Python能用来做什么?以下是Python的三大主要用途!薪资最高是?

Python能用来做什么?以下是Python的三大主要用途!薪资最高是?,第1张

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

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

Python很容易学!小编有弄一个交流,互问互答,资源共享的交流学习基地,如果你也是Python的学习者或者大牛都欢迎你来!㪊:548+377+875!一起 学习共同进步!

让我们来依次介绍。

一、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)。

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。

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。

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。

二、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。

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。

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。

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

进行数据可视化时,Matplotlib是非常热门的库。

Matplotlib很棒,因为:

· 容易上手

· seaborn等库是基于它的,学习Matplotlib可以帮助你以后学习其他库。

如何用Python学习数据分析/可视化

你首先应该了解数据分析和可视化的基础知识,在学习了数据分析和可视化的基础知识之后,学习统计学基础知识也将会很有帮助。

三、脚本

什么是脚本?

脚本通常是指编写能够自动执行简单任务的小程序。

我曾经在日本的一家小型创业公司工作,公司有邮件支持系统,这用来回复客户通过邮件发送给我们的问题。

在那儿工作时,我的任务是计算包含关键字的邮件数量,以便分析我们收到的电子邮件。

这可以手动完成,但我写了一个简单的脚本来自动执行此任务。

当时我们使用了Ruby,但对于这类任务Python也是不错的选择。

Python适合这类任务,因为它语法简单,易于编写,而且进行测试也很快。

其他用途

嵌入式应用

我不是这方面的专家,但我知道Python可以与RasBerry Pi一起用,在硬件爱好者中很流行。

游戏开发

你可以用PyGame来开发游戏,但这并不是最受欢迎的游戏引擎。

你可以用它来开发业余爱好项目,但如果你对游戏开发很认真,建议不要选它。

我建议使用Unity的C#,这是最受欢迎的游戏引擎之一,它能让你为许多平台开发游戏,包括Mac、windows、iOS和AndroID。

桌面应用

你可以用Python的Tkinter,但这并不是最热门的选择,Java,C#和C ++等语言似乎更受欢迎。

最近,一些公司也开始使用JavaScript来开发桌面应用程序。

例如,Slack的桌面应用是Electron构建的,它能让你用JavaScript构建桌面应用程序。

就个人而言,如果我要开发桌面应用,我会选择使用JavaScript,它能让你重新使用网络版本的一些代码。

当然,我并不是桌面应用的专家,所以如果你有不同的看法,评论中告诉我。

Python 3还是Python 2

我会推荐Python 3,因为它更新而且更受欢迎。

后端代码与前端代码的区别

假设你想开发类似Instagram的产品,那么你需要为想要支持类型的设备创建前端代码。

你可能会用到:

· 面向iOS端的Swift

· 面向AndroID的Java

· 面向Web浏览器的JavaScript

每组代码将在每种类型的设备上运行,这类代码将决定应用的布局样式,点击按键的样式等。

但是,您还需要存储用户信息和照片的功能。

你要将它们存储在服务器上,而不仅仅存储在用户的设备上,以便每个用户的关注者都可以查看其照片。

这时需要用到后端代码/服务器端代码。

你需要编写后端代码来执行以下 *** 作:

· 记录关注情况

· 压缩照片,从而不占用太多存储空间

· 在发现功能中向每个用户推荐照片和新帐户

这是后端代码和前端代码之间的区别。

顺便说一下,Python不是编写后端代码的唯一选择,还有基于JavaScript的Node.Js等选择。

总结

以上是内存溢出为你收集整理的Python能用来做什么?以下是Python的三大主要用途薪资最高是?全部内容,希望文章能够帮你解决Python能用来做什么?以下是Python的三大主要用途!薪资最高是?所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。

欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/langs/1208780.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2022-06-04
下一篇 2022-06-04

发表评论

登录后才能评论

评论列表(0条)

保存