作为本科学生物，后来转行生物信息的人，经常会被人问起，为啥学习生物信息了呢？这背后通常会带着一些困惑，生物信息分析好不好学？

我读书的时候，实验室纯计算机出身的人员只占很小比例，更多的是大学期间学生物的；特别的，有个做的挺好的师兄，本科是商科出身。从这来看，像我这样本科学生物转行生物信息还不算是有跨度的。这也从一个侧面说明，专业背景不是能否学好生信的决定因素。

想想自己大学开始自学生信的时候，可以说是一头雾水，只知道先学习编程，查了查资料，是要学习perl语言，但是不知道要在什么地方写，怎么去运行。费了些劲，在windows上安装好perl，写个文本文件，改下后缀，发现文件的图标变成了perl的图标，双击就可以运行了，不会写命令行参数，不会输出重定向，一种傻呵呵的体验。

后来接触了Linux系统，体验到在终端输入命令的快意，才找到了编程的感觉。不过，深深印在脑海里的还是作为一个生信小白的时候，写一个程序不知道在哪写，在哪运行。看过不少的教程都默认学习者会打开终端，会使用终端，会在终端运行命令。而我却是个例外，什么都不会。程序可以照着教程写下来，却不知道怎么运行。所以在我后来写python教程的时候（后台回复 python 可获取），第一部分就是介绍程序在哪儿写，在哪儿运行，怎么运行。（最开始学习perl，在研一时在QQ群一个同一大学学长的忽悠下，尝试了下python，那时有些编程基础，寒假在家看了遍《python简明教程》就可以写了，以后也就习惯了这个语言）。

我个人是个理解能力比较差的，尤其是在接触新的领域时，阅读不少教程，总觉得这些教程都是给有些基础的人写的，自己去学习时，需要多方尝试，多多综合，才能找到门路。为了方便自己学习，也为了记述学习过程，就开始写博客去记录，力争从一个小白的视角、从最基础的角度去写作，记述哪怕是最简单的一步操作，一个错误，提供一个近乎人人可以直接上手的教程 （比如虚拟系统Docker的使用教程和任务流控制管理的Airflow教程，这些文章被转载后，在同一平台相比于同类的教程阅读量多了10倍，我想这正是因为简单、可操作，为初学者接触这些工具提供了最大的便利）。

在初步知道程序语言怎么运行并能成功运行完示例后，就要系统地读一本简明教程；简明的教程不多见，因为一般的教程都涵盖的面比较广，而我们初期只需要关注最基本的就好 （所以我提取了我个人认为比较重要的基础内容，形成教程），可以找本经典书，请身边朋友划下重点，先从头到尾读一遍，不管理解多少，然后再读一遍。读不下去，就抄写一遍。最好的自学方式就是守住一本教材，一遍一遍地去读去熟悉，每看一遍都会有一些了解，从陌生到熟悉，慢慢就串起来了。然后就开始自己去写代码，代码就是我们思想的体现；我在教人写代码时，总会让他先描述下如果没有程序，我们自己是如何一步步的手动处理这个问题的，模拟的是程序运行的过程。理清一遍思路之后，怎么想的就怎么写，只要你敢写，就成功了。

当然这个时候一般会遇到初学者经常犯的错误，写完代码，觉得自己写的很对，但运行时却总是提示错误。绝大多数情况下，错误是我们自己写作的错误；起码在最开始时，要相信是自己的错误，不是程序语言设计的错误。错误的种类就这么几种，比如引号未配对、缩进不对、少了空格、文件名不对、变量名字不一致等。这时需仔细看屏幕提示的错误信息，在提示的错误行附近反复去查看。在之前的python教程和后续的文章中，都有或会提到经常出现的错误和解决办法。

能让程序提示的错误都算不上大的错误，而程序运行成功，不等同于程序的逻辑是对的，获得的结果是对的。程序是我们设计的，多数情况，我们对程序的输出结果是可以预估和判断的，不符合预期的结果是我们最应该慎重对待的。

在能独立写作程序后，一方面是学以致用，在解决问题中逐步学习；这时谷歌是你最好的帮手，把你遇到的错误或想解决的问题的关键字提取出，一键搜索，可以帮你解决大部分问题。另一方面，则是去学习别人的代码、学习初学时跳过的内容，利用社区中提供的优秀的模块或包来简化、加速自己的操作。入了门，就不需要像刚开始时，什么操作都自己去写了，俗语叫“自己造轮子”；可以用很多经验更丰富的开发人员做好的轮子解决我们的问题。

关于学习周期，如果能静下心去学习的话，1个月的时间是足够的。如果不时还能有人给你点播，2-3周就差不多了。关键的关键是去背、去抄，书读百遍其义自见。