Python那么火，到底可以用来做什么？

如果你正在考虑学习Python，或者你最近刚开始学习，你可能会问自己：

▼

我到底可以用Python做什么？

▼

这是个棘手的问题，因为Python有很多用途。但是随着时间的推移，我发现Python主要可用于一下三个方面：

• 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

我们就依次来看看吧。

Web开发

像Django和Flask这样基于Python的Web框架最近在web开发中变得非常流行。

这些web框架帮助您用Python创建服务器端代码（后端代码）。这些代码在您的服务器上而不是在用户设备以及浏览器上（前端代码）运行。

但是，等等，我为什么需要web框架呢？

那是因为web框架让构建通用后端逻辑变得更简单了。这包括把不同的URL映射到Python代码块、处理数据库和生成用户在浏览器中看到的HTML文件。

我应该用哪个Python web框架？

Django和Flask是两种最流行的Python web框架。如果你刚刚开始学习，那么可以用它们中的任何一个。

Django和Flask有什么区别？

下面一段话选自Gareth Dwyer的文章：

<引用开始>

主要的对比：

• Flask提供简洁、灵活和细粒度控制。它很是客观（让您决定如何实现想要的东西）。

• Django提供一种包罗万象的体验：您可以获得管理面板、数据库接口、ORM（object-relational mappling，对象关系映射），还有开箱即用的应用程序和项目的目录结构。

您应该选择：

• Flask，如果您专注于体验和学习机会，或者您想对选用哪个组件有更大的控制权（例如您想使用哪个数据库和如何与它们交互）。

• Django，如果你专注于最终的产品。特别是如果您正在做一个简单的应用程序（如一个新闻网站、电子商店，或者博客）并且希望有一个直接明了的做法。

</引用结束>

换句话说，如果你是位初学者，Flask可能是个更好的选择，因为用到的组件比较少。如果您想要更多的定制，那么Flask也是个更好的选择。

而且，根据我的数据工程师朋友的看法，Flask更适合创建那些所谓的REST API的东西，因为它比Django更灵活。

另一方面，如果你想构建一些简单的东西，Django会让您更快地达到目标。

好，我们接着谈谈下一个！

数据科学 —— 包括机器学习、数据分析和数据可视化

首先，我们来回顾一下什么是机器学习。

假设你想开发一个程序用于自动检测图片中的内容。

因此，对于下面的这张图片（图片1），你希望你的程序能识别出这是条狗。

图1

而对于下面的这张图片（图片2），你希望你的程序能识别出它是张桌子。

图2

你也许会说，我可以用几行代码搞定。例如，如果在图片上有很多淡棕色的像素，那么我们可以说那是狗。

或者，你可以找到在照片中检测边缘的方法。然后，你也许会说，如果有很多直边，那么那就是一张桌子。

但是，这种方法很快就遇到麻烦了。如果图片上是条没有棕色毛发的白狗怎么办？如果图片上显示的只是桌子的圆形部分呢？

轮到机器学习大显身手了。

机器学习可实现一些算法，能自动检测给定输入中的模式。

比如，你给机器学习的算法提供1000张狗的照片和1000张桌子的照片。那么，它将会学习区别狗和桌子。当你给出一张狗或桌子的新图片时，它将能够识别出是狗还是桌子。

这和婴儿学习新事物有点类似。婴儿是如何知道一样东西看起来像狗，而另一样东西看起来像桌子呢？可能就是从大量的例子中学到的。

你也许不会明确地告诉一个婴儿：“如果一样东西是毛茸茸的，并且有着淡棕色的毛发，那么它可能是条狗。”

你可能只是说：“那是条狗。这也是条狗。这是桌子。那也是桌子。”

机器学习算法的工作方式大致相同。

你可以把同样的想法应用于：

• 推荐系统（像YouTube、Amazon和Netflix在用的）

• 面部识别

• 声音识别

你可能听说过的流行的机器学习算法包括：

• 神经网络

• 深度学习

• 支持向量机

• 随机森林

你可以使用任何一个上述算法来解决刚才解释过的图片标注问题。

那么数据分析和数据可视化呢？

为了帮助理解，我们举个简单的例子。假设，你为一家在线销售产品的公司工作。

那么，作为数据分析师，你也许会画一个类似的条形图。

条形图1-由Python生成

从这张图上，我们可以看到，在某个特定的周日，对于某件产品来说，男性购买了400多件，而女性购买了大约350件。

作为一个数据分析师，你也许会对其中的差异做出几个可能的解释。

一个很显然的可能解释是，该产品在男性中比在女性中更流行。另一个可能的解释是，样本量太小，这个差异是偶尔产生的。还有一个可能的解释是，在周日，由于某种原因，男性比女性更倾向于购买该产品。

为了搞明白哪个解释是正确的，你可能绘制另一张图，如下图所示：

折线图1-由Python生成

我们不再只显示周日的数据，而是整整一周的数据。正如你所见，从这张图中，我们可以看到，这种差异在不同的日子里很一致。

从这个简单的分析中，你可能得出了结论，对这种差异，一个最有说服力的解释就是，这个产品更受男性而不是女性欢迎。

另一方面，如果你看到是如下所示的图呢？

折线图2-同样由Python生成

那么，如何解释出现在周日的差异呢？

你也许会说，也许出于某种原因，男性在周日更倾向于购买该产品。或者，也许只是巧合，男性在周日购买了更多的该产品。

好了，这是个简化的例子，展示了数据分析在真实世界中看起来的样子。

脚本编写

什么是脚本编写？

通常，脚本编写是指编写小程序以让简单任务自动化。

举个例子。

我曾在日本的一家小型初创企业工作，我们有个电邮支持系统，用来回复客户通过电邮提出的问题。

我在那里工作的时候，我的任务是计算含有特定关键字的电邮数量，这样我们才可以分析我们收到的电邮。

我们本来应该用人工统计，但是，我写了个简单的程序/简单的脚本来自动完成该任务。

事实上，那时我们是用Ruby编写脚本，但是，对于这样的任务来说，Python也是个不错的语言选择。**Python适合这种类型的任务主要是因为它有相对简单的语法并且容易编写。**用它来写些小程序并进行测试花不了多少时间。

将Python应用于机器学习

有一些流行的Python机器学习库和框架，其中最流行的两个是scikit-learn和TensorFlow。

• scikit-learn附带了一些更流行的内置机器学习算法。

• TensorFlow更像是个低级库，它允许你构建自定义机器学习算法。

如果你刚开始一个机器学习项目，那么建议你先用scikit-learn。如果您开始遇到效率问题，那么建议用TensorFlow。

以上就是“Python那么火，到底可以用来做什么？”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至优快云官方，朋友如果需要可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。

”的全部内容，希望对你有所帮助。
​
​关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、Python必备开发工具

三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

五、Python练习题

检查学习结果。

六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

最后祝大家天天进步！！

上面这份完整版的Python全套学习资料已经上传至优快云官方，朋友如果需要可以直接微信扫描下方优快云官方认证二维码免费领取【保证100%免费】。