你到底可以用Python做什么？以下是Python的3个主要应用程序。

导读：如果你想学Python，或者你刚开始学习Python，那么你可能会问：“我能用Python做什么？”

这个问题不好回答，因为Python有很多用途。

但是随着时间，我发现有Python主要有以下三大主要应用：

• 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

本文将依次介绍。

01 Web开发

Django和Flask等基于Python的Web框架最近在Web开发中非常流行。

这些Web框架可以帮助你用Python编写服务器端代码(后端代码)。这是在你的额服务器上运行的代码，而不是运行在用户设备和浏览器的代码(前端代码)。

1. 为什么需要Web框架

因为用Web框架可以更容易地构建通用后端逻辑。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中看到的HTML文件。

2. 应该使用哪种Python Web框架

Django和Flask是最流行的两种Python Web框架。如果你刚刚入门，我建议使用其中一种。

3. Django和Flask有什么区别

Gareth Dwyer 关于这个问题有一篇出色的文章，在这里我引用几段：

主要区别

Flask：能够实现简单、灵活和细致的控制。并能让你自己决定实现方式。

Django：提供了全面的体验：你可以获得管理面板、数据库接口、ORM(对象关系映射)以及开箱即用的应用程序和项目的目录结构。

如何选择

Flask：如果你关注的是经验和学习的机会，或者你想更多地控制使用哪些组件，比如你想使用哪些数据库以及如何与其进行交互。

Django：如果你关注最终产品，或者你正在研究一个简单的应用，比如新闻网站、网店或博客，并且你希望有单一实现的方式。

换句话说，如果你是初学者，Flask可能是更好的选择，因为它要掌握的组件更少。此外，如果你想要更多的定制，那就选Flask。

根据我的数据工程师朋友Jonathan T Ho的说法，由于Flask 的灵活性，在创建REST API时，Flask 比Django 更适合。

另一方面，如果你想直接构建一些东西，Django可能会让你更快实现。

02 数据科学

数据科学，这里包括机器学习，数据分析和数据可视化。

1. 机器学习是什么

假设你想开发一个能够自动检测图片内容的程序。给出图1，你希望程序识别这是一只狗。

▲图1

给出图2，希望程序能识别这是一张桌子。

▲图2

你可能会说，我可以写一些代码来做到这点。例如，如果图片中有很多浅棕色像素，那么可以识别是狗。

或者可以检测图片中的边缘，如果有很多直的边缘，那么就是桌子。

但这种方法很快就不好用了。如果图片中的狗不是棕色毛的怎么办？如果图片只显示桌子的圆形部分怎么办？

这里就需要用到机器学习了。

机器学习通过实现算法，该算法能够自动检测输入中的模式。

例如，你将1000张狗的图片和1000张桌子的图片输入给机器学习算法，让它掌握狗和桌子间的区别。那么当你给出新的图片让它识别是狗还是桌子时，它就能够进行判断。

这有点类似孩子学习新事物的方式。孩子是如何学习认知狗或桌子的呢？就是通过大量的例子。

你不会明确告诉孩子：“如果某个毛茸茸的东西有浅棕色的毛发，那么就可能是狗。”

你会说，“这是狗，这也是狗。而这是桌子，那个也是桌子。“

机器学习算法的方式大致相同。

我们可以将相同的想法应用于：

• 推荐系统：比如YouTube，亚马逊和Netflix
• 人脸识别
• 语音识别

以及其他应用。

你听过的热门机器学习算法包括：

• 神经网络
• 深度学习
• 支持向量机
• 随机森林

你可以使用上述任何算法来解决前面提到的图片标签问题。

2. 将Python用于机器学习

有一些热门的机器学习库和Python框架。其中两个最热门的是scikit-learn和TensorFlow。

• scikit-learn带有一些内置的热门机器学习算法。
• TensorFlow是一个低级库，能让你创建自定义机器学习算法。

如果你刚开始进行机器学习项目，我会建议你先从scikit-learn开始。如果你开始遇到效率问题，那么可以使用TensorFlow。

3. 数据分析和数据可视化

假设你在一家在线销售产品的公司工作。作为数据分析师，你会绘制这样的条形图。

▲条形图1 - 用Python生成

从这张图中可以看到在某个周日，男性用户购买了400多件产品，女性用户购买了350件产品。

作为数据分析师，对此你会提出一些可能的解释。明显的解释是，该产品在男性用户中更受欢迎。另一种是样本量太小，而这种差异是偶然的。还可能呢是由于某种原因，男性往往在周日才购买该产品。

为了理解哪种解释是正确的，你可以绘制另一个图。

▲折线图1 - 用Python生成

不止看周日的数据，还要看到一周的数据。从这张图表中可以看出，在不同的日子里这种差异比较一致。

从这个分析中你会得出结论：这种产品在男性中比在女性中更受欢迎。

但如果你看到像这样的图表呢？

▲折线图2 - 用Python生成

那么，怎么解释周日的差异呢？

你可能会说，也许出于某种原因男性只在周日才会更多地购买这款产品。或许这只是巧合。

我在谷歌和微软工作时所做的数据分析工作与这个例子非常相似，只是更复杂一些。在谷歌时我使用Python进行分析，而我在微软使用JavaScript。

在这两家公司我都使用SQL从数据库中提取数据。然后，我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微软)来可视化和分析这些数据。

使用Python进行数据分析/可视化

最流行的数据可视化库之一是Matplotlib

这是一个很好的入门库，因为：

• 它很容易上手
• 其他一些库，如seaborn就是基于它的。因此，学习 Matplotlib 将帮助您以后学习这些其他库。

我应该如何使用Python学习数据分析/可视化？

您应该首先学习数据分析和可视化的基础知识。当我在网上寻找好的资源时，我找不到任何资源。所以，我最终制作了一个关于这个主题的YouTube视频：

我最终还在Pluralsight上制作了一个关于这个主题的完整课程，您可以通过注册他们的10天免费试用版免费获得。

我会推荐他们两个。

在学习了数据分析和可视化的基础知识之后，从Coursera和Khan Academy等网站上学习统计学的基础知识也将有所帮助。

脚本

什么是脚本？

脚本通常是指编写旨在自动执行简单任务的小程序。

所以，让我从我的个人经历中给你一个例子。

我曾经在日本的一家小型创业公司工作，那里有一个电子邮件支持系统。这是我们回复客户通过电子邮件发送给我们的问题的系统。

当我在那里工作时，我的任务是计算包含某些关键字的电子邮件数量，以便我们可以分析收到的电子邮件。

我们本可以手动完成，但相反，我编写了一个简单的程序/简单的脚本来自动执行此任务。

实际上，我们当时使用Ruby来做这件事，但Python也是这种任务的好语言。Python适合这种类型的任务，主要是因为它具有相对简单的语法并且易于编写。用它写一些小东西并进行测试也很快。

嵌入式应用程序呢？

我不是嵌入式应用程序的专家，但我知道Python可以与Rasberry Pi一起使用。它似乎是硬件爱好者中流行的应用程序。

那么游戏呢？

你可以使用名为PyGame的库来开发游戏，但它不是最受欢迎的游戏引擎。你可以用它来构建一个业余爱好项目，但如果你认真对待游戏开发，我个人不会选择它。

相反，我建议从使用C#的Unity开始，这是最受欢迎的游戏引擎之一。它允许您为许多平台构建游戏，包括Mac，Windows，iOS和Android。

Python 3 还是 Python 2？

我会推荐Python 3，因为它更现代，在这一点上它是一个更受欢迎的选择。

脚注：关于后端代码与前端代码的说明（以防您不熟悉这些术语）：

假设你想做一些像Instagram这样的东西。

然后，您需要为要支持的每种类型的设备创建前端代码。

例如，您可以使用：

• Swift for iOS
• Java for Android
• 用于 Web 浏览器的 JavaScript

每组代码将在每种类型的设备/浏览器上运行。这将是一组代码，用于确定应用程序的布局将是什么样子，单击按钮时按钮的外观等。

但是，您仍然需要能够存储用户的信息和照片。您需要将它们存储在服务器上，而不仅仅是存储在用户的设备上，以便每个用户的关注者都可以查看他/她的照片。

这是后端代码/服务器端代码的用武之地。您需要编写一些后端代码来执行以下操作：

• 跟踪谁在关注谁
• 压缩照片，使其不会占用太多存储空间
• 在发现功能中向每个用户推荐照片和新帐户

所以，这就是后端代码和前端代码之间的区别。

顺便说一句，Python并不是编写后端/服务器端代码的唯一好选择。还有许多其他流行的选择，包括基于JavaScript的Node.js。

无论如何，非常感谢您阅读我的文章！有任何问题可以后台私信我，有问必答！