1、爬虫
很多人入门 Python 的必修课之一一定是 Web 开发和爬虫，但这两项要想赚到钱，就必须知道该开发什么或该去爬什么数据能赚到钱。如果你都不知道的话问题也不大，可以考虑自己开一个淘宝网店或猪八戒做服务外包。很多人可能会觉得开淘宝店很困难，其实不然，我在13年刚毕业那会儿就开过，没有投一分钱流量广告，做到了「数据抓取」类似关键词下的第一排展示位，而且还是利用周末或工作日晚上闲着无聊的时候干的，月流水1w左右纯当外快了。收费定价全看自己心情，很多客户还觉得我这边物美价廉。其实我做了很多通用化的爬虫设计，比如那时候需求量很大的新浪微博数据，针对性开发了一套比较完整的爬虫系统（各种反爬取、IP代理池、Cookie/UA池等等）。后来我才知道，我凭借这个配几个参数喝杯咖啡等上半小时就能搞定的需求，对外报价差不多是 100-200 元，隔壁家要在 600 元以上，这就是你在淘宝生存下去的硬实力。最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~
在这个阶段最重要的还是要找到一个好的项目，比如最舒服的就是帮一些证券大佬抓取一些财经新闻、龙虎榜和舆情相关数据，开发完之后每个月只要保证爬虫不挂就可以收 3-5k，自己买个云主机一个月只要两三百的成本，还可以用来帮自己干别的事情，直到老板说不做这个项目了……
2、量化交易（配合金融和统计学食用）
只要不涉及高频交易（HFT），用 Python 来完成量化交易相关工作内容实在是太方便了。当然了，做投资肯定是会有风险的，所以使用不当也很容易让你亏钱。对于新手而言，我比较推荐 JoinQuant（有没有广告费？），新手教程和在线 Python 策略开发环境我个人认为都是比较友好的。做 Quant 其实就是一个做数据挖掘的过程，不同的策略就是你手头能用的模型，选股、择时、资金管理就是你所要做的特征工程。特征工程决定了你最多能赚到多少，模型则是用来逼近这个上限。举个比较极端的例子，假设你选了一只天天跌停的股，不管你怎么调整模型，必然都是无法在单边交易中赚到钱的，所以大家不必纠结到底是用均线策略还是用 BOLL，找到策略适应的股和择时才是关键，剩下就不展开了。
要追求稳定盈利的话可以考虑去各大虚拟币交易市场搬砖，编程能力较弱的同学可以考虑一下 botvs。统计套利虽然也能稳定盈利但显然不适合个人了，一般需要 HFT 支持。
3、程序代写/外包
互联网灰产真的是无处不在，我所认为的灰产就是不违法，但是有违道德的一些事情。比如淘宝上有不少代做程序设计的，价美物廉，几百块就能搞一套基于 LAMP 的 xx 管理系统，看看买家评论就会知道，绝大部分都是学生的大作业或者毕业设计。淘宝也曾一度打击过类似商品的关键词，比如直接禁止「毕业设计」这样的组合词出现在商品标题中，然后大家纷纷换成「毕业指导……程序设计」来命中用户包含「毕业设计」的 query。
这玩意儿可以赚多少钱呢？首先是要杜绝帮人写论文，这部分吃力不讨好，导师不可能让你论文一稿过，你有可能在接下来要为每一单付出长达半年的售后服务，所以有点技术干这行的都不会沦落去帮人写论文，必须告知为了符合淘宝平台相关政策，是不代写论文的，最多提供相关的技术文档。只负责代码开发就相对容易很多，一般本科毕设都是偏工程研发的，这类门槛低，通用化代码很多，基本上找份开源的改一改就能完成任务；硕士毕设就有不少偏机器学习的，读一篇 paper 再撸上半天数据实现一个 overfitting 的算法实现，基本也就1-2天的工夫。前者一份卖到一两千，后者一份卖到两三千，如果客源有保证的话，一天做一单就足够养活自己了。
4、白帽
Python 是黑客第一语言就不必多说了，涉灰甚至涉黑的内容数不胜数，很多时候在一念之间你就可以干出坏事来。从好的方向来说，你可以挖掘国内各大网站漏洞并提交到官方渠道，往往会获得一笔不菲的奖励金.最后，如果你的时间不是很紧张，并且又想快速的提高，最重要的是不怕吃苦，建议你可以联系维：762459510 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~
所谓哪里有利益哪里就有灰黑产，灰产常见于各种刷：刷广告点击、刷竞价排名、刷 App 下载榜、刷直播观众数、刷各路媒体点赞和阅读数…… 只要你的爬虫功力足够强，这些都不在话下，毕竟说透了就是模拟请求，只不过有些是简单 HTTP Get 请求，有些是通过 Ajax 提交的 Post 请求，还有些是 Socket 请求，然后捋一捋事件中不同请求的时间线和依赖关系，还有一堆参数的生成方式等等差不多就能搞定
最后，小编想说一句话：我是一名python开发工程师，整理了一套最新的python系统学习教程，包括从基础的python脚本到web开发、爬虫、数据分析、数据可视化、机器学习,面试宝典。