如果您正在考慮學習Python，或者您最近剛開始學習，您可能會問自己：

“我到底可以用Python做什么？”

這是個棘手的問題，因為Python有很多用途。但是隨著時間的推移，我發(fā)現(xiàn)Python主要可用于一下三個方面：

• Web開發(fā)
• 數(shù)據(jù)科學——包括機器學習、數(shù)據(jù)分析和數(shù)據(jù)可視化
• 腳本編寫

我們就依次來看看吧。

 

Web開發(fā)

 

像Django和Flask這樣基于Python的Web框架最近在web開發(fā)中變得非常流行。

這些web框架幫助您用Python創(chuàng)建服務器端代碼（后端代碼）。這些代碼在您的服務器上而不是在用戶設(shè)備以及瀏覽器上（前端代碼）運行。如果您不熟悉后端代碼和前端代碼之間的區(qū)別，請參閱下面腳注。

但是，等等，我為什么需要web框架呢？

那是因為web框架讓構(gòu)建通用后端邏輯變得更簡單了。這包括把不同的URL映射到Python代碼塊、處理數(shù)據(jù)庫和生成用戶在瀏覽器中看到的HTML文件。

我應該用哪個Python web框架？

Django和Flask是兩種最流行的Python web框架。如果您剛剛開始學習，那么可以用它們中的任何一個。

Django和Flask有什么區(qū)別？

Gareth Dwyer有篇關(guān)于這個話題的文章寫得非常好，我在這里引用一下：

<引用開始>

主要的對比：

• Flask提供簡潔、靈活和細粒度控制。它很是客觀（讓您決定如何實現(xiàn)想要的東西）。
• Django提供一種包羅萬象的體驗：您可以獲得管理面板、數(shù)據(jù)庫接口、ORM（object-relational mappling，對象關(guān)系映射），還有開箱即用的應用程序和項目的目錄結(jié)構(gòu)。

您應該選擇：

• Flask，如果您專注于體驗和學習機會，或者您想對選用哪個組件有更大的控制權(quán)（例如您想使用哪個數(shù)據(jù)庫和如何與它們交互）。
• Django，如果你專注于最終的產(chǎn)品。特別是如果您正在做一個簡單的應用程序（如一個新聞網(wǎng)站、電子商店，或者博客）并且希望有一個直接明了的做法。

</引用結(jié)束>

換句話說，如果您是位初學者，F(xiàn)lask可能是個更好的選擇，因為用到的組件比較少。如果您想要更多的定制，那么Flask也是個更好的選擇。

而且，根據(jù)我的數(shù)據(jù)工程師朋友Jonathan T Ho的看法，F(xiàn)lask更適合創(chuàng)建那些所謂的REST API的東西，因為它比Django更靈活。

另一方面，如果您想構(gòu)建一些簡單的東西，Django會讓您更快地達到目標。

好，我們接著談談下一個！

 

數(shù)據(jù)科學 —— 包括機器學習、數(shù)據(jù)分析和數(shù)據(jù)可視化

 

首先，我們來回顧一下什么是機器學習。

我認為，解釋什么是機器學習的最好方法莫過于舉個例子。

假設(shè)您想開發(fā)一個程序用于自動檢測圖片中的內(nèi)容。

因此，對于下面的這張圖片（圖片1），您希望您的程序能識別出這是條狗。

??

圖1

而對于下面的這張圖片（圖片2），您希望您的程序能識別出它是張桌子。

??

圖2

您也許會說，我可以用幾行代碼搞定。例如，如果在圖片上有很多淡棕色的像素，那么我們可以說那是狗。

或者，您可以找到在照片中檢測邊緣的方法。然后，您也許會說，如果有很多直邊，那么那就是一張桌子。

但是，這種方法很快就遇到麻煩了。如果圖片上是條沒有棕色毛發(fā)的白狗怎么辦？如果圖片上顯示的只是桌子的圓形部分呢？

輪到機器學習大顯身手了。

機器學習可實現(xiàn)一些算法，能自動檢測給定輸入中的模式。

比如，您給機器學習的算法提供1000張狗的照片和1000張桌子的照片。那么，它將會學習區(qū)別狗和桌子。當您給出一張狗或桌子的新圖片時，它將能夠識別出是狗還是桌子。

我認為，這和嬰兒學習新事物有點類似。嬰兒是如何知道一樣東西看起來像狗，而另一樣東西看起來像桌子呢？可能就是從大量的例子中學到的。

您也許不會明確地告訴一個嬰兒：“如果一樣東西是毛茸茸的，并且有著淡棕色的毛發(fā)，那么它可能是條狗。”

您可能只是說：“那是條狗。這也是條狗。這是桌子。那也是桌子。”

機器學習算法的工作方式大致相同。

您可以把同樣的想法應用于：

• 推薦系統(tǒng)（像YouTube、Amazon和Netflix在用的）
• 面部識別
• 聲音識別

您可能聽說過的流行的機器學習算法包括：

• 神經(jīng)網(wǎng)絡(luò)
• 深度學習
• 支持向量機
• 隨機森林

您可以使用任何一個上述算法來解決我剛才解釋過的圖片標注問題。

 

將Python用于機器學習

 

有一些流行的Python機器學習庫和框架，其中最流行的兩個是scikit-learn和TensorFlow。

• scikit-learn附帶了一些更流行的內(nèi)置機器學習算法。我剛才提到了其中的幾個。
• TensorFlow更像是個低級庫，它允許您構(gòu)建自定義機器學習算法。

如果您剛開始一個機器學習項目，那么我建議您先用scikit-learn。如果您開始遇到效率問題，那么我建議用TensorFlow。

我應該如何學習機器學習呢？

要學習機器學習基礎(chǔ)知識的話，我建議選擇斯坦�；蚣又堇砉�學院的機器學習課程。

請注意，您需要微積分和線性代數(shù)的基本知識以理解這些課程中的某些內(nèi)容。

然后，我會用Kaggle來練習從課程中學到的知識。Kaggle是個網(wǎng)站，大家在這個網(wǎng)站上比試誰能對一個給定的問題構(gòu)建出最佳的機器學習算法。網(wǎng)站上也有給初學者用的好教程。

 

那么數(shù)據(jù)分析和數(shù)據(jù)可視化呢？

 

為了幫助您理解，我在這里給您舉個簡單的例子。假設(shè)，您為一家在線銷售產(chǎn)品的公司工作。

那么，作為數(shù)據(jù)分析師，您也許會畫一個類似的條形圖。

??

條形圖1-由Python生成

從這張圖上，我們可以看到，在某個特定的周日，對于某件產(chǎn)品來說，男性購買了400多件，而女性購買了大約350件。

作為一個數(shù)據(jù)分析師，您也許會對其中的差異做出幾個可能的解釋。

一個很顯然的可能解釋是，該產(chǎn)品在男性中比在女性中更流行。另一個可能的解釋是，樣本量太小，這個差異是偶爾產(chǎn)生的。還有一個可能的解釋是，在周日，由于某種原因，男性比女性更傾向于購買該產(chǎn)品。

為了搞明白哪個解釋是正確的，您可能繪制另一張圖，如下圖所示：

??

折線圖1-由Python生成

我們不再只顯示周日的數(shù)據(jù)，而是整整一周的數(shù)據(jù)。正如您所見，從這張圖中，我們可以看到，這種差異在不同的日子里很一致。

從這個簡單的分析中，您可能得出了結(jié)論，對這種差異，一個最有說服力的解釋就是，這個產(chǎn)品更受男性而不是女性歡迎。

另一方面，如果您看到是如下所示的圖呢？

??

折線圖2-同樣由Python生成

那么，如何解釋出現(xiàn)在周日的差異呢？

您也許會說，也許出于某種原因，男性在周日更傾向于購買該產(chǎn)品。或者，也許只是巧合，男性在周日購買了更多的該產(chǎn)品。

好了，這是個簡化的例子，展示了數(shù)據(jù)分析在真實世界中看起來的樣子。

我在谷歌和微軟工作的時候做過數(shù)據(jù)分析，跟這個例子非常相似，只是更復雜一些罷了。事實上，我在谷歌工作時，是用Python來做這種分析，而我在微軟的時候，用的是JavaScript。

在這兩家公司工作的時候，我用SQL從數(shù)據(jù)庫中提取數(shù)據(jù)。然后，我會用Python和Matplotlib（在谷歌工作時）或JavaScrip和D3.js（在微軟工作時）進行數(shù)據(jù)可視化和分析。

 

用Python進行數(shù)據(jù)分析/可視化

 

最流行的數(shù)據(jù)可視化庫之一是Matplotlib。

剛開始學習的話，它是個不錯的庫，因為：

• 它容易上手
• 其他一些庫，如seaborn是以它為基礎(chǔ)的。因此，學習Matplotlib可以幫助您隨后學習其他庫。

我應該如何學習用Python進行數(shù)據(jù)分析/可視化？

首先，您應該學習數(shù)據(jù)分析和可視化的基礎(chǔ)知識。我在網(wǎng)上沒有找到相關(guān)的好資源。因此，最終，我在YouTube上做了相關(guān)的視頻（用Python和Matplotlib進行數(shù)據(jù)分析/可視化的入門課程）。

我還在Pluralsight上做了相關(guān)的整個課程，如果您報名參加他們的10天免費試用，您就可以免費獲得這個課程。

這兩個我都推薦給您。

學習了數(shù)據(jù)分析和可視化基礎(chǔ)知識之后，在Coursera和Khan Academy上學習統(tǒng)計的基礎(chǔ)知識也是很有幫助的。

 

腳本編寫

 

什么是腳本編寫？

通常，腳本編寫是指編寫小程序以讓簡單任務自動化。

我在這里給您舉個來自我個人經(jīng)驗的例子。

我曾在日本的一家小型初創(chuàng)企業(yè)工作，我們有個電郵支持系統(tǒng)，用來回復客戶通過電郵給我們提出的問題。

我在那里工作的時候，我的任務是計算含有特定關(guān)鍵字的電郵數(shù)量，這樣我們才可以分析我們收到的電郵。

我們本來應該用人工統(tǒng)計，但是，我寫了個簡單的程序/簡單的腳本來自動完成該任務。

事實上，那時我們是用Ruby編寫腳本，但是，對于這樣的任務來說，Python也是個不錯的語言選擇。Python適合這種類型的任務主要是因為它有相對簡單的語法并且容易編寫。用它來寫些小程序并進行測試花不了多少時間。

 

那些嵌入式應用呢？

 

對于嵌入式應用，我不在行，但是我知道Python可以配合Rasberry Pi工作。它在那些硬件發(fā)燒友中非常流行。

 

那么游戲呢？

 

您可以用PyGame庫來開發(fā)游戲，但是，它不是最流行的游戲引擎。如果把游戲作為興趣愛好，您可以用它來構(gòu)建項目，但是，如果您真的要做游戲開發(fā)，我個人不建議選擇它。

相反，我推薦您用Unity的C#腳本，它是最流行的游戲引擎之一。它允許您在很多平臺上構(gòu)建游戲，這些平臺包括：Mac、Windows、iOS和安卓。

 

那么，桌面應用呢？

 

您可以用Python的Tkinter來開發(fā)，但是它似乎不是最流行的選擇。

相反，用Java、C#和C++等語言開發(fā)桌面應用看起來更流行。

最近，一些公司也已經(jīng)開始使用JavaScript來創(chuàng)建桌面應用程序了。

比如，Slack的桌面應用程序是用Electron來構(gòu)建的。它允許您用JavaScript來構(gòu)建桌面應用。

就我個人來說，如果我要構(gòu)建一個桌面應用，我會用JavaScript。它允許您復用web版本的某些代碼（如果有的話）。

 

選Python 3還是Python 2？

 

我會推薦Python 3，因為它更現(xiàn)代化，并且目前它更受歡迎。

腳注：對于后端代碼和前端代碼的的說明（萬一您對這些術(shù)語不熟悉）。

假設(shè)，您想做個類似于Instagram的東西。

那么，您需要為每種想支持的設(shè)備創(chuàng)建前端代碼：

• Swift用于iOS設(shè)備
• Java用于安卓設(shè)備
• JavaScript用于web瀏覽器

每組代碼都將在對應類型的設(shè)備/瀏覽器上運行。這組代碼將決定應用的布局看上去的樣子，單擊時按鈕的外觀等等。

但是，您仍然需要存儲用戶信息和照片的能力。除了在用戶的設(shè)備商儲存這些信息，您還會希望將這些信息儲存在服務器上，這樣，每個用戶的關(guān)注者就能看到用戶的照片。

這里就是后端代碼/服務器端代碼的用武之地了。您需要編寫后端代碼以執(zhí)行以下操作：

• 持續(xù)跟蹤誰在關(guān)注誰
• 壓縮照片，以免占據(jù)太多存儲空間
• 在發(fā)現(xiàn)功能中給每個用戶推薦照片和新賬號

好了，這就是后端代碼和前段代碼之間的區(qū)別。

順便說一下，Python不是編寫后端/服務器端代碼的唯一好選擇。還有很多其他流行的選擇，包括Node.js，它是基于JavaScript的。

閱讀英文原文：What exactly can you do with Python? Here are Python’s 3 main applications.

標簽： 代碼 服務器 服務器端 谷歌 腳本 數(shù)據(jù)分析 數(shù)據(jù)庫 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。