歡迎光臨
每天分享高質量文章

Python能用來做什麼?以下是Python的三大主要用途

來自:CDA資料分析師(微訊號:cdacdacda),作者:YK Sugi,編譯:Mika

原文:https://medium.freecodecamp.org/what-can-you-do-with-python-the-3-main-applications-518db9a68a78

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


· 資料科學

包括機器學習、資料分析和資料視覺化


· 指令碼


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編寫伺服器端程式碼(後端程式碼)。這是在你的額伺服器上執行的程式碼,而不是執行在使用者裝置和瀏覽器的程式碼(前端程式碼)。


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對映到Python程式碼塊,處理資料庫以及生成使用者在瀏覽器中看到的HTML檔案。


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,在這裡我取用幾段:


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、資料庫介面、ORM(物件關係對映)以及開箱即用的應用程式和專案的目錄結構。


如何選擇


Flask:如果你關註的是經驗和學習的機會,或者你想更多地控制使用哪些元件,比如你想使用哪些資料庫以及如何與其進行互動。


Django:如果你關註最終產品,或者你正在研究一個簡單的應用,比如新聞網站、網店或部落格,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,因為它要掌握的元件更少。此外,如果你想要更多的定製,那就選Flask。


根據我的資料工程師朋友Jonathan T Ho的說法,由於Flask 的靈活性,在建立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、資料科學


資料科學,這裡包括機器學習,資料分析和資料視覺化。


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式。給出圖1,你希望程式識別這是一隻狗。


圖1

給出圖2,希望程式能識別這是一張桌子。


圖2

你可能會說,我可以寫一些程式碼來做到這點。例如,如果圖片中有很多淺棕色畫素,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。


機器學習透過實現演演算法,該演演算法能夠自動檢測輸入中的樣式。


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演演算法,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?就是透過大量的例子。


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。“


機器學習演演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演演算法包括:


· 神經網路

· 深度學習

· 支援向量機

· 隨機森林


你可以使用上述任何演演算法來解決前面提到的圖片標簽問題。


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帶有一些內建的熱門機器學習演演算法。


· TensorFlow是一個低階庫,能讓你建立自定義機器學習演演算法。


如果你剛開始進行機器學習專案,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。


資料分析和資料視覺化


假設你在一家線上銷售產品的公司工作。作為資料分析師,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,男性使用者購買了400多件產品,女性使用者購買了350件產品。


作為資料分析師,對此你會提出一些可能的解釋。明顯的解釋是,該產品在男性使用者中更受歡迎。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


不止看週日的資料,還要看到一週的資料。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。或許這隻是巧合。


我在谷歌和微軟工作時所做的資料分析工作與這個例子非常相似,只是更複雜一些。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從資料庫中提取資料。然後,我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微軟)來視覺化和分析這些資料。


使用Python進行資料分析/視覺化


進行資料視覺化時,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學習資料分析/視覺化


你首先應該瞭解資料分析和視覺化的基礎知識。在學習了資料分析和視覺化的基礎知識之後,學習統計學基礎知識也將會很有幫助。


三、指令碼


什麼是指令碼?


指令碼通常是指編寫能夠自動執行簡單任務的小程式。


我曾經在日本的一家小型創業公司工作,公司有郵件支援系統,這用來回覆客戶透過郵件傳送給我們的問題。


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指令碼來自動執行此任務。


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,在硬體愛好者中很流行。


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專案,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來開發桌面應用程式。例如,Slack的桌面應用是Electron構建的。它能讓你用JavaScript構建桌面應用程式。


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路版本的一些程式碼。


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。


後端程式碼與前端程式碼的區別


假設你想開發類似Instagram的產品,那麼你需要為想要支援型別的裝置建立前端程式碼。


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


每組程式碼將在每種型別的裝置上執行。這類程式碼將決定應用的佈局樣式,點選按鍵的樣式等。


但是,您還需要儲存使用者資訊和照片的功能。你要將它們儲存在伺服器上,而不僅僅儲存在使用者的裝置上,以便每個使用者的關註者都可以檢視其照片。


這時需要用到後端程式碼/伺服器端程式碼。你需要編寫後端程式碼來執行以下操作:


· 記錄關註情況

· 壓縮照片,從而不佔用太多儲存空間

· 在發現功能中向每個使用者推薦照片和新帳戶


這是後端程式碼和前端程式碼之間的區別。


順便說一下,Python不是編寫後端程式碼的唯一選擇,還有基於JavaScript的Node.js等選擇。



●編號465,輸入編號直達本文

●輸入m獲取到文章目錄

推薦↓↓↓

演演算法與資料結構

更多推薦18個技術類公眾微信

涵蓋:程式人生、演演算法與資料結構、駭客技術與網路安全、大資料技術、前端開發、Java、Python、Web開發、安卓開發、iOS開發、C/C++、.NET、Linux、資料庫、運維等。

贊(0)

分享創造快樂