Why Python？

不同于情怀小伙伴们的“人生苦短，我用Python”，也不同于大佬们“我对比了一下几种语言，发现Python更合适”，我用Python主要是因为...我老大让我用Python...公司领导要求，我没什么机会发言啊；其他语言我也不太懂；主要是...深度学习这块Python也确实好用：TensorFlow、Pytorch...我全靠这些框架~

不过对于IT入门小白，以后想做Python开发、视觉、数据分析等方向的，我觉得Python还是非常有用的，毕竟..公司职位要求上有写：会使用Python者优先；精通基于Python的算法开发；熟练使用Python语言……平时写个脚本减少一下工作量，娱乐一下，开发一下智力也不是不可以~

所以，进入灵魂拷问：我们究竟可以用Python做什么？

编写脚本

一般来说，大家俗称的脚本指的是可以自动化完成简单任务的小型程序。比如我最近在做一些图像数据的处理，可以写个脚本自动挑选出一些图像中的模糊图像、找一些相同图像、相似图像（此处还用到了视觉方向的相关知识）；根据文件存在相同前缀平衡一下文件夹内的文件；对文件按照需要进行重命名；处理excel文件....

有时候我们看着非常复杂、繁琐、重复性较高的工作，当有一个清晰的思路、找到其中的规律，便可以通过编写脚本的方式将其进行自动化，大大提升了我们的工作效率。而Python具有相对简单的语法、并且易于编写，是执行此类任务一种非常好的语言~

数据科学方向

eg.1 机器学习方向

常见的机器学习方向比如目标检测与识别，我们可以将1000张猫和1000张狗的图片提供给机器学习算法，然后它通过学习两者之间的区别，形成自己的“模式”。之后我们再给它提供一张新的猫或狗时，它便能对该图像进行准确辨别。

更多类似工作方式的方向：比如人脸识别（我们平时使用的人脸支付）、推荐系统（很多购物平台会根据我们的消费偏好、构建人物画像等方式给我们推荐商品）、语音识别等。常用的机器学习算法包括神经网络、深度学习、SVM等等。而Python中的scikit-learn库提供了很多流行的机器学习算法，可以帮助我们进行简单的demo实现，便于使用；如果对效率有更高的追求，可以使用TensorFlow框架，可以在此基础上构建和自定义机器学习算法~

eg.2 数据方向

如果你打算做数据方向，比如你想成为一名数据分析师，不仅需要对数据进行更深层次的分析，如何将数据进行可视化同样重要。使用SQL从数据库中取出需要的数据后，可是使用Python中的Numpy和pandas库对数据进行处理，并使用Python中的Matplotlib库进行各种各样的报表的绘制，将数据以一种更直观的方式展示出来。

并且Numpy、pandas和Matplotlib库是一个非常容易入门使用的库，当你对可视化有更高需求的时候，可以使用seaborn等库，这些库也是以Matplotlib为基础。

Web开发

最近，基于Python的web框架（比如Django和Flask）在web开发中非常流行，这些框架可以帮助我们使用Python创建服务器端的代码，完成前端和后端的交互。一般情况下，如果大家是初学者，我比较建议使用Flask框架。Flask使用起来更为简单和灵活，可以带给初学者一种更好的学习体验，同时便于大家在使用的过程中了解其中的原理。

数据爬虫

我们在写论文、做实验的时候往往需要大量数据，而当数据量过于庞大的时候，常用的Ctrl + C可能已经不太能满足我们的需要了，此时我们可以根据一些规则编写脚本，并在网络上爬取所需要的内容。虽然C++可以提供更快速的方式进行爬虫，但是开发过程比较慢，如果我们只是需要数据的话，往往显得本末倒置，此时Python简单、易学，而且其中的第三方包例如：requests等提供非常合适函数，可以帮助我们在实现的过程中节约不少时间。

祝愿大家在Python道路上越走越远~

·  END  ·