你到底能用Python做什么？下面是Python的三个主要应用程序。

如果你正在考虑学习Python–或者你最近开始学习它–你可能会问自己：
“我到底能用Python做什么？”
这是一个很难回答的问题，因为Python的应用程序太多了。
但随着时间的推移，我注意到Python有3种主要的流行应用程序：
Web开发
数据科学-包括机器学习、数据分析和数据可视化。
脚本编写
让我们依次讨论每一个问题。
Web开发
基于Python的Web框架，如姜戈和烧瓶最近在web开发中变得非常流行。
这些Web框架帮助您在Python中创建服务器端代码(后端代码)。这是在您的服务器上运行的代码，而不是在用户的设备和浏览器上运行的代码(前端代码)。如果您不熟悉后端代码和前端代码之间的区别，请参见下面的脚注。
但是等等，为什么我需要一个网络框架？
这是因为Web框架使构建公共后端逻辑变得更容易。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上看到的HTML文件。
我应该使用哪个Python Web框架？
Django和Flask是最流行的PythonWeb框架之一。如果你才刚开始的话，我建议你使用其中之一。
Django和烧瓶有什么区别？
有一个优秀文章关于Gareth Dwyer的这个话题，让我在这里引用：

主要对比：
烧瓶提供了简单、灵活和细粒度的控制.它是不固执己见的(它让您决定如何实现事物)。
Django提供了一种包罗万象的体验：您可以获得一个管理面板、数据库接口、一个对象关系映射，以及应用程序和项目的目录结构。
你应该选择：
如果您专注于体验和学习机会，或者您希望更多地控制使用哪些组件(例如您想使用哪些数据库以及如何与它们交互)，则需要更多的控制。
Django，如果你专注于最终产品。特别是当你正在开发一个直截了当的应用程序，比如新闻网站、电子商店或博客时，你希望总是有一种单一的、显而易见的方式来做事。
</end quote>
换句话说，如果你是一个初学者，瓶可能是一个更好的选择，因为它有较少的组件需要处理。另外，如果你想要更多的定制，瓶是一个更好的选择。
另一方面，如果你想建立一个直截了当的东西，Django可能会让你更快地到达那里。
现在，如果你想学习Django，我推荐这本书叫做Django给初学者。你可以找到它这里.
你也可以找到那本书的免费样本章节。这里.
好吧，让我们进入下一个话题！
数据科学-包括机器学习、数据分析和数据可视化。
首先，让我们回顾一下机器学习是.
我认为解释机器学习的最好方法是给你一个简单的例子。
假设您想开发一个自动检测图片中的内容的程序。
所以，根据下面的图片(图1)，你想让你的程序认识到它是一只狗。
考虑到下面的另一个(图2)，您希望您的程序能够识别它是一个表。
Image for post

你可能会说，好吧，我可以写一些代码来做这件事。例如，如果图片中有很多浅棕色像素，那么我们可以说它是一只狗。
或者，你可以找出如何检测图片中的边缘。然后，你可能会说，如果有很多直线的边，那么它就是一张桌子。
然而，这种方法很快就会变得棘手。如果照片里有一只没有棕色头发的白狗怎么办？如果这张照片只显示了桌子的圆形部分呢？
这就是机器学习的来龙去脉。
机器学习通常实现一种自动检测给定输入中的模式的算法。
比如说，你可以把1000张狗的照片和1000张桌子的图片交给机器学习算法。然后，它将了解狗和桌子的区别。当你给它一张狗或桌子的新照片时，它就能认出它是哪一只。
我认为这有点类似于婴儿学习新事物的方式。婴儿怎么知道一件事看上去像一只狗，另一件事看上去像一张桌子？可能是一堆例子。
你可能不会直截了当地告诉婴儿：“如果有什么东西是毛茸茸的，头发是浅棕色的，那它很可能是一只狗。”
你可能会说，“那是条狗。这也是条狗。这张是一张桌子。那张也是一张桌子。“
机器学习算法的工作方式也是一样的。
您可以将相同的想法应用于：
推荐系统(想想YouTube、Amazon和Netflix)
人脸识别
语音识别
在其他应用中。
您可能听说过的流行机器学习算法包括：
神经网络
深度学习
支持向量机
随机林
您可以使用上述任何算法来解决我前面解释过的图片标记问题。
用于机器学习的Python
有流行的机器学习库和Python框架。
最受欢迎的两个是科学-学习和TensorFlow.
SICKIT-学习与一些更流行的机器学习算法内置。我上面提到过一些。
TensorFlow是一个低级库，允许您构建自定义机器学习算法。
如果你刚刚开始一个机器学习项目，我建议你先从科学学习开始。如果您开始遇到效率问题，那么我将开始研究TensorFlow。
我应该如何学习机器学习？
为了学习机器学习的基本原理，我建议斯坦福大学或加州理工学院机器学习课程。
请注意，你需要微积分和线性代数的基本知识来理解这些课程中的一些材料。
然后，我会把你从其中一门课上学到的东西卡格尔。这是一个网站，人们竞争为一个给定的问题建立最好的机器学习算法。他们也为初学者提供了很好的教程。
数据分析和数据可视化呢？
为了帮助你理解这些可能是什么样子，让我在这里给你一个简单的例子。
假设你在一家在线销售产品的公司工作。
然后，作为数据分析人员，您可能会绘制如下条形图。
条形图1-用Python生成从这张图中，我们可以看出，在这个特别的周日，男性购买了400多台这款产品，而女性购买了大约350台这款产品。
作为一名数据分析师，您可能会对这种差异提出一些可能的解释。
一个显而易见的可能解释是，这种产品在男性中比在女性中更受欢迎。另一种可能的解释可能是样本大小太小，而这一差异只是偶然造成的。另一个可能的解释是，由于某种原因，男性只在周日才会购买这种产品。
要理解这些解释中的哪一种是正确的，你可以画另一张图，像这张。我们不是只显示周日的数据，而是看了整整一周的数据。正如你所看到的，从这个图表中，我们可以看到，这种差异在不同的日子里是非常一致的。
从这个小小的分析中，你可能会得出结论，这种区别最有说服力的解释是，这种产品在男性中比在女性中更受欢迎。
另一方面，如果你看到的是这样的图形呢？

Image for post
那么，周日有什么不同呢？
你可能会说，也许因为某种原因，男人只在星期天才会购买更多的这种产品。或者，也许这只是一个巧合，男人在星期天买了更多。
因此，这是一个简化的例子，说明在现实世界中数据分析可能是什么样子。
我在谷歌(Google)和微软(Microsoft)工作时所做的数据分析工作非常类似于这个例子–只是更复杂。实际上，我在Google使用Python进行这种分析，而在Microsoft使用JavaScript。
我在这两家公司使用SQL从我们的数据库中提取数据。然后，我将使用Python和Matplotlib(在Google)或JavaScript和D3.js(在Microsoft)来可视化和分析这些数据。
用Python进行数据分析/可视化
最流行的数据可视化库之一是Matplotlib.
这是一个很好的开始库，因为：
很容易开始
其他一些库，如海航是以它为基础的。因此，学习Matplotlib将有助于您稍后学习这些其他库。
如何使用Python学习数据分析/可视化？
我们下期见