编程这件事现在有点热门了，经常能在网上看到有人问该怎么学编程。不用说，问这种题的同学都是对编程没啥经验的，有不少甚至是完全零基础的。

要搞清该怎样学编程，先得问自己一个问题：为什么要学编程？学来想干什么？
道理很简单，因为编程语言五花八门、编程知识丰富浩瀚，专业人员都不可能穷尽，所以要根据目的来选择学习内容。

这个贴子主要是给没打算成为专业程序员的同学看的，所以先看这类人群的学习目的，大部分在网上问如何学编程的同学应该都是这种状态，至少目前一定是（也许学会了之后有可能向专业程序员方向发展）。
这类人群的主要目的，应该是能通过编程提高工作效率，让日常工作更加自动化。确实有相当多日常事务如果使用程序来解决是非常轻松的，而手工去做就非常麻烦，比如把一堆 Excel 表格合并起来、用花名册生成员工卡片表格等等。街上有很多培训班在鼓吹学完 XX 语言后工作速度一日千里云云，这当然会令很多职场人士心动。

这种目的，需要学习两层内容：
1. 程序的基本逻辑
这是几乎所有程序语言都会有的内容，比如变量、分支、循环等等。不理解这些，几乎是什么程序都不可能写得出来。不过这部分内容并不复杂也不算很多，有 Excel 公式使用基础的同学，稍加努力就可以学会了。而且，几乎所有程序语言在这方面的能力都很接近，学会一种再去看其它种也很容易，甚至大部分程序语言使用的关键字和语法规则都很像，容易举一反三。
但是，只学会这一层内容，我们只会做一些中小学的算术题，比如解个鸡兔问题、分解个质因数什么的，练练脑筋没问题，对日常工作的协助几乎毫无用处。
不幸的是，面对非专业人员，很多教程书籍甚至培训也只教到这里（或者说只能教到这里，看到后面就明白了）。

要想学以致用，还必须学习第二层内容：
2. 结构化数据及其运算
希望编程来解决的日常工作，其实也就是处理手头的数据，而日常工作中面对的数据，绝大多数都是 Excel 表格或者能填入 Excel 表格里的数据，这种数据有个学名叫结构化数据。必须要学会结构化数据的概念以及常见运算，比如表、记录、字段、分组、连接等等，懂了这些才可能真正应对日常工作。结构化数据通常都是批量出现的（表格里通常会有很多行数据），这样理解结构化数据时还需要熟悉集合相关的概念和运算。
日常表格数据处理任务都是些啥，可以看这里 帮你早下班 - esProc 桌面版与 Excel 数据处理 感受一下。

再说一遍不幸，和第一层基本逻辑会有无数的课程在讲述的情况不同，面向非专业人员的教程很少涉及结构化数据的知识。大概只有数据库开发的同学才会专门去学习这些内容，大概也只有数据库课程才会系统地讲述这些东西。但这玩意儿却是日常工作的基础，而且也没那么难，非专业人员也能掌握。比如你是不是经常用 Excel 做筛选、汇总甚至也会做连接（这词可能不懂，其实就是 VLOOKUP 干的活），但没有系统学习的话，碰到复杂些的情况就会糊涂了。
这两层知识都掌握之后，非专业人员就真地可以得心应手地对付日常工作了，工作效率嗖嗖的。

说完非专业人员，再简单说说希望成为专业程序员的同学，其中有两类人群在编程时也是以上面这两层知识为基础的（主要是第二层，第一层是所有程序的基础，就不用说了）。

1. 数据科学家
这类人群面对的数据大部分也是结构化数据。当然，数据科学家更重要的任务是做算法建模型，这些工作也是用结构化数据，但涉及的运算和上面讲的表格数据运算不太一样了，一般不会再称为结构化数据的运算了。不过，算法模型的工作量通常只占二到三成，数学科学家的大部分时间都在准备数据，而这个工作主要运用的就是上面说的第二层知识了。
有很多数据科学家只熟悉算法模型，并不太熟悉结构化数据的常规运算，结果准备数据的效率很低（代码写得慢，程序执行也慢），耽误很多时间。掌握结构化数据知识不会让你的模型建得更好，但能让你有更多时间来搞算法。

2. 开发行业信息系统的程序员
这大概是最广泛的程序员群体了。这些人天天要折腾数据库，特别是要做报表统计工作的那部分人，全部都是在搞结构化数据。掌握完善的结构化数据知识之后，设计运算和处理的方法要顺手得多。不过，这个人群应该会认真学习数据库知识，也就会把这一课给补上了。

有没有编程人员不需要掌握这第二层知识呢？
有的。反而那些很专业的系统程序员（做操作系统、网络传输），或特定领域的算法工程师（视频音频等），对结构化数据的知识要求比较少。不过，这类人群属于重度编程人员，根本不会来看这个贴子，所以用不着理这群人。
所以，能来看这个贴子的同学，几乎都是需要这两层知识。

知道了该学什么，然后就是怎么学，这里首当其冲的一个问题是，学哪种程序语言？
对于第一层知识，理论上应该选择余地很大，甚至是选什么都可以，因为这是所有程序语言都有的内容。那么只要找哪种程序语言擅长处理结构化数据，这样方便学习第二层知识，而且也可以学以致用。
道理上是这样，但别忘了现在面对的是零基础同学，不能搞出太复杂的环境配置，那同学们会晕掉的。零基础同学需要即装即用，甚至就不用安装更好。

早期（30 几年前）机器上都有 BASIC 语言（我们都是当年学过谭老师那本著名的书），确实是不用安装直接可用的，但是搞不清为什么现在都没有了，也说不清这是进步呢还是退步呢。
现在不需要安装的语言也有，主要有两种，一个是浏览器会都会自带的 JavaScript，另一种是有 Excel 自带的 VBA（Office 组件都有）。但是，JavaScript 功能比较专一，学会了也干不了啥事，没啥意思；VBA 好很多，但结构化数据处理的能力也有限。而且关键是，这两种东西虽然免安装，但真要用起来，得理解浏览器和 Excel 内部的许多概念（专业术语叫做对象），这些东西比程序逻辑本身还难，其实不适合初学者。
有时候很怀念当年的 BASIC 语言。

满大街都是培训班的 Python 怎么样？看上去很美。
如果用只来学习第一层知识，Python 可以说基本没问题，除了没有象样的中文版会制造一点点小麻烦外，其它基本没障碍，只安装基础功能包并不困难，在开发环境中写代码运行也问题不大。
但如果来学习结构化数据的话，对于大多数非专业选手来讲，可以踏踏实实地说：你就学不会！更谈不上学以致用。

原因有三：
1.Python 用来处理结构化数据需要有一个叫 pandas 的开源包，这东西可不是直接被装进 Python 安装包的，你得自己再下载安装，过程也没有那么简单了，要配一堆让初学者晕死的东西。当然还可以借助一些第三方的程序来协助安装，但这些第三方程序本身的安装又是个问题，启动起来又有一堆工程环境配置（人家设计出来是做大型应用的）让人不知所措。
2. 关键问题在于，pandas 本来就不是为结构化数据设计的，它并不是我们熟悉的表格（一行行数据的集合），而是个矩阵。用来处理结构化数据时，做些过滤合并这些简单运算还好吧，碰到分组有序等复杂一些运算，就会让初学者摸不着头脑了。而且它的设计还不一致，集合就有很多种，各有不同的语法，基本上靠死记硬背，到处找例子，很难举一反三。Python 的不适应，这里 其实你就学不会 Python 有更详细的解释，前面列的那个日常表格数据处理的目录中，有相当一部分问题用 python 写起来都很困难。
3. 还有调试，你不可能一下子就把代码写对，调试对于学习程序语言也是特别有用的工具。Python 开发环境的调试功能本来就不太好，pandas 又不是 Python 的原生内容，调试就更费劲。

Python 根本就不是面向非专业人员设计的语言，对于非专业人员来讲，Python 的强大和方便，只存在于培训班。把人忽悠去了，学完第一层就结束了。日常工作中能用 Python 干点活的，基本上都是专业人员了，你很少见到周围有什么人在用 Python 倒腾 Excel（要搞也是简单格式的 Excel 做简单处理），Python 真正的使用者都是重度专业人员（主要是搞人工智能的那群人）。

Python 都不行，那其它还有啥？
Java、C/C++ 这些就不用提了。面向对象本来是个高级玩意儿，不适合初学者去理解；结构化数据处理能力却几乎为 0，学了也用不起来；开发环境还搞得很复杂，毕竟这些东西是让专业人员来搞大型软件的，复杂有复杂的道理。
话说有些中学作为计算机启蒙课在教 Java，真是匪夷所思。

SQL 呢？其实做结构化数据处理还不错。这是一个奇葩，可以不用学第一层而直接跳第二层（所以我们前面都说“几乎”，没说死），不用理解变量循环这些概念也能做出还挺复杂的查询。
SQL 的问题是，基本上只能在数据库中运行，而安装配置一个数据库又是个专业的事情了，这又把人挡住了。而且，就算学会了，以后你要算算 Excel 文件，还得先给倒腾进数据库，烦死个人。

说来说去，都不合适，那岂不是没有了？
老实说，如果看这几个主流的程序语言，真地是这样。这些程序语言都太难了！而够简单的又没什么用。
也正因为如此，虽然编程概念炒得火热，但零基础的非专业人员始终用不起来，不停地有人问该学啥。这事，开再多培训班也没有用，培训班又没有能力去改进或发明程序语言。这本质上是没有米的问题、不是会不会煮的事。

这个世界上大概只有 SPL 是适合零基础非专业人员的程序设计语言了。
作为程序语言，SPL 有完整的程序基本逻辑（第一层知识）；SPL 全名是 Structured Process Language，发明它就是为了对付结构化数据的，其结构化数据处理能力超强，可以说当前程序语言这方面能力最完整的，远远超过 Python 和 SQL。分组连接有序等运算、甚至大数据都不是问题（Python 碰到大数据就歇了，SQL 碰到有序运算会让人晕死），精心设计的语法易学易通；直接计算 Excel 文件，还能对着文件执行 SQL（SPL 提供了 SQL 大部分能力，学 SQL 可以不用安装数据库）；一键式安装，特色网格代码很容易调试，中英文双语版本，…。还有很重要的，它开源免费！
不过，SPL 也不是为了初学者特意发明的，而是为了解决 SQL 难写和 SQL 跑不快的问题。但真用起来会发现，它的体系简单易用，很适合初学者来学编程，关键是真能学以致用。

这里有 SPL 程序设计图书 【程序设计】 前言及目录 ，其中就有一些可以实用的例程，这里还有更多实用的例程 帮你早下班 - esProc 桌面版与 Excel 数据处理 。

学完了 SPL，绝大多数日常工作都不在话下了，到乾学院可以找到很多用 SPL 处理日常数据任务的例子。

如果想把 Excel 控制得更细致一点，可以再学点 VBA，毕竟它是 Excel 的原生语言，有些本事是外部的程序语言无论如何也没法拥有的。可以用 VBA 来调用 SPL，弥补它结构化数据处理能力不足的问题。
非专业选手，到此就够了。

最后再说说专业选手可能的发展方向：
1. 继续搞 SPL。
SPL 还适合行业应用软件中的计算（其实大部分也是结构化数据计算，而 SQL 对于复杂运算并不方便，而且有时候就没有 SQL 可以用），以及大数据计算（这需要学习不少高性能算法，这是真地有点难了）。

2.Python
Python 是个面向专业人员的语言，它拥有大量的人工智能算法库，这方面除了 MATLAB 和 SAS 这类卖得很贵的东西外，基本上无其它语言可及了。如果立志要当数据科学家，目前看大概率是要来学 Python 的。

3.SQL
数据库开发还是离不了 SQL，虽然它的计算能力不够强，但兼容性好，到处都是。学了 SPL 后再理解 SQL 的运算就太容易了。

4.Java，C#
目前行业应用大都是 Java 和 C# 开发的（Java 更多）。这时候就要理解面向对象的东西了，这是 SPL 里没有需要再认真学习的内容了。

5.JavaScript
浏览器里的开发主要还是这东西，它的语法很简单，难点在于要理解浏览器和网络本身的很多机制。

6.C/C++
这种资深程序员干的系统级开发的事情，轮不着这个贴子来说了