關注頭條號,私信回覆資料會有意外驚喜呦………………最後一張照片有資料呦。
如果你想學Python,或者你剛開始學習Python,那麼你可能會問:“我能用Python做什麼?”
這個問題不好回答,因為Python有很多用途。
但是隨著時間,我發現有Python主要有以下三大主要應用:
· Web開發
· 數據科學
包括機器學習、數據分析和數據可視化
· 腳本
讓我們來依次介紹。
一、Web開發
Django和Flask等基於Python的Web框架最近在Web開發中非常流行。
這些Web框架可以幫助你用Python編寫服務器端代碼(後端代碼)。這是在你的額服務器上運行的代碼,而不是運行在用戶設備和瀏覽器的代碼(前端代碼)。
為什麼需要Web框架
因為用Web框架可以更容易地構建通用後端邏輯。這包括將不同的URL映射到Python代碼塊,處理數據庫以及生成用戶在瀏覽器中看到的HTML文件。
應該使用哪種Python Web框架
Django和Flask是最流行的兩種Python Web框架。如果你剛剛入門,我建議使用其中一種。
Django和Flask有什麼區別
Gareth Dwyer 關於這個問題有一篇出色的文章,在這裡我引用幾段:
主要區別
Flask:能夠實現簡單、靈活和細緻的控制。並能讓你自己決定實現方式。
Django:提供了全面的體驗:你可以獲得管理面板、數據庫接口、ORM(對象關係映射)以及開箱即用的應用程序和項目的目錄結構。
如何選擇
Flask:如果你關注的是經驗和學習的機會,或者你想更多地控制使用哪些組件,比如你想使用哪些數據庫以及如何與其進行交互。
Django:如果你關注最終產品,或者你正在研究一個簡單的應用,比如新聞網站、網店或博客,並且你希望有單一實現的方式。
換句話說,如果你是初學者,Flask可能是更好的選擇,因為它要掌握的組件更少。此外,如果你想要更多的定製,那就選Flask。
根據我的數據工程師朋友Jonathan T Ho的說法,由於Flask 的靈活性,在創建REST API時,Flask 比Django 更適合。
另一方面,如果你想直接構建一些東西,Django可能會讓你更快實現。
二、數據科學
數據科學,這裡包括機器學習,數據分析和數據可視化。
機器學習是什麼
假設你想開發一個能夠自動檢測圖片內容的程序。給出圖1,你希望程序識別這是一隻狗。
圖1
給出圖2,希望程序能識別這是一張桌子。
圖2
你可能會說,我可以寫一些代碼來做到這點。例如,如果圖片中有很多淺棕色像素,那麼可以識別是狗。
或者可以檢測圖片中的邊緣,如果有很多直的邊緣,那麼就是桌子。
但這種方法很快就不好用了。如果圖片中的狗不是棕色毛的怎麼辦?如果圖片只顯示桌子的圓形部分怎麼辦?
這裡就需要用到機器學習了。
機器學習通過實現算法,該算法能夠自動檢測輸入中的模式。
例如,你將1000張狗的圖片和1000張桌子的圖片輸入給機器學習算法,讓它掌握狗和桌子間的區別。那麼當你給出新的圖片讓它識別是狗還是桌子時,它就能夠進行判斷。
這有點類似孩子學習新事物的方式。孩子是如何學習認知狗或桌子的呢?就是通過大量的例子。
你不會明確告訴孩子:“如果某個毛茸茸的東西有淺棕色的毛髮,那麼就可能是狗。”
你會說,“這是狗,這也是狗。而這是桌子,那個也是桌子。“
機器學習算法的方式大致相同。
我們可以將相同的想法應用於:
· 推薦系統
(比如YouTube,亞馬遜和Netflix)
· 人臉識別
· 語音識別
以及其他應用。
你聽過的熱門機器學習算法包括:
· 神經網絡
· 深度學習
· 支持向量機
· 隨機森林
你可以使用上述任何算法來解決前面提到的圖片標籤問題。
將Python用於機器學習
有一些熱門的機器學習庫和Python框架。其中兩個最熱門的是scikit-learn和TensorFlow。
· scikit-learn帶有一些內置的熱門機器學習算法。
· TensorFlow是一個低級庫,能讓你創建自定義機器學習算法。
如果你剛開始進行機器學習項目,我會建議你先從scikit-learn開始。如果你開始遇到效率問題,那麼可以使用TensorFlow。
數據分析和數據可視化
假設你在一家在線銷售產品的公司工作。作為數據分析師,你會繪製這樣的條形圖。
條形圖1 - 用Python生成
從這張圖中可以看到在某個週日,男性用戶購買了400多件產品,女性用戶購買了350件產品。
作為數據分析師,對此你會提出一些可能的解釋。明顯的解釋是,該產品在男性用戶中更受歡迎。另一種是樣本量太小,而這種差異是偶然的。還可能呢是由於某種原因,男性往往在週日才購買該產品。
為了理解哪種解釋是正確的,你可以繪製另一個圖。
折線圖1 - 用Python生成
不止看週日的數據,還要看到一週的數據。從這張圖表中可以看出,在不同的日子裡這種差異比較一致。
從這個分析中你會得出結論:這種產品在男性中比在女性中更受歡迎。
但如果你看到像這樣的圖表呢?
折線圖2 - 用Python生成
那麼,怎麼解釋週日的差異呢?
你可能會說,也許出於某種原因男性只在週日才會更多地購買這款產品。或許這只是巧合。
我在谷歌和微軟工作時所做的數據分析工作與這個例子非常相似,只是更復雜一些。在谷歌時我使用Python進行分析,而我在微軟使用JavaScript。
在這兩家公司我都使用SQL從數據庫中提取數據。然後,我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微軟)來可視化和分析這些數據。
使用Python進行數據分析/可視化
進行數據可視化時,Matplotlib是非常熱門的庫。
Matplotlib很棒,因為:
· 容易上手
· seaborn等庫是基於它的,學習Matplotlib可以幫助你以後學習其他庫。
如何用Python學習數據分析/可視化
你首先應該瞭解數據分析和可視化的基礎知識。在學習了數據分析和可視化的基礎知識之後,學習統計學基礎知識也將會很有幫助。
三、腳本
什麼是腳本?
腳本通常是指編寫能夠自動執行簡單任務的小程序。
我曾經在日本的一家小型創業公司工作,公司有郵件支持系統,這用來回復客戶通過郵件發送給我們的問題。
在那兒工作時,我的任務是計算包含關鍵字的郵件數量,以便分析我們收到的電子郵件。這可以手動完成,但我寫了一個簡單的腳本來自動執行此任務。
當時我們使用了Ruby,但對於這類任務Python也是不錯的選擇。Python適合這類任務,因為它語法簡單,易於編寫,而且進行測試也很快。
其他用途
嵌入式應用
我不是這方面的專家,但我知道Python可以與Rasberry Pi一起用,在硬件愛好者中很流行。
遊戲開發
你可以用PyGame來開發遊戲,但這並不是最受歡迎的遊戲引擎。你可以用它來開發業餘愛好項目,但如果你對遊戲開發很認真,建議不要選它。
我建議使用Unity的C#,這是最受歡迎的遊戲引擎之一。它能讓你為許多平臺開發遊戲,包括Mac、Windows、iOS和Android。
桌面應用
你可以用Python的Tkinter,但這並不是最熱門的選擇。Java,C#和C ++等語言似乎更受歡迎。
最近,一些公司也開始使用JavaScript來開發桌面應用程序。例如,Slack的桌面應用是Electron構建的。它能讓你用JavaScript構建桌面應用程序。
就個人而言,如果我要開發桌面應用,我會選擇使用JavaScript。它能讓你重新使用網絡版本的一些代碼。
當然,我並不是桌面應用的專家,所以如果你有不同的看法,評論中告訴我。
Python 3還是Python 2
我會推薦Python 3,因為它更新而且更受歡迎。
後端代碼與前端代碼的區別
假設你想開發類似Instagram的產品,那麼你需要為想要支持類型的設備創建前端代碼。
你可能會用到:
· 面向iOS端的Swift
· 面向Android的Java
· 面向Web瀏覽器的JavaScript
每組代碼將在每種類型的設備上運行。這類代碼將決定應用的佈局樣式,點擊按鍵的樣式等。
但是,您還需要存儲用戶信息和照片的功能。你要將它們存儲在服務器上,而不僅僅存儲在用戶的設備上,以便每個用戶的關注者都可以查看其照片。
這時需要用到後端代碼/服務器端代碼。你需要編寫後端代碼來執行以下操作:
· 記錄關注情況
· 壓縮照片,從而不佔用太多存儲空間
· 在發現功能中向每個用戶推薦照片和新帳戶
這是後端代碼和前端代碼之間的區別。
順便說一下,Python不是編寫後端代碼的唯一選擇,還有基於JavaScript的Node.js等選擇。
下邊有Python的基礎學習資料,可以免費領取。
很多人在問,學習Python讀什麼書,這其實是一個非常通用的問題,學習分為三種方式:看書、上課,而讀書學習是最實惠也是最高效的一種,小編整理了一些Python高分書籍給大家,從0基礎到高級適合不同學習階段,希望大家學習愉快。獲取方式:點擊小編頭像,關注後私信回覆“資料”即可下載。
閱讀更多 黑客一龍 的文章