共计 3559 个字符，预计需要花费 9 分钟才能阅读完成。
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？”
这个问题不好答复，因为 Python 有很多用处。
然而随着工夫，我发现有 Python 次要有以下三大次要利用：
- Web 开发
- 数据迷信：包含机器学习、数据分析和数据可视化
- 脚本
本文将顺次介绍。
01 Web 开发
Django 和 Flask 等基于 Python 的 Web 框架最近在 Web 开发中十分风行。
这些 Web 框架能够帮忙你用 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施和浏览器的代码(前端代码)。
1. 为什么须要 Web 框架
因为用 Web 框架能够更容易地构建通用后端逻辑。这包含将不同的 URL 映射到 Python 代码块，解决数据库以及生成用户在浏览器中看到的 HTML 文件。
2. 应该应用哪种 Python Web 框架
Django 和 Flask 是最风行的两种 Python Web 框架。如果你刚刚入门，我倡议应用其中一种。
3. Django 和 Flask 有什么区别
Gareth Dwyer 对于这个问题有一篇杰出的文章，在这里我援用几段：
次要区别
Flask：可能实现简略、灵便和粗疏的管制。并能让你本人决定实现形式。
Django：提供了全面的体验：你能够取得治理面板、数据库接口、ORM(对象关系映射)以及开箱即用的应用程序和我的项目的目录构造。
如何抉择
Flask：如果你关注的是教训和学习的机会，或者你想更多地管制应用哪些组件，比方你想应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，或者你正在钻研一个简略的利用，比方新闻网站、网店或博客，并且你心愿有繁多实现的形式。
换句话说，如果你是初学者，Flask 可能是更好的抉择，因为它要把握的组件更少。此外，如果你想要更多的定制，那就选 Flask。
依据我的数据工程师敌人 Jonathan T Ho 的说法，因为 Flask 的灵活性，在创立 REST API 时，Flask 比 Django 更适宜。
另一方面，如果你想间接构建一些货色，Django 可能会让你更快实现。
02 数据迷信
数据迷信，这里包含机器学习，数据分析和数据可视化。
1. 机器学习是什么
假如你想开发一个可能自动检测图片内容的程序。给出图 1，你心愿程序辨认这是一只狗。
▲图 1
给出图 2，心愿程序能辨认这是一张桌子。
▲图 2
你可能会说，我能够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，那么能够辨认是狗。
或者能够检测图片中的边缘，如果有很多直的边缘，那么就是桌子。
但这种办法很快就不好用了。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局部怎么办？
这里就须要用到机器学习了。
机器学习通过实现算法，该算法可能自动检测输出中的模式。
例如，你将 1000 张狗的图片和 1000 张桌子的图片输出给机器学习算法，让它把握狗和桌子间的区别。那么当你给出新的图片让它辨认是狗还是桌子时，它就可能进行判断。
这有点相似孩子学习新事物的形式。孩子是如何学习认知狗或桌子的呢？就是通过大量的例子。
你不会明确通知孩子：“如果某个毛茸茸的货色有浅棕色的毛发，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。“
机器学习算法的形式大致相同。
咱们能够将雷同的想法利用于：
- 举荐零碎：比方 YouTube，亚马逊和 Netflix
- 人脸识别
- 语音辨认
以及其余利用。
你听过的热门机器学习算法包含：
- 神经网络
- 深度学习
- 反对向量机
- 随机森林
你能够应用上述任何算法来解决后面提到的图片标签问题。
2. 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，能让你创立自定义机器学习算法。
如果你刚开始进行机器学习我的项目，我会倡议你先从 scikit-learn 开始。如果你开始遇到效率问题，那么能够应用 TensorFlow。
3. 数据分析和数据可视化
假如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
从这张图中能够看到在某个周日，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。显著的解释是，该产品在男性用户中更受欢迎。另一种是样本量太小，而这种差别是偶尔的。还可能呢是因为某种原因，男性往往在周日才购买该产品。
为了了解哪种解释是正确的，你能够绘制另一个图。
▲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。从这张图表中能够看出，在不同的日子里这种差别比拟统一。
从这个剖析中你会得出结论：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，怎么解释周日的差别呢？
你可能会说，兴许出于某种原因男性只在周日才会更多地购买这款产品。或者这只是偶合。
我在谷歌和微软工作时所做的数据分析工作与这个例子十分类似，只是更简单一些。在谷歌时我应用 Python 进行剖析，而我在微软应用 JavaScript。
在这两家公司我都应用 SQL 从数据库中提取数据。而后，我用 Python 和 Matplotlib(在谷歌)或 JavaScript 和 D3.js(在微软)来可视化和剖析这些数据。
应用 Python 进行数据分析 / 可视化
最风行的数据可视化库之一是 Matplotlib
这是一个很好的入门库，因为：
- 它很容易上手
- 其余一些库，如 seaborn 就是基于它的。因而，学习 Matplotlib 将帮忙您当前学习这些其余库。
我应该如何应用 Python 学习数据分析 / 可视化？
您应该首先学习数据分析和可视化的基础知识。当我在网上寻找好的资源时，我找不到任何资源。所以，我最终制作了一个对于这个主题的 YouTube 视频：
我最终还在 Pluralsight 上制作了一个对于这个主题的残缺课程，您能够通过注册他们的 10 天收费试用版收费取得。
我会举荐他们两个。
在学习了数据分析和可视化的基础知识之后，从 Coursera 和 Khan Academy 等网站上学习统计学的基础知识也将有所帮忙。
脚本
什么是脚本？
脚本通常是指编写旨在主动执行简略工作的小程序。
所以，让我从我的个人经历中给你一个例子。
我已经在日本的一家小型守业公司工作，那里有一个电子邮件支持系统。这是咱们回复客户通过电子邮件发送给咱们的问题的零碎。
当我在那里工作时，我的工作是计算蕴含某些关键字的电子邮件数量，以便咱们能够剖析收到的电子邮件。
咱们本能够手动实现，但相同，我编写了一个简略的程序 / 简略的脚本来主动执行此工作。
实际上，咱们过后应用 Ruby 来做这件事，但 Python 也是这种工作的好语言。Python 适宜这种类型的工作，次要是因为它具备绝对简略的语法并且易于编写。用它写一些小东西并进行测试也很快。
嵌入式应用程序呢？
我不是嵌入式应用程序的专家，但我晓得 Python 能够与 Rasberry Pi 一起应用。它仿佛是硬件爱好者中风行的应用程序。
那么游戏呢？
你能够应用名为 PyGame 的库来开发游戏，但它不是最受欢迎的游戏引擎。你能够用它来构建一个业余爱好我的项目，但如果你认真对待游戏开发，我集体不会抉择它。
相同，我倡议从应用 C# 的 Unity 开始，这是最受欢迎的游戏引擎之一。它容许您为许多平台构建游戏，包含 Mac，Windows，iOS 和 Android。
Python 3 还是 Python 2？
我会举荐 Python 3，因为它更古代，在这一点上它是一个更受欢迎的抉择。
脚注：对于后端代码与前端代码的阐明（以防您不相熟这些术语）：
假如你想做一些像 Instagram 这样的货色。
而后，您须要为要反对的每种类型的设施创立前端代码。
例如，您能够应用：
- Swift for iOS
- Java for Android
- 用于 Web 浏览器的 JavaScript
每组代码将在每种类型的设施 / 浏览器上运行。这将是一组代码，用于确定应用程序的布局将是什么样子，单击按钮时按钮的外观等。
然而，您依然须要可能存储用户的信息和照片。您须要将它们存储在服务器上，而不仅仅是存储在用户的设施上，以便每个用户的关注者都能够查看他 / 她的照片。
这是后端代码 / 服务器端代码的用武之地。您须要编写一些后端代码来执行以下操作：
- 跟踪谁在关注谁
- 压缩照片，使其不会占用太多存储空间
- 在 发现 性能中向每个用户举荐照片和新帐户
所以，这就是后端代码和前端代码之间的区别。
顺便说一句，Python 并不是编写后端 / 服务器端代码的惟一好抉择。还有许多其余风行的抉择，包含基于 JavaScript 的 Node.js。
