Python非常热，它可以用于什么？

如果您正在考虑学习Python，或者您刚开始学习Python，则可能会问自己:

“我可以使用Python做什么？”

这是一个棘手的问题，因为Python有很多用途. 但是随着时间的推移，我发现Python主要可以用于以下三个方面:

让我们看看.

如果您想找到一个Python学习环境，可以加入我们的Python学习[秋季]圈子: 784758214

基于python的Web框架（例如Django和Flask）最近在Web开发中变得非常流行.

这些Web框架可帮助您使用Python创建服务器端代码（后端代码）. 这些代码在您的服务器上运行，而不是在用户设备和浏览器上运行（前端代码）. 如果您不熟悉后端代码和前端代码之间的区别，请参阅下面的脚注.

但是等等，为什么我需要一个Web框架？

那是因为Web框架使构建通用的后端逻辑更加容易. 这包括将不同的URL映射到Python代码块，处理以及生成用户在浏览器中看到的HTML文件.

我应该使用哪个Python Web框架？

Django和Flask是两个最受欢迎的Python Web框架. 如果您刚刚开始学习，则可以使用其中任何一种.

Django和Flask有什么区别？

Gareth Dwyer在该主题上有一篇文章写得很好，我在这里引用:

<参考开始>

主要比较:

您应该选择:

换句话说，如果您是初学者，则Flask可能是一个更好的选择，因为使用的组件更少. 如果您想要更多的自定义，Flask也是一个更好的选择.

此外，根据我的数据工程师朋友Jonathan T Ho所说，Flask比Django更灵活，更适合于创建所谓的REST API.

另一方面，如果您想构建简单的东西，Django将使您更快地实现目标.

最新的python系统学习教程，从基本的python脚本到Web开发，搜寻器，数据分析，数据可视化，机器学习等，将其提供给正在学习python的朋友！每天我都会按时讨论一些实际的项目案例，并分享一些学习方法和需要注意的小细节. 我们的python小组[784758214]，这里是python学习者的聚会场所，欢迎初学者和高级朋友！

好的，让我们继续下一个！

首先，让我们回顾一下什么是机器学习.

我认为解释什么是机器学习的最好方法是举一个例子.

假设您要开发一个程序来自动检测图片中的内容.

因此，对于下面的图片（图片1），您希望程序将其识别为狗.

对于下面的图片（图片2），您希望程序将其识别为表格.

您可能会说我可以用几行代码就能做到. 例如，如果图片上有很多浅棕色像素，那么我们可以说它是狗.

或者，您可以找到检测照片边缘的方法. 然后，您可能会说，如果有很多笔直的边，那么它就是一张桌子.

但是，此方法很快会遇到麻烦. 如果图片显示一条没有棕色头发的白狗怎么办？如果图片仅显示桌子的圆形部分怎么办？

轮到机器学习了.

机器学习可以实现一些算法，这些算法可以自动检测给定输入中的模式.

例如，您提供1000张狗的图片和1000张表的图片用于机器学习算法. 然后，它将学习区分狗和桌子. 当给狗或桌子的新照片时，它将能够识别出它是狗还是桌子.

我认为这有点类似于为婴儿学习新事物. 婴儿怎么知道一件事看起来像狗，而另一件事看起来像桌子？可能是从大量示例中学到的.

您可能没有明确告诉婴儿: “如果毛茸茸且头发浅棕色，则可能是狗. ”

您可能只是说: “那是一条狗. 这也是一条狗. 这是一张桌子. 那也是一张桌子. ”

机器学习算法的工作方式大致相同.

您可以将相同的想法应用于:

您可能听说过的流行机器学习算法包括:

您可以使用以上任何一种算法来解决我刚刚说明的图像注释问题.

有一些流行的Python机器学习库和框架，其中两个最受欢迎的是scikit-learn和TensorFlow.

如果您刚刚启动了机器学习项目，那么我建议您首先使用scikit-learn. 如果您开始遇到效率问题，那么我建议使用TensorFlow.

我应该如何学习机器学习？

如果您想学习机器学习的基础知识，建议您在斯坦福大学或加利福尼亚理工学院选择机器学习课程.

请注意python是用来做什么的，您需要微积分和线性代数的基础知识才能理解其中的某些课程.

然后，我将使用Kaggle练习从该课程中学到的知识. Kaggle是一个网站，每个人都可以测试针对特定问题可以构建最佳机器学习算法的人. 网站上也为初学者提供了很好的教程.

为帮助您理解，我在这里给您一个简单的例子. 假设您在一家销售产品的公司工作.

因此，作为数据分析师，您可能会绘制类似的条形图.

由Python生成的条形图1

从这张照片中我们可以看到，在某个特定的星期日，对于某种产品，男性购买了400多件，而女性购买了大约350件.

作为数据分析师，您可能会针对差异做出几种可能的解释.

一个明显的可能解释是，该产品在男性中比女性更受欢迎. 另一个可能的解释是样本大小太小，并且偶尔会出现这种差异. 另一个可能的解释是，由于某种原因，星期天，男人比女人更倾向于购买产品.

为了理解哪种解释是正确的，您可以绘制另一幅图，如下所示:

我们不再只显示星期日的数据，而是整个一周的数据. 如您所见，从这张图片中，我们可以看到这种差异在不同的日子是一致的.

通过这种简单的分析，您可能得出结论，对此差异最有说服力的解释之一是，该产品在男性中比女性更受欢迎.

另一方面，如果看到下面显示的图片怎么办？

那么，如何解释星期天出现的差异？

您可能会说由于某种原因，男人更倾向于在星期日购买该产品. 也许是男人在星期天购买了更多产品只是一个巧合.

好的，这是一个简化的示例，显示了数据分析在现实世界中的外观.

我在Google和Microsoft工作期间进行了数据分析. 它与本示例非常相似，但更为复杂. 实际上，当我在Google工作时，我使用Python进行了这种分析，而当我在Microsoft时，我使用了JavaScript.

在这两家公司工作时，我使用SQL从中提取数据. 然后，我将使用Python和Matplotlib（在Google工作时）或JavaScrip和D3.js（在Microsoft工作时）进行数据可视化和分析.

Matplotlib是最受欢迎的数据可视化库之一.

如果您刚刚开始学习，那么它是一个很好的库python是用来做什么的，因为:

我应该如何学习使用Python进行数据分析/可视化？

在学习了数据分析和可视化的基础知识之后，在Coursera和Khan学院学习统计学的基础知识也很有帮助.

什么是脚本编制？

通常，脚本编写是指编写小型程序以自动化简单任务.

我在这里给您一个我的个人经历的例子.

我曾经在日本的一家小型初创公司工作. 我们有一个电子邮件支持系统，可通过电子邮件答复客户的问题.

在那儿工作时，我的任务是计算包含某些关键字的电子邮件的数量，以便我们可以分析收到的电子邮件.

我们应该使用手动统计信息，但是我编写了一个简单的程序/简单的脚本来自动化此任务.

实际上，我们当时使用Ruby编写脚本，但是对于此类任务，Python也是不错的语言选择. Python适用于此类任务，主要是因为它具有相对简单的语法并且易于编写. 编写小型程序并对其进行测试不需要花费很多时间.

对于嵌入式应用程序，我并不擅长，但是我知道Python可以与Rasberry Pi一起使用. 在硬件爱好者中非常受欢迎.

您可以使用PyGame库开发游戏，但它不是最受欢迎的游戏引擎. 如果您将游戏作为爱好，则可以使用它来构建项目，但是如果您真的想进行游戏开发，我个人不建议这样做.

相反，我建议您使用Unity的C#脚本，这是最受欢迎的游戏引擎之一. 它使您可以在许多平台上构建游戏，包括Mac，Windows，iOS和Android.

您可以使用Python的Tkinter进行开发，但这似乎不是最受欢迎的选择.

相反，用Java，C#和C ++等语言开发桌面应用程序似乎更受欢迎.

最近，一些公司已经开始使用JavaScript创建桌面应用程序.

例如，Slack的桌面应用程序是使用Electron构建的. 它允许您使用JavaScript构建桌面应用程序.

个人而言，如果要构建桌面应用程序，则将使用JavaScript. 它允许您重用Web版本的某些代码（如果有）.

我建议使用Python 3，因为它更现代并且目前更流行.

假设您要制作类似于Instagram的内容.

因此，您需要为要支持的每个设备创建一个前端代码:

每组代码将在相应类型的设备/浏览器上运行. 这组代码将确定应用程序的布局，单击时按钮的外观，等等.

但是，您仍然需要能够存储用户信息和照片. 除了将这些信息存储在用户的设备供应商中之外，您还将希望将该信息存储在服务器上，以便每个用户的关注者都可以看到用户的照片.

这是后端代码/服务器端代码的来源. 您需要编写后端代码才能执行以下操作:

好的，这是后端代码和先前代码之间的区别.

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项，包括基于JavaScript的Node.js.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/dianqi/article-223552-1.html