物有所值；一旦有了作品集，其价值就很有限。选择前请区分常被混称的三类“认证”：结业证书（证明您完成了课程）；监考考试（证明您通过了独立测试）；大学资质（证明有机构为您背书）。

1. Associate Python Developer - DataCamp

DataCamp 针对 Python Institute 留下的教学空白给出的答案：从基础到认证一条龙的学习路线。

• 级别：初级到副高（associate）
• 时长：28 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：想同时获得技能与凭证的人

结业认证包含计时测评与实操练习，而非“完成即得”的徽章——这才是值得在意的部分。

有些人认为厂商中立考试对未听过 DataCamp 的雇主更有分量，不过凭借您在这里学到的技能，您完全可以向他们展示您在 DataCamp 所能掌握的一切！ 

4. Associate Data Scientist in Python - DataCamp

分析方向的对应路线，但投入要大得多。

• 级别：初级到副高（associate）
• 时长：90 小时
• 费用：包含在订阅内
• 最适合：以分析师或初级数据科学家为目标的人

23 门课程，不适合随意开始。

涵盖 Python、统计、机器学习，以及工作中实际充斥的报告沟通工作；大多数人需要几个月完成。

3. PCEP 和 PCAP - Python Institute

唯一广受认可的厂商中立 Python 资格，亦即唯一直接考察 Python 本身而非某个平台课程大纲的认证。

• 级别：PCEP 入门，PCAP 副高
• 时长：仅考试，学习时间自定
• 费用：付费考试，预约前请确认最新价格
• 最适合：需要雇主可识别凭证的转行者

澄清一点，因为一些其他综述目前说法不实：PCAP 并未下线。Python Institute 官方 PCAP 页面列示 PCAP-31-03 为现行版本，未给出退休日期；显示 PCAP-31-04 正在开发，预计 2026 年第三季度发布，并声明此次更新“不会影响已获得凭证的五年有效期”。

若您看到称这些考试已于 2026 年 8 月 31 日到期的说法，请在做决定前回源核实。

这些考试负责考察而不负责教学，这正是多数人需要补齐的缺口。两条 DataCamp 路线正是为此而设。

4. PCAD，Python 数据分析副高级认证 - Python Institute

竞争对手文章忽略的另一点，是这一系列已远不止 PCEP 与 PCAP。

• 级别：副高
• 时长：仅考试
• 费用：付费考试
• 最适合：希望凭证更贴合“分析”而非通用编程的分析师

除 PCEP 与 PCAP 外，现有面向数据分析的 PCED 与 PCAD，面向测试的 PCET 与 PCAT，以及面向安全、自动化与 AI 的 PCES、PCEA 与 PCEI。

若您想要与实际工作匹配的资格，“两级阶梯”的说法已过时。

5. Scientific Computing with Python - freeCodeCamp

免费的认证，对无法付费的人来说是诚实的推荐。

• 级别：初级到中级
• 时长：不定，需完成 5 个项目
• 费用：免费
• 最适合：需要可展示成果、又没有预算的学习者

其分量不及监考考试，但这些项目是真实工作，能产出可指向的代码。免费证书（虽非认证认证）加上公开仓库，胜过空白简历。思科网络学院也提供免费 Python Essentials 课程，助您备考 PCEP。

关于这些内容（含最新考试费用）我们在最佳 Python 认证指南中有更深入介绍。

我们的选择：若您需要教学与认证兼得，请选我们的 Associate Python Developer 路线。若想要更具通行力的凭证，选 PCAP。

最佳 Python 编程课程

Python 编程课程将其作为通用工具教授，这与“数据分析用 Python”是截然不同的主题，尽管前 10 小时的内容看起来很像。

如果您的方向是后端、自动化或脚本，而非笔记本与数据框，这一路线更合适。

实话说：DataCamp 主要是数据技能平台。若是纯软件工程，下方的一些选项在递归、内存与数据结构方面比我们更深入。

1. Python Programming - DataCamp

为想把 Python 当“语言”而非“数据工具”的人准备的路线，覆盖我们不太为人所知的软件工程侧。

• 级别：初级到中级
• 时长：19 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：想要结构化学习 Python 而不涉及统计的开发者

内容涵盖函数、面向对象编程，以及如何写出他人能维护的代码。

比我们的数据路线更短，这是刻意为之。

2. Software Engineering Principles in Python - DataCamp

当您的脚本能跑，但别人就是跑不起来时，我会推荐这门课。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：代码需要从“分析脚本”升级为“软件”的分析师

涵盖模块化、文档、打包与测试：这是一份笔记本与可交付成果之间的分界线。

这也许是我们 Python 目录中最被低估的一门课。

3. Object-Oriented Programming in Python - DataCamp

类、继承与对象模型，以您在代码库里真会遇到的例子来讲解。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：曾看过 class 定义却心里没底的人

多数 Python 学习者会多年回避 OOP，直到遇到假定您已掌握它的库。

花四小时，可以一劳永逸地解决这个问题。

4. Learn to Code in Python - Boot.dev

强有力的纯编程替代方案，在计算机科学深度上超过我们提供的任何内容。

• 级别：初级到中级
• 时长：完整路径需数月
• 费用：订阅
• 最适合：目标为后端工程而非分析的人

它带有“游戏化”设计，听起来像噱头，但在保持学习动力方面效果出奇地好。

内容扎实覆盖算法与数据结构，而非泛泛而谈。

5. Python Crash Course - Eric Matthes

严格说不算课程，但仍是我最常向自学者推荐的书。

• 级别：初级到中级
• 时长：自定进度
• 费用：一次性购书
• 最适合：阅读速度胜过看视频的人

下半部分是 3 个扎实项目，包含游戏与 Web 应用，产出往往比多数视频课程更有完成度。

若您偏好文字，这可能胜过订阅。

我们的选择：若要结构化路径，请选我们的 Python Programming 路线，并搭配 Software Engineering Principles in Python。若目标明确为后端工程，Boot.dev 值得一试。

最佳 Python 数据科学课程

最佳 Python 数据科学课程是我们的 Data Scientist in Python 路线。在这个类别中，我认为 DataCamp 直截了当地是最强选项，而不仅仅是强有力的竞争者。它也拥有本文中任何课程里最大的评价基础。

在这里，学习顺序比任何地方都更重要。还不会写函数就学 pandas，往往只会造就能“照抄笔记本”的人。

1. Data Scientist in Python - DataCamp

完整职业路径：从 Python 基础到统计与机器学习，再到结果沟通。

• 级别：从零到求职就绪
• 时长：26 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：从零起步、以数据科学岗位为目标的人

价值在于课程顺序。

它先教您写函数，再教您操作数据框，听起来显而易见，却与多数自学路径相反。

多数人将 26 小时分散在 2–3 个月，并在此期间自行做项目。也可以在两周内完成，尽管我建议放慢一些。

2. Introduction to Data Science in Python - DataCamp

从零到完成一次分析的最短“诚实”路径。

• 级别：初级
• 时长：4 小时
• 费用：第一章免费，其后需订阅
• 最适合：用最短时间判断自己是否对数据工作感兴趣

这是本文中评分最高的课程。4 小时足以让您在投入 26 小时的路线前，判断自己是否喜欢这条路。

3. Data Manipulation with pandas - DataCamp

若此节只选一门，这是日常适用面最广的一门。

• 级别：初级到中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：任何处理表格数据的人，适用于各类岗位

子集筛选、分组、聚合与连接——这几乎就是大多数分析师日常工作的主体。未系统学好这些的人，常年把该用 groupby 的场景写成循环。它也是本清单中使用 DataCamp AI Tutor 的课程之一，可提供自适应、个性化学习。 

4. IBM Data Science Professional Certificate - IBM, Coursera

最受欢迎的数据项目之一，横跨 12 门课程、已招收 47 万+ 学员。

• 级别：初级
• 时长：数月
• 费用：订阅
• 最适合：希望证书上带有知名雇主品牌的学习者

该项目确有广度。常见批评（我认为公允）是：12 门课面面俱到，导致每门都略显浅，实质学习多发生在压轴项目。

5. Data Analysis with Python - freeCodeCamp

免费、带认证，并且教授招聘启事中常见的那些库。

• 级别：初级到中级
• 时长：自定进度，5 个项目
• 费用：免费
• 最适合：没有预算的分析人员

NumPy、pandas、Matplotlib 和 Seaborn，配合真实数据集，全程无付费墙。Kaggle Learn 值得并行用来加练数据。

我们的选择：若想要单一路径，请选我们的 Data Scientist in Python 路线；若您已会编程、只需工具，请单独学习 Data Manipulation with pandas。

最佳 Python AI 课程

Python AI 课程常被混为一谈，但本质对应两类工作：在现有模型之上构建功能，和从零构建模型。

前者需要 API 设计、检索与评估；后者需要线性代数与 PyTorch。若路线选错，您可能花 30 小时学了用不到的内容。

在这个类别中，新近度比任何其他类别都重要。2024 年的 AI 课程可能在教已经变更的 API，因此我在下方课程条目中标注了内容刷新日期。

1. Associate AI Engineer for Developers - DataCamp

我们面向“交付 AI 功能”的路线，目标受众是开发者而非研究者。

• 级别：中级
• 时长：29 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：在现有产品中加入 AI 的开发者

涵盖 API 调用、嵌入、检索增强生成与输出评估——这就是当下多数“AI”岗位的实际工作。不涉及模型训练。

2. Introduction to LLMs in Python - DataCamp

这门课让您理解模型内部在发生什么，而非只会调用。

• 级别：中级
• 时长：3 小时
• 费用：订阅内包含
• 最适合：想要理解机制而非仅会调 API 的工程师

Transformer、分词、注意力与微调，基于 Python，3 小时搞定。默认您已能熟练写 Python。

3. Developing AI Systems with the OpenAI API - DataCamp

面向生产范式：原型能跑后，真实流量来了该怎么做。

• 级别：中级
• 时长：3 小时
• 费用：订阅内包含
• 最适合：需要让 AI 原型经得起用户考验的人

错误处理、速率限制、内容审核、函数调用与成本控制。朴素务实，却是演示与产品的分水岭。

4. Introduction to Deep Learning with PyTorch - DataCamp

另一条路线：构建模型，而非消费模型。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：以研究或 ML 工程为方向的人

张量、自动求导、训练循环与评估。开学前请先熟悉 NumPy 并具备一定线性代数基础。

5. Practical Deep Learning for Coders - fast.ai

免费，且在机器学习教学方式上最具特色。

• 级别：中级
• 时长：8 节课，分量十足
• 费用：免费
• 最适合：希望先做出能用的模型，再补理论的程序员

Jeremy Howard 采用自顶向下的教学：第一课就训练出可用的图像分类器，再回过头讲原理。这种方式非常适合一部分人，也会让另一些人不适应；反正是免费的，试一晚就知道。

如果您更偏好自底向上的理论，DeepLearning.AI 的 Andrew Ng 深度学习专项依旧是经典，Hugging Face 的免费 LLM 课程与我们的 LLM 材料最为接近。

我们的选择：若您的目标是交付 AI 功能，请选我们的 Associate AI Engineer for Developers 路线；若想自己构建模型，请选 Introduction to Deep Learning with PyTorch。fast.ai 是不错的免费选项。

最佳 Python 中级课程

当您能写出能跑的脚本，却解释不清为啥在别人机器上会崩，这时就该上中级课了。

这比任何课程大纲都更实用，也正是本类别要弥合的差距。

这也是多数自学者容易卡住的阶段。入门材料充足，而中级内容要求您关注“不那么即刻有趣”的东西。

1. Intermediate Python - DataCamp

标准的第二步，也是本节学习人数遥遥领先的课程。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：完成入门课却止步不前的人

Matplotlib、字典、pandas、逻辑与控制流，以及循环模式。它是我们 Introduction to Python 的直接续篇，这两门课的组合是大多数人在我们平台的常见路线。

2. Python Toolbox - DataCamp

让您的代码“像 Python”，而非“像从 Java 翻译过来”的那门课。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：代码能跑但读起来别扭的人

迭代器、生成器、推导式与 lambda。尤其是生成器，它让内存从“可忽略”变成“必须重视”。

3. Writing Functions in Python - DataCamp

装饰器、作用域与上下文管理器：区分“写脚本”和“做工程”的关键。

• 级别：中级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：曾经不明就里地照搬过装饰器的人

装饰器是多数 Python 开发者日用却难以从零实现的概念。这门课用一下午解决它。

4. Real Python membership - Real Python

订阅式资料库，而非单一课程，里面有非常出色的 Python 文字教程。

• 级别：中级到高级
• 时长：持续学习
• 费用：订阅（大量内容可免费访问）
• 最适合：偏好阅读胜过视频、需要按需深度的人

教程异常严谨，比多数付费视频课更深入。它是一座参考资料库而非学习路径，适合已清楚自己要学什么的人。

5. Talk Python Training - Talk Python

由播客主持人 Michael Kennedy 推出的视讯课程。

• 级别：中级到高级
• 时长：因课而异
• 费用：单课或打包购买
• 最适合：从事 Web 与 API 开发的 Python 工程师

课程目录涵盖许多他处少见的内容，尤其是 Web 框架、异步与部署。若想要一本讲“地道 Python”的书，Dan Bader 的 Python Tricks 也值得加入。

我们的选择：先学 Intermediate Python，再学 Writing Functions in Python。如果您更擅长通过阅读学习，可加订 Real Python。

最佳 Python 高级课程

真正“高级”的 Python 内容很稀缺，多数标着“高级”的课程，其实是“标题自信的中级课”。真正的高级内容涵盖解释器、并发、性能剖析与数据模型，市场上这类内容远少于表象。

我们的数据清楚地反映出流失：Intermediate Python 有 140 万学习者；Intermediate Object-Oriented Programming 只有 9,594。几乎没人走过中段，这也正是“走过去”如此有价值的原因。

1. Writing Efficient Python Code - DataCamp

性能剖析与优化，这才是高级 Python 的起点。

• 级别：中高级
• 时长：4 小时
• 费用：订阅内包含，年付起价每月 14 美元
• 最适合：代码正确但运行缓慢的人

它教您“先测量再优化”，使用耗时与内存剖析替代拍脑袋。多数凭直觉做的性能优化，往往瞄错了那一行。

2. Intermediate Object-Oriented Programming in Python - DataCamp

继承、多态与类层次设计，学了绝不后悔。

• 级别：高级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：设计库而非仅使用库的开发者

本文学习人数最少的一门课程，同时也是最有用的课程之一。请将此视为推荐，而非警示。

3. Introduction to Testing in Python - DataCamp

pytest、fixtures 与测试设计。测试是“写脚本的人”与“写软件的人”之间最清晰的界线。

• 级别：高级
• 时长：4 小时
• 费用：订阅内包含
• 最适合：其代码被他人依赖的任何人

它不仅讲“如何测”，更讲“测什么”，而后者更难。断言错误的测试比不写测试还糟。

4. Machine Learning Scientist with Python - DataCamp

我们发布的最长且要求最高的路径。

• 级别：高级
• 时长：85 小时
• 费用：订阅内包含
• 最适合：从分析转向机器学习工程的人

21 门课涵盖监督/无监督学习、深度学习与模型部署。

这是一个以月计的承诺，也是本文中唯一我会称之为“真的难”的内容。

5. Fluent Python - Luciano Ramalho, O'Reilly

一本书，也是高级 Python 的标配推荐，理由充分。

• 级别：高级
• 时长：现实中需要数月
• 费用：一次性购书
• 最适合：想真正理解数据模型的开发者

它解释 Python 行为背后的原因，以视频课程无法达到的深度覆盖数据模型、协议、元编程与并发。若只读一本高级 Python 书，就读它。

视频方面，ArjanCodes 对设计模式与架构的讲解很好；若想了解解释器本身如何工作，Anthony Shaw 的 CPython Internals 值得一读。

我们的选择：先学 Writing Efficient Python Code 与 Introduction to Testing in Python，然后读 Fluent Python。没有任何视频课程能替代这本书。

我们如何挑选这些课程

评分、评价数与学习人数来自本文顶部“新近度标记”日期当天抓取的课程实时数据，而非一次性填好的表格。对于路线类项目，评分为路线内课程按评价权重加权的平均值，因为路线页本身的评价数量通常不足以说明问题。

我们在自家课程之外收录了更胜一筹的免费与竞品课程，并在相应部分直言不讳。我们排除了 18 个月内无内容更新的课程，这也移除了若干仍在他处被推荐的“老牌选项”。

结语

对大多数初学者，我会建议从我们的 Introduction to Python 开始，主要因为它去除了“环境配置”这道让许多人在第一周就止步的坎。

如果您希望更有深度，也不介意自行安装环境，CS50P 是不错的替代。 

在整理本文时，最让我震惊的是市场在高级端的单薄。入门 Python 课程有成百上千，严肃的高级课程也许只有一打。若您能越过“中级坎”，竞争将迅速消失——而几乎没人做得到。

如果您今天就想开始并确定一条学习路径，我推荐 Python Data Fundamentals 路线，它把上文“入门”部分的内容串成一个序列。