做工程为什么不用python_Python虽好，但请不要盲目将它用于每一个项目！

最近我在Reddit上讨论了为什么有人会选择使用Python而不是其他编程语言。讨论很激烈，于是我决定写一篇文章。

首先，不妨讲讲我对Python的看法。这是我喜欢的一种编程语言，可以用于众多应用，不过我同意所有语言都有其缺点。我的确认为Python是适合专业人员使用的一种优秀语言，但也适合初学者探索迷人的编程世界。

话虽如此，我会在每个项目中使用Python吗?可能不会。但是Python在一些方面很擅长，我想重点介绍这方面并解释原因。

API开发数据科学/人工智能脚本编写API开发

有一些出色的API开发框架可与Python结合使用，其中两个是开发社区最喜欢的框架：Django和Flask。

围绕API开发的讨论立即进入了Web框架的方向。为什么?这么说吧，如果你想致力于为API编写代码，就不该编写自己的Web服务器或框架。

一些人也主张将Python用于Web开发，不过我不喜欢将那些框架用于前端，我更喜欢使用React、VueJS或Ember构建前端。

如果你开始使用Python开发API，很可能最终会使用Django或Flask。所以你可能会问：我该使用哪一个?

Django VS Flask

这两种框架都很棒，而且适用于大多数情况。然而，它们遵循不同的理念。一些人更喜欢其中一种，两边都有充分的理由。由于这两种框架本质上大不相同，因此我仅介绍两者的大体区别，不过你应该详细了解，才能确定哪种框架最适合你和你的项目。

理念：

Flask是一种简约的框架。它提供了简单性、灵活性和细粒度控制。它是非固执己见的(你可以用它来做你想做的任何事情)。相反，Django是一个综合性框架。你可以直接为应用程序获得库、管理面板、数据库界面、ORM甚至可靠的目录结构。数据科学/人工智能

无论何时想处理数据(比如数据抓取、数据分析、可视化、机器学习或AI)，Python都是最好的朋友。这每一项任务都有许多重要的库，它们是出色的库，在研究环境和生产环境中使用率很高。

我不会详细介绍这些库，但想提及几个库：Pandas、Numpy、Matplotlib、Seaborn、Tensorflow、Pytorch、scikit-learn、Keras、NLTK和OpenCV。

由于这些库，你可以构建涉及几乎任何数据科学或AI主题的生产就绪的项目。虽然将Python用于其中一些应用存在一些缺点(比如性能)，但在许多情况下，Python会是不错的选择。

我们在谈论哪一种项目?

通常，Python在数据科学和AI有许多应用。我在这里提及使用Python的几个常见项目：

时间序列分析销售预测语言处理情绪分析推荐系统(比如音乐和视频等)分类计算机视觉自动驾驶汽车脚本

脚本通常指旨在自动执行简单任务的小程序(通常通过命令行来执行)。

下面举几个例子表明我自己编写的脚本，这些脚本使我的日常工作流程实现自动化：

我的博客：我使用Evernote收集在网上看到的所有内容，还撰写帖子。但是需要发布时，我记下那些笔记并将其作为草稿上传到我的博客中。这个过程在Python上自动进行：每当我将笔记标记为“准备发布”，我会运行Python脚本：将笔记、格式和草稿拷贝到我的博客系统中。当然，实际发布之前我总需要进行一番手动修改(主要是由于Evernote奇怪的HTML输出)。备份：我喜欢在云端备份资料，但我也在外部硬盘中留一份副本。我通常加密放到云端的所有内容(Evernote除外，它不允许我这么做)。但当我将备份内容放到硬盘时，会使用硬盘加密，我不想对其进行双重加密。当我想把数据备份到硬盘时，会运行一个python脚本，该脚本解密数据，然后将数据移到硬盘。结论

Python是一种用途很广泛的编程语言，由于其社区和库，你几乎可以用它来做想做的任何事情，不过有时你不该使用它。没有哪种语言一应俱全：它们都有优缺点，Python也不例外。

话虽如此，我确实认为Python很棒;如果你很好奇，可以用它构建从游戏到嵌入式系统的各种应用。当然，那些可能不是生产就绪的项目。