别迷茫了，带你梳理Python语言到底能做哪些事_python目前做过什么(2)

2401_84572880

于 2024-05-06 20:45:47 发布

阅读量1k

点赞数 9

分类专栏：程序员文章标签： python 开发语言

本文链接：https://blog.csdn.net/2401_84572880/article/details/138507726

版权

程序员专栏收录该内容

98 篇文章 0 订阅

订阅专栏

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

网络爬虫是Python比较常用的一个场景，国际上，google在早期大量地使用Python语言作为网络爬虫的基础，带动了整个Python语言的应用发展。以前国内很多人用采集器搜刮网上的内容，现在用Python收集网上的信息比以前容易很多了。

Python在这个方面有许多工具上的积累，无论是用于模拟HTTP请求的Requests、用于HTML DOM解析的PyQuery/BeautifulSoup、用于自动化分布式爬取任务的Scrapy，还是用于最简化数据库访问的各种ORM，都使得Python成为数据爬取的首选语言之一。特别是，爬取后的数据分析与计算是Python最为擅长的领域，非常容易整合。目前Python比较流行的网络爬虫框架是功能非常强大的scrapy。

3、人工智能（AI)与机器学习

人工智能是现在非常火的一个方向，AI热潮让Python语言的未来充满了无限的潜力。现在释放出来的几个非常有影响力的AI框架，大多是Python的实现，为什么呢？因为Python足够动态、具有足够性能，这是AI技术所需要的技术特点。比如基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。

机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。

早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。

而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。

值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。

4、数据分析处理

数据分析处理方面，Python有很完备的生态环境。“大数据”分析中涉及到的分布式计算、数据可视化、数据库操作等，Python中都有成熟的模块可以选择完成其功能。对于Hadoop-MapReduce和Spark，都可以直接使用Python完成计算逻辑。这无论对于数据科学家还是对于数据工程师而言都是十分便利的。

其中诸如Seaborn这样的可视化库，能够仅仅使用一两行就对数据进行绘图，而利用Pandas和numpy、scipy则可以简单地对大量数据进行筛选、回归等计算。而后续复杂计算中，对接机器学习相关算法，或者提供Web访问接口，或是实现远程调用接口，都非常简单。

import seaborn as sns 
 
sns.set() 
 
# Load the example tips dataset 
 
iris = sns.load_dataset("iris") 
 
# Plot tip as a function of toal bill across days g = sns.lmplot(x="sepal_length", y="sepal_width", hue="species", 
 
truncate=True, size=5, data=iris) 
 
# Use more informative axis labels than are provided by default 
 
g.set_axis_labels("Sepal length (mm)", "Sepal width (mm)")

Python在数据分析处理中典型的应用量化交易，简单来说就是说借助于强悍的数学模型数据分析来实现利益最大化损失最小化，目前已经有许多很好的框架可以使用。

5、服务器运维及其它小工具

Python对于服务器运维而言也有十分重要的用途。由于目前几乎所有Linux发行版中都自带了Python解释器，使用Python脚本进行批量化的文件部署和运行调整都成了Linux服务器上很不错的选择。Python中也包含许多方便的工具，从调控ssh/sftp用的paramiko，到监控服务用的supervisor，再到bazel等构建工具，甚至conan等用于C++的包管理工具，Python提供了全方位的工具集合，而在这基础上，结合Web，开发方便运维的工具会变得十分简单。

更有意思的是，Python社区的开发者们还制作了诸如itchat这样的开发工具包，你大可以用微信来管理服务器或是各种服务的运行。想想看，一个微信机器人，能够在出现异常时，又或者每天固定时刻汇报服务器或是程序运行情况，甚至包含用matplotlib/seaborn绘制的图表，一目了然，而你对它发上简简单单一句话，即可完成对服务器的调整。

6、桌面程序

除此之外，Python也可以用于桌面软件开发（如sublime text等），甚至移动端开发（参看kivy）。Python简洁方便，各种工具包齐全的环境，能大幅度减少开发者的负担。著名的UI框架QT有Python语言的实现版本PyQT。Python简单易用的特性加上QT的优雅，可以很轻松的开发界面复杂的桌面程序，并且能轻松实现跨平台特性。

7、多媒体应用

可以用Python里面的PIL、Piddle、ReportLab 等模块对图象、声音、视频、动画等进行处理，还可以用Python生成动态图表和统计分析图表。另外，还可以利用PyOpenGl模块非常快速有效的编写出三维场景。

曾经为“阿贝斯(Abyss)”、“星际迷航(Star Trek)”、“Indiana Jones”等超级大片制作过特技和动画的工业光魔公司(Industrial Light)就采用Python进行商业动画制作。然而在很早以前，Python就是一种游戏编程的辅助工具，在《星球大战》的制作中扮演了重要的角色，现在，完全可以通过Python写出非常棒的游戏程序。

看完了Python可以工作的方向相信很多小白用户已经迫不及待的想要开始编写代码，但是一个很现实的问题出现了，到时该用什么工具去写代码，既快速又好用，安装方便，长的美观大方(好像找媳妇，出得了厅堂，进得了厨房~~~扯远了… )。

毕竟工欲善其事，必先利其器。修炼武功还是要选一个称手的兵器，于是我整理了一些Python的开发工具并结合我自己的经验，列出了2种最佳人气的工具给大家参考：

Python就像一本武林秘籍，想要修炼起来，一定要找一个顺手的兵器，可以说挑选一个好的开发工具是极其重要的，一个好的IDE会帮助你方便地编写Python程序，使你的编程更加舒适。

我用python已经有好几年了，中间陆陆续续用过一些IDE，我觉得有2款神器是非常适合初学者的，用了之后感觉就像行云流水，爱不释手，写起代码来非常的爽~~ 推荐给大家，不好勿喷

一个好的开发工具应该是德才兼备:长的要漂亮，功能要强大，使用要简单，下面这2个都是这样的爆款

1. Sublime Text : 发烧友级

Sublime 一个字就是炫，非常的酷，用了之后视觉效果上非常享受的。现在已经到Sublime Text3了。而且现在是非常流行的编辑器，基本上前端开发HTML、CSS、JS都用它。

第一它非常简洁，第二有庞大的插件库，第三字体配色实在是太好看了(我用了这么多工具，众里寻他千百度，蓦然回首发现还是它的字体配色最好看)。

当然优点虽然很多，但也是有一些缺陷，就是交互不是特别的好，需要装一些插件来弥补，一般来说python 开发必装的有:

Package Control、Emmet、PyV8、SublimeREPL(终端的交互调试)、SublimeCodeIntel(代码的提示)