如果你没有良好的Python编程基础，在尝试应用数据科学方法时遇到了问题和困难，又不知道该如何有效解决，这几篇博客帮你解疑答惑（根据玉树芝兰《Python编程遇问题，文科生怎么办？》整理而来）。
遇到的错误及应对
几个月以来，我一直在发布数据科学类的应用案例文章。我的目标是帮助初学者建立信心，激发兴趣。从反馈来看，确实吸引了不少“文科生”来尝试数据科学方法。
这里所谓文科生，就是没有编程经验，却又对数据科学感兴趣，甚至不得不实践数据科学（这种压力往往来自于导师、老板和同侪）的人。
我承认，这么定义“文科生”，有些利用刻板印象简化问题的成分。实际上，现在不少文科专业学生，都是高素质复合型人才，编程玩儿得比IT类专业都要熟练。如果你恰巧就是个复合型人才，觉得这个称呼冒犯了你，请你谅解。但至少你得承认，相当多的文科专业同学，还是对技术不够熟悉，有抵触甚至是恐惧心理的。
我收到了不少读者留言和来信，提出了许多疑问。其中有很大一部分，是在实践编程环节，遇到了错误提示，向我求助。
对于这一类的反馈，我秉持着“能帮就帮”的原则。一两句话能够说明的问题，我就旋即答复；对于那些需要深入调查的问题，我会让读者把Jupyter Notebook或者R notebook文件以及数据发给我。这里真得感谢文学化编程环境的提供者们，给我和读者这样便捷沟通、重现问题的方式。
但是，按照反馈的情况来看，还有不少读者遇到了问题，没有能够解决，就直接放弃了。
我这样确信，是因为前些日子给一年级的硕士研究生布置了同样的练习作业，重现我一系列文章中的结果。他们很快就遭遇到了问题，但是长时间自己瞎折腾，没有跟我及时沟通。直到最近的一次的工作坊，我用了几分钟的时间，消除了一直困扰他们的“疑难杂症”，做出了预期的结果。看他们一个个喜上眉梢的样子，很享受。
我能够理解他们的心情。我们总想留给别人聪明、勤奋和积极主动的印象。轻易提出看似异常简单的“傻问题”，可能会让我们的自我评价受挫，觉得自己没有能力，又被别人看作“懒惰”。所以许多情况下，我们遇到问题，喜欢自己先折腾一番。
动手折腾并不是坏事。以正确的方法尝试解决问题，会帮你积累认知。所谓的“编程经验”，很多就是从各种失败尝试中提炼出来的。但是如果你面对错误，尝试使用的方法低效，甚至根本不得其法，那就得不偿失了。我们时常揶揄的“从入门到放弃”，往往就是这么来的。
本着“授人以鱼不如授人以渔”的原则，我今天跟你谈谈，文科生该如何应对数据科学Python编程中可能出现的问题。
许多程序员和专业人士可能会对这样的主题不以为然，甚至嗤之以鼻——除错(debug)是一门专业的学问，你打算一篇文章讲清楚？吹吧！
诚然，我不可能用一篇文章讲清楚如何编程除错。我只想给文科生一些建议，因为他们的情况比较特殊。
对他们来说，直接列一个清单，说明如何除错是不够满足需求的。咱们得结合具体的场景来谈。
文科生遭遇Python编程问题的场景该如何分类呢？
我根据长期的观察和思考，认为可以分成3类：
照葫芦画葫芦； 照葫芦画瓢； 找葫芦画瓢。 你可能看得不知所云。简单解释一下。
文科生使用Python编程，往往没有程序设计的基础训练。他们不是从基础关键词、语法、数据结构、算法的路径学下来的。他们拿到一个任务，一般都有明确的时限，却没有解法清单，唯一的线索是“这个问题可以用Python (或者R)来解决”。
有人说，这就像是某人被塞了一把伞，然后推到台风中心。我觉得挺形象的。
所以，他们首先寻找的，不会是Python（或者R）的基础教科书，而是样例。
如果恰好有个样例，讲如何绘制词云，如何做中文情感分析，如何用决策树分类，如何抽取海量文本的主题……恰好跟他们的任务一致，那他们自然如释重负。
于是他们就开始了第一步，照葫芦画葫芦，先把样例中的代码重复实践一遍，确定本地可以运行。
做好了第一步，出了正确的结果，他们也就来了信心。下面需要做的，是把自己的数据扔进去，看能否出预期的结果，这一部分，就算作“照葫芦画瓢”。
许多人只需要前两步，就能完成任务，高高兴兴收工了。但是如果很不幸，你的任务和样例有一些区别，那你就得在样例基础上，添加新的代码，调用新的软件包来尝试完成任务。你无法自己从头造瓢出来，这一部分就得“自己找葫芦画瓢”了。
对大部分“文科生”来说，场景就是这三类了。出离这样的要求，要么外包，要么自己从头学编程。等他扎扎实实学会了，也就不算文科生了。
