学习Python能用来做什么的问题

导读：如果你想学Python，或者你刚开始学习Python，那么你可能会问：“我能用Python做什么？”

这个问题不好回答，因为Python有很多用途。

但是随着时间，我发现有Python主要有以下三大主要应用：

Web开发

• 数据科学：包括机器学习、数据分析和数据可视化
• 脚本
• 本文将依次介绍。

01 Web开发

DjanGo和Flask等基于Python的Web框架最近在Web开发中非常流行。

这些Web框架可以帮助你用Python编写服务器端代码(后端代码)。这是在你的额服务器上运行的代码，而不是运行在用户设备和浏览器的代码(前端代码)。

为什么需要Web框架

因为用Web框架可以更容易地构建通用后端逻辑。这包括将不同的URL映射到Python代码块，处理数据库以及生成用户在浏览器中看到的html文件。

应该使用哪种Python Web框架

Django和Flask是最流行的两种Python Web框架。如果你刚刚入门，我建议使用其中一种。

Django和Flask有什么区别

Gareth Dwyer 关于这个问题有一篇出色的文章，在这里我引用几段：

主要区别

• *Flask：能够实现简单、灵活和细致的控制。并能让你自己决定实现方式。
• Django：提供了全面的体验：你可以获得管理面板、数据库接口、ORM(对象关系映射)以及开箱即用的应用程序和项目的目录结构。

如何选择

• Flask：如果你关注的是经验和学习的机会，或者你想更多地控制使用哪些组件，比如你想使用哪些数据库以及如何与其进行交互。
• Django：如果你关注最终产品，或者你正在研究一个简单的应用，比如新闻网站、网店或博客，并且你希望有单一实现的方式。

*换句话说，如果你是初学者，Flask可能是更好的选择，因为它要掌握的组件更少。此外，如果你想要更多的定制，那就选Flask。

根据我的数据工程师朋友Jonathan T Ho的说法，由于Flask 的灵活性，在创建REST api时，Flask 比Django 更适合。

另一方面，如果你想直接构建一些东西，Django可能会让你更快实现。

02 数据科学

数据科学，这里包括机器学习，数据分析和数据可视化。

机器学习是什么

假设你想开发一个能够自动检测图片内容的程序。给出图1，你希望程序识别这是一只狗。

▲图1

给出图2，希望程序能识别这是一张桌子。

▲图2

你可能会说，我可以写一些代码来做到这点。例如，如果图片中有很多浅棕色像素，那么可以识别是狗。

或者可以检测图片中的边缘，如果有很多直的边缘，那么就是桌子。

但这种方法很快就不好用了。如果图片中的狗不是棕色毛的怎么办？如果图片只显示桌子的圆形部分怎么办？

这里就需要用到机器学习了。

机器学习通过实现算法，该算法能够自动检测输入中的模式。

例如，你将1000张狗的图片和1000张桌子的图片输入给机器学习算法，让它掌握狗和桌子间的区别。那么当你给出新的图片让它识别是狗还是桌子时，它就能够进行判断。

这有点类似孩子学习新事物的方式。孩子是如何学习认知狗或桌子的呢？就是通过大量的例子。

你不会明确告诉孩子：“如果某个毛茸茸的东西有浅棕色的毛发，那么就可能是狗。”

你会说，“这是狗，这也是狗。而这是桌子，那个也是桌子。“

机器学习算法的方式大致相同。

我们可以将相同的想法应用于：

1. 推荐系统：比如YouTube，亚马逊和Netflix
2. 人脸识别
3. 语音识别
4. 以及其他应用。

你听过的热门机器学习算法包括：

1. 神经网络
2. 深度学习
3. 支持向量机
4. 随机森林

你可以使用上述任何算法来解决前面提到的图片标签问题。

将Python用于机器学习

有一些热门的机器学习库和Python框架。其中两个最热门的是scikit-learn和Tensorflow。

scikit-learn带有一些内置的热门机器学习算法。

TensorFlow是一个低级库，能让你创建自定义机器学习算法。

如果你刚开始进行机器学习项目，我会建议你先从scikit-learn开始。如果你开始遇到效率问题，那么可以使用TensorFlow。

数据分析和数据可视化

假设你在一家在线销售产品的公司工作。作为数据分析师，你会绘制这样的条形图。

▲条形图1 - 用Python生成

从这张图中可以看到在某个周日，男性用户购买了400多件产品，女性用户购买了350件产品。

作为数据分析师，对此你会提出一些可能的解释。明显的解释是，该产品在男性用户中更受欢迎。另一种是样本量太小，而这种差异是偶然的。还可能呢是由于某种原因，男性往往在周日才购买该产品。

为了理解哪种解释是正确的，你可以绘制另一个图。

▲折线图1 - 用Python生成

不止看周日的数据，还要看到一周的数据。从这张图表中可以看出，在不同的日子里这种差异比较一致。

从这个分析中你会得出结论：这种产品在男性中比在女性中更受欢迎。

但如果你看到像这样的图表呢？

▲折线图2 - 用Python生成

那么，怎么解释周日的差异呢？

你可能会说，也许出于某种原因男性只在周日才会更多地购买这款产品。或许这只是巧合。

我在谷歌和微软工作时所做的数据分析工作与这个例子非常相似，只是更复杂一些。在谷歌时我使用Python进行分析，而我在微软使用javascript。

在这两家公司我都使用sql从数据库中提取数据。然后，我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微软)来可视化和分析这些数据。

使用Python进行数据分析/可视化

进行数据可视化时，Matplotlib是非常热门的库。

Matplotlib很棒，因为：

容易上手

seaborn等库是基于它的，学习Matplotlib可以帮助你以后学习其他库。

如何用Python学习数据分析/可视化

你首先应该了解数据分析和可视化的基础知识。在学习了数据分析和可视化的基础知识之后，学习统计学基础知识也将会很有帮助。

03 脚本

什么是脚本？

脚本通常是指编写能够自动执行简单任务的小程序。

我曾经在日本的一家小型创业公司工作，公司有邮件支持系统，这用来回复客户通过邮件发送给我们的问题。

在那儿工作时，我的任务是计算包含关键字的邮件数量，以便分析我们收到的电子邮件。这可以手动完成，但我写了一个简单的脚本来自动执行此任务。

当时我们使用了Ruby，但对于这类任务Python也是不错的选择。Python适合这类任务，因为它语法简单，易于编写，而且进行测试也很快。

04 其他用途

嵌入式应用

我不是这方面的专家，但我知道Python可以与Rasberry Pi一起用，在硬件爱好者中很流行。

游戏开发

你可以用PyGame来开发游戏，但这并不是最受欢迎的游戏引擎。你可以用它来开发业余爱好项目，但如果你对游戏开发很认真，建议不要选它。

我建议使用Unity的C＃，这是最受欢迎的游戏引擎之一。它能让你为许多平台开发游戏，包括Mac、windows、iOS和Android。

桌面应用

你可以用Python的Tkinter，但这并不是最热门的选择。Java，C＃和C ++等语言似乎更受欢迎。

最近，一些公司也开始使用JavaScript来开发桌面应用程序。例如，Slack的桌面应用是Electron构建的。它能让你用JavaScript构建桌面应用程序。

就个人而言，如果我要开发桌面应用，我会选择使用JavaScript。它能让你重新使用网络版本的一些代码。

当然，我并不是桌面应用的专家，所以如果你有不同的看法，评论中告诉我。

4. Python 3还是Python 2

我会推荐Python 3，因为它更新而且更受欢迎。

后端代码与前端代码的区别

假设你想开发类似Instagram的产品，那么你需要为想要支持类型的设备创建前端代码。

你可能会用到：

• 面向ioS端的Swift
• 面向Android的Java
• 面向Web浏览器的JavaScript

每组代码将在每种类型的设备上运行。这类代码将决定应用的布局样式，点击按键的样式等。

但是，您还需要存储用户信息和照片的功能。你要将它们存储在服务器上，而不仅仅存储在用户的设备上，以便每个用户的关注者都可以查看其照片。

这时需要用到后端代码/服务器端代码。你需要编写后端代码来执行以下操作：

记录关注情况

压缩照片，从而不占用太多存储空间

在发现功能中向每个用户推荐照片和新帐户

这是后端代码和前端代码之间的区别。

顺便说一下，Python不是编写后端代码的唯一选择，还有基于JavaScript的node.js等选择。

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。

Python学习路线

这里把Python常用的技术点做了整理，有各个领域的知识点汇总，可以按照上面的知识点找对应的学习资源。

到此这篇关于关于Python能用来做什么的问题的文章就介绍到这了,更多相关Python能做什么内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！