stm32 官方1588协议例程修改版

在这个修改版的stm32官方1588协议例程中，我们采用了dm9161作为phy，并且经过测试，精确度在200ns以内。您可以在以下链接中找到相关文件：n459.com/f/25127180-480024851-a2ac7f（访问密码：551685）以下内容与此无关：

——————————————-分割线———————————————

因为我需要在工作中使用Python，所以大约在2019年5月开始学习Python。大约一个月后，我就能够完成公司的任务，并且这些任务中还包括了机器学习等方面的要素。大约3个月后，我还负责开发机器学习数据分析的任务。因此，我认为尽管Python包含了爬虫、机器学习和数据分析等热门要素，但学习Python并不难，而且如果方法得当，学习到能够完成项目的程度也是很快的。在本文中，我将分享我学习Python的流程，向大家展示如何高效学习Python。

如果大家现在要学python，建议用如下的步骤搭建环境。
1.  到官网上去下载python解释器，并安装
这个是官网，https://www.python.org/downloads/windows/，在这里大家可以选择最新的版本，并根据你机器的操作系统，下载windows或linux或mac的版本，我下载的是windows版本。下载后按提示即可完成安装。
python是解释型语言，所以下载并安装解释器后，就能在你本地运行python语言了。
 2.  安装pycharm集成开发环境
安装好python解释器以后，理论上你就可以通过命令行的方式，开发并运行python程序了。但这很不方便，所以建议再到https://www.jetbrains.com/pycharm/download/ 这个网站去下载并安装pycharm集成开发环境。
 3.  安装第三方包
 当安装好python解释器后，该解释器会自带一些比较基本的依赖包，但如果要开发机器学习或数据分析等程序，就需要安装第三方包，比如后文提到的numpy等。
 我安装第三方包的做法是，在命令窗口，通过cd等命令，进入到Python解释器所在的路径，比如C:UsersthinkAppDataLocalProgramsPythonPython37，在该路径里，再进入Scripts路径，找到pip3命令，随后通过pip3 install 包名的方式，安装第三方包，比如要安装numpy包，对应的命令是pip3 install numpy。
至此就搭好了开发环境。

1. 搭建开发环境

由于我有Java的基础，所以我知道首先需要搭建开发环境。当时我使用的是eclipse+Python解释器+pydev插件来搭建环境，当时我使用的是Python 3.4解释器。当然，现在已经有Python 3.9的解释器了，而我现在使用的是Pycharm集成开发环境。

什么叫换源？
在用pip3 install numpy等命令安装第三方库的时候，默认似乎是到国外网站去下载，这样如果遇到包比较大，而且网络不好的情况下，下载会比较困难，所以可以用如下-i参数，指定下载第三方报道的源。
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple virtualen
这里-i参数后https://pypi.tuna.tsinghua.edu.cn/simple指定的是清华源，而virtualen则是待下载的第三方包，这样就能以比较快的方式下载并安装第三方包。
在pycharm里确定解释器
我在这块搞了很久，后来我在培训班里带同学入门python时，发现初学者经常在这里犯错误。
我们知道，pycharm会自带python解释器。
但这个解释器版本未必是我们预期的，所以我们还会再装其它的解释器。问题就在这里，安装的第三方包是跟着解释器的。
比如我们在pycharm自带的3.8解释器里安装了若干第三方包，但如果切换到自己装的3.9python解释器里，这些第三方包就会全部变掉。
比如当我们切换解释器后，发现第三方包全变了。
所以在安装第三方包时，一定得注意，要到选中解释器，比如3.9这个解释器的目录里，运行其中的pip3命令，这样就能为特定的解释器安装包。

Python的基本语法包括：分支循环，集合（列表字典元组等），面向对象（类和继承等），文件读写和异常处理，这些语法点，运行通一遍，基本就能了解了，在开始学习阶段，不用太多地深入。
如果你编程基础自认为一般，就可以再找本书，比如这本。但基本语法不用多看，运行两本书的代码就足够了。因为Python的重点在于数据分析、爬虫和机器学习等要素。

2. 搭建开发环境时遇到的问题

在搭建开发环境的过程中，我遇到了两个问题。第一个问题是更换软件源，第二个问题是在Pycharm中找到对应的解释器。

3. 通过编写代码熟悉语法

Python入门书籍实际上差别不大，我当时使用的是一本入门书。入门书籍不需要太多，只需要运行其中的语法代码即可。

我当时看的是这本，其中包含了三剑客的语法和应用没，一般看了一本，然后照着里面的代码运行一遍的话，数据分析这块，应该也能达到能干活的地步了。

4. 学习数据分析三剑客组件

我的项目是使用Python进行股票量化分析，但我观察到，无论使用Python做什么样的应用，掌握数据分析三剑客（Numpy、Pandas和Matplotlib）这三个库是必要的。

学Scrapy框架的注意点如下。
Scrapy第三方比较难搭建，需要事先装其它的包，这里建议用python3.8和3.9解释器的基础上，搭建环境。
建议把包下载到本地，在本地装。
但如果你真的搭建好Scrapy环境了，照着这本书上的做，基本上也不会遇到太大的问题。

5. 学习Scrapy爬虫框架

虽然我的项目中没有包含爬虫功能，但当时我接了一个私活，帮助一所学校录制Python爬虫视频。因此，我花了两周的时间，购买了一本相关书籍，并按照书中的案例进行实践，从而了解了Scrapy爬虫的细节。

我的体会是：虽然机器学习的算法比较复杂，但基本都已经封装在sklearn库里了，也就是说，在python里只需要调用方法，传入正确的参数，即可在项目里用到机器学习的算法。

6. 通过案例入门机器学习sklearn库

在机器学习方面，我当时阅读了一本书，其中包含了机器学习的理论知识，并提供了使用sklearn库进行线性回归和SVM分析的案例。

7. 通过股票量化案例全面学习Python数据分析

在之前提到的书籍中，有一个比较全面的案例，综合了机器学习和数据分析的内容，其中也涉及到了numpy、pandas、matplotlib和sklearn库。然而，由于我的项目与金融量化相关，所以我又购买了一本以量化案例为基础的书籍，以综合学习数据分析的知识。

学习一定要有目的，比如用python去找工作，项目里要用到python，或者用python去接私活，否则没目的别学。
刚开始不建议通过视频学，而是去买书学，因为书里的知识点比较系统，而且书里的代码能确保可以运行。
一定别光看书，一定得边运行代码边掌握技能。 
照着上述方法，你一定能在一个月内熟悉python。

我前后买书大概用400元
时间成本
一个月的晚上和周末，其它没干就运行python，就能熟悉python语法+数据分析，外加一个月，就熟悉了机器学习相关语法。
收益：
工作里能干项目，挣到工资。
后来出了两本书，稿酬大概是2万5左右
能去讲课，这块挣钱到还行。
做了一个python爬虫私活，挣了1万多。
不过我感觉，由于python包含了深度学习等热点，所以各位程序员还真应当先去找个目标，比如跳槽，然后去学下python。按照我本文给出的流