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。
需要Python零基础学习资料的伙伴,可以在公众号【码农资料库】中回复【py】自行领取 包括以下学习资料:
① Python所有方向的学习路线图,清楚各个方向要学什么东西
②Python课程视频,涵盖必备基础、爬虫和数据分析
③ Python实战案例,学习不再是只会理论
④ Python电子好书,从入门到高阶应有尽有
⑤ 华为出品独家Python漫画教程,手机也能学习 ⑥ 历年互联网企业Python面试真题,复习时非常方便
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:
推荐系统:比如YouTube,亚马逊和Netflix
人脸识别
语音识别
以及其他应用。
你听过的热门机器学习算法包括:
神经网络
深度学习
支持向量机
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。
-END-