本篇主要介绍了编程难学的原因以及更高效的学习方法，希望对于编程的学习有所帮助。

很多编程新手

都会套用以前上学时的学习方法：

记语法、定义、常量……

然而，这些方法在编程学习中

却完全不奏效

编程究竟难在哪？

有没有更有效的学习方法呢？

往下翻看，解锁答案

1、难在我们从未接受过解决问题的训练

从小到大，我们所接受的教育都是为了考取更好的学校。即使是强调分析和辩论的政治历史主观题，也可以用答题模版死记硬背拿分，连作文都有统一的模版标准。

这些经历，让我们非常擅长记忆，习惯通过套公式解答问题。

不过，到了学编程这里，却统统不奏效了。

因为，编程的核心，不是语法，也不是算法结构，而是学会运用编程思维，去独立思考解决问题。

卡耐基梅隆大学计算机的一名华裔教授提出「编程思维」这个概念。

她把编程思维分成4个部分。

 第一个部分，Decomposition，即拆分。  

比如，我想喝咖啡，那我可以请求你：“可以帮我倒杯咖啡吗？”

但这句话如果想让电脑听懂，我得先告诉它哪个是“杯子”、哪个是“咖啡”、什么是“倒”，然后再告诉它怎么去倒，比如先直走5米，左转75度，左臂下放50度……

现实生活，每一个复杂问题，都是基于解决一个个被拆分的小问题而被解决的。这就是编程思维中的“拆分”。

 第二个部分，Pattern Recognition，即模式识别。

假如你需要画100只猫，你会怎么办？找100只猫来挨个临摹？

对于计算机来说，你需要找出猫的“模式”。

你要知道猫是有毛发，眼睛，尾巴，四条腿等，按照这个“模式”，你才可以“批量”画猫——你不用每次画一个新动物，只需要变换局部特征：黄白条的猫还是黑猫，长尾巴的猫还是短尾猫。

模式识别，就是这样，根据新问题和以前解决过的问题的相似性，举一反三琢磨出规律。

 第三个部分，Abstraction，即抽象。

比如，当我们看到这一房子，我们看到的是：

但在建筑师的眼中，它可能是这样的：

建筑师通过自己的经验，抽象出房子里面具体的构造。

将问题里涉及的数据，抽象到数据结构（变量，数组，链表等），把数据处理过程可重复执行部分抽象成函数模块，这就是编程思维中的“抽象”。

 第四个部分， Algorithms，即算法。

通过循环执行，根据前三步的分析成果，设计步骤，写出算法，从而解决问题。这一整个过程，我们看到所谓的编程语言和语法，在最后才发挥出作用。

编程思维，是你找出解决方法的能力，把现实问题转换为代码逻辑的能力。只有认清这一点，你才能更好地攻克它。

2、难在我们从未学过创造

清华大学前校长陈吉宁曾提过一个观点：清华大学里有很多“A型学生”，但未来社会最需要的是“X型学生”。

“A型学生”，指的是传统观念里的“好学生”，他们的成绩总是能得“A”。

“X型学生”与之不同，他们的成绩并不一定拔尖，但愿意承担创新风险，勇于尝试新鲜事物。

两者最大的差别，在于创造力。

当开始学编程的时候，看着“Hello World”，等着我们去创造的时候，是非常茫然的。整个世界的运转，都是靠你的大脑想象出来的。这是编程的难。

但是，如果你在编程世界中，始终保持“实验者心态”，不断探索自己的想法，质疑自己的假设，从所犯错误中学习经验，就一定能在编程的魔法世界中得到更多宝藏。

3、难在我们从未需要如此深刻地理解世界

学编程，需要探其根本，理解每一个概念的来由、定义和用途；需要多学科、深入而原始了解这个世界。

举两个小例子：

C语言冒泡排序法，它的原理是来自汽水中的气泡，水中常常有许多小小的气泡，哗啦哗啦飘到上面来。而组成小气泡的二氧化碳比水要轻，所以小气泡可以一点一点向上浮动。

在C语言中，这种排序算法的每一个元素都可以像小气泡一样，根据自身大小，一点一点向着数组的一侧移动。

人工神经网络，则是依靠一种类似于大脑神经突触联接的结构，进行信息处理的数学模型。

它们都受到了自然的启发。

编程的第三难就在于，学编程，往往学的也不仅仅是计算机本身。

你要懂“生物”：不同的技术构成不同的生态系统，不同的生态系统有不同的规则；

你要懂“化学”：各类系统和语言的关键性质，提供能写出优秀程序的原料；

你要懂“历史”：技术从哪里来，要到哪里去……

它需要我们具备深入探究知识细节的能力，不允许我们冠以笼统的态度求知。

理解了以上3个难点，调整你的学习方式，你就会发现，编程其实也没有那么难。

职坐标高薪IT课程从入门到实战项目，让你快速掌握企业所需前沿技术，助你在6个月挑战高薪入职。

我是小职，记得找我

✅ 解锁高薪工作

✅ 免费获取最新技术干货教程资源