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。