漫谈学习python语言

最新推荐文章于 2024-11-12 23:15:59 发布

姚家湾

最新推荐文章于 2024-11-12 23:15:59 发布

阅读量392

点赞数

文章标签： python

本文链接：https://blog.csdn.net/yaojiawan/article/details/84931659

版权

python 并不是一种新的程序设计语言，它在1991年就出现了。2000年升级成了python2.0，而在2008年升级成为python 3.0。在国内python并不普及，大学里开设python程序设计课程的也并不多。在国外的大学里，许多非计算机专业开设了python课程。直到最近几年，国内随着人工智能，大数据技术流行起来后， python才受到许多人的关注。

最近，在一些工程师群里提议要学习python语言。我开始思考如何为普通人开设python程序设计课程。下面我谈谈自己的一些想法。供大家参考。

为什么去学习python？

面对热情高涨的学习者，我的第一个问题就是他们为什么学习python语言？网络上经常会有十分脑残的问题，就是学某某是否有前途？会某某薪金是多少？其实程序设计语言只是一个工具而已，关键的是你想使用这个工具去解决什么问题？我不赞成过于功利的学习目的。现在许多人比较浮躁，他们只关心一件事情，是否能赚到钱。其实许多美好的事情并不能以是否能赚钱来评判的。学习python 并不难，需要使用它的人都可能学会。所有仅仅会使用python 程序设计语言的人大概不可能薪金翻番。不过会使用python语言编程的数据科学家或者金融科技人才的工资是非常高的。而要成为一名合格的数据科学家，需要的理论基础和实践经验并非一日之功，需要长期训练和学习。

python 是一种通用程序设计语言，它可以编写各种类型的程序。不过python 比较适合编写网络应用程序和数据科学应用程序。

网络工程师可以选择Python开发网络应用程序，比如纽约时报、Instagram和Pinterest使用python网络架构Django来编写他们的网站。不过网络应用程序毕竟是相对比较专业的领域，而且对于网络应用还有许多中选择，比如java，nodeJS/javascript或者PHP都是用于网络应用的流行的程序设计语言。有时python对于网络应用并不是一个好的选择。对于大多数其它领域的专业人士而言，选择python的主要原因是用于数据科学计算。

近年来，数据科学越来越受到欢迎。一名技术娴熟的企业数据科学家的真正价值，在于利用多种数据视觉化手段，向公司的不同利益相关者有效地传递数据模式和预测。Python以其优良特性，符合高强度科学计算的几乎所有方面要求，这使得它成为在不同的数据科学应用之间进行编程的绝佳选择。

Python遵循统一的设计哲学，注重可用性、可读性，对于数据科学的学习曲线也较低。
Python有很高的可扩展性，且与Matlab、Stata等语言相比，运行更加快速。
另外，Python生态系统中涌现出更多的数据视觉化库，以及炫酷的应用编程结构，目的是使用图形更好地展现数据分析的结果。Python社区有着诸如Sci-Kit learn、NumPy、Pandas、Statsmodel和SciPy等许多优秀的数据分析库。这些库的数量还在不断增长。

一位有志于成为数据科学家的人，使用python是非常合适的。

我觉得python更像Excel，适合各种数据计算和统计。如果你的工作中需要使用某些科学计算，或者经常会使用Excel 来做一些计算或者图表的话，选择学会python 程序设计是比较好的选择。我遇到一些资深的机械设计工程师，它们使用excel 计算表来进行光学镜头设计和齿轮设计。如果使用python 就会更加得心应手。

我在学习通信理论的时候，希望对信号做快速傅里叶变换，数字滤波器设计，要在电脑上使用C语言来做信号仿真就比较费劲，而现在使用python 来做就非常简单。在控制和传感器应用中，我使用python 编写上位机程序，能够十分方便地显示各种数据曲线。

数学，物理，化学和经济学等非计算机专业应该开设python课程。

我的建议是在决定是否开始学习python 之前，先思考一下，你需要使用python来解决什么样问题。如果你对数值计算感兴趣，那么选择python非常合适。比如python非常适合做矢量和矩阵变换运算，数据统计分析，绘制各种科学曲线也非常方便。进一步地，python也适合神经网络的接口程序，例如google 的tensorfow。

当然，如果你只是一个爱好者，出于好奇去探索一下python 也是值得鼓励的。