很多程式設計新手

都會套用以前上學時的學習方法：

記語法、定義、常量……

然而，這些方法在程式設計學習中

卻完全不奏效

程式設計究竟難在哪？

有沒有更有效的學習方法呢？

往下翻看，解鎖答案�

1、難在我們從未接受過解決問題的訓練

從小到大，我們所接受的教育都是為了考取更好的學校。即使是強調分析和辯論的政治歷史主觀題，也可以用答題模版死記硬背拿分，連作文都有統一的模版標準。

這些經歷，讓我們非常擅長記憶，習慣透過套公式解答問題。

不過，到了學程式設計這裡，卻統統不奏效了。

因為，程式設計的核心，不是語法，也不是演算法結構，而是學會運用程式設計思維，去獨立思考解決問題。

卡耐基梅隆大學計算機的一名華裔教授提出「程式設計思維」這個概念。

她把程式設計思維分成4個部分。

第一個部分，Decomposition，即拆分。

比如，我想喝咖啡，那我可以請求你：“可以幫我倒杯咖啡嗎？”

但這句話如果想讓電腦聽懂，我得先告訴它哪個是“杯子”、哪個是“咖啡”、什麼是“倒”，然後再告訴它怎麼去倒，比如先直走5米，左轉75度，左臂下放50度……

現實生活，每一個複雜問題，都是基於解決一個個被拆分的小問題而被解決的。這就是程式設計思維中的“拆分”。

第二個部分，Pattern Recognition，即模式識別。

假如你需要畫100只貓，你會怎麼辦？找100只貓來挨個臨摹？

對於計算機來說，你需要找出貓的“模式”。

你要知道貓是有毛髮，眼睛，尾巴，四條腿等，按照這個“模式”，你才可以“批次”畫貓——你不用每次畫一個新動物，只需要變換區域性特徵：黃白條的貓還是黑貓，長尾巴的貓還是短尾貓。

模式識別，就是這樣，根據新問題和以前解決過的問題的相似性，舉一反三琢磨出規律。

第三個部分，Abstraction，即抽象。

比如，當我們看到這一房子，我們看到的是：

但在建築師的眼中，它可能是這樣的：

建築師透過自己的經驗，抽象出房子裡面具體的構造。

將問題裡涉及的資料，抽象到資料結構（變數，陣列，連結串列等），把資料處理過程可重複執行部分抽象成函式模組，這就是程式設計思維中的“抽象”。

第四個部分， Algorithms，即演算法。

透過迴圈執行，根據前三步的分析成果，設計步驟，寫出演算法，從而解決問題。這一整個過程，我們看到所謂的程式語言和語法，在最後才發揮出作用。

程式設計思維，是你找出解決方法的能力，把現實問題轉換為程式碼邏輯的能力。只有認清這一點，你才能更好地攻克它。

2、難在我們從未學過創造

清華大學前校長陳吉寧曾提過一個觀點：清華大學裡有很多“A型學生”，但未來社會最需要的是“X型學生”。

“A型學生”，指的是傳統觀念裡的“好學生”，他們的成績總是能得“A”。

“X型學生”與之不同，他們的成績並不一定拔尖，但願意承擔創新風險，勇於嘗試新鮮事物。

兩者最大的差別，在於創造力。

當開始學程式設計的時候，看著“Hello World”，等著我們去創造的時候，是非常茫然的。整個世界的運轉，都是靠你的大腦想象出來的。這是程式設計的難。

但是，如果你在程式設計世界中，始終保持“實驗者心態”，不斷探索自己的想法，質疑自己的假設，從所犯錯誤中學習經驗，就一定能在程式設計的魔法世界中得到更多寶藏。

3、難在我們從未需要如此深刻地理解世界

學程式設計，需要探其根本，理解每一個概念的來由、定義和用途；需要多學科、深入而原始瞭解這個世界。

舉兩個小例子：

C語言氣泡排序法，它的原理是來自汽水中的氣泡，水中常常有許多小小的氣泡，嘩啦嘩啦飄到上面來。而組成小氣泡的二氧化碳比水要輕，所以小氣泡可以一點一點向上浮動。

在C語言中，這種排序演算法的每一個元素都可以像小氣泡一樣，根據自身大小，一點一點向著陣列的一側移動。

人工神經網路，則是依靠一種類似於大腦神經突觸聯接的結構，進行資訊處理的數學模型。

它們都受到了自然的啟發。

程式設計的第三難就在於，學程式設計，往往學的也不僅僅是計算機本身。

你要懂“生物”：不同的技術構成不同的生態系統，不同的生態系統有不同的規則；

你要懂“化學”：各類系統和語言的關鍵性質，提供能寫出優秀程式的原料；

你要懂“歷史”：技術從哪裡來，要到哪裡去……

它需要我們具備深入探究知識細節的能力，不允許我們冠以籠統的態度求知。

理解了以上3個難點，調整你的學習方式，你就會發現，程式設計其實也沒有那麼難。