原文傳送門：

https://medium.com/free-code-camp/what-can-you-do-with-python-the-3-main-applications-518db9a68a78

前言

如果您正在考慮學習Python—或者您最近才開始學習—您可能會問自己:

“我用Python到底能做什么?”

這個問題很難回答，因為Python有很多應用程序。

但隨著時間的推移，我發(fā)現(xiàn)Python有3種主要的流行應用:

Web開發(fā)

數(shù)據科學——包括機器學習、數(shù)據分析和數(shù)據可視化

腳本

web開發(fā)

基于Python(如Django和Flask)的Web框架最近在Web開發(fā)中非常流行。

這些web框架幫助您用Python創(chuàng)建服務器端代碼(后端代碼)。這是運行在服務器上的代碼，而不是用戶設備和瀏覽器上的代碼(前端代碼)。如果您不熟悉后端代碼和前端代碼的區(qū)別，請參閱我下面的腳注。

但是等等，為什么我需要一個web框架呢?

這是因為web框架更容易構建通用后端邏輯。這包括將不同的url映射到Python代碼塊、處理數(shù)據庫和生成用戶在瀏覽器上看到的HTML文件。

我應該使用哪種Python web框架?

Django和Flask是兩個最流行的Python web框架。如果你剛剛開始，我建議你使用其中的一種。

Django和Flask有什么不同?

主要對比:

• Flask提供了簡單、靈活和細粒度的控制。它是無約束的(它讓您決定如何實現(xiàn)事物)。

• Django提供了一種全面的體驗:為您的應用程序和項目提供了一個管理面板、數(shù)據庫接口、ORM[對象-關系映射]和目錄結構。

你應該選擇:

• 如果您關注經驗和學習機會，或者您想要更多地控制使用哪些組件(例如您想要使用哪些數(shù)據庫以及您想要如何與它們交互)，那么您可以使用Flask。

• Django，如果你專注于最終的產品。特別是如果您正在處理一個簡單的應用程序，例如一個新聞站點、一個電子商店或博客，并且您希望總是有一個單一的、明顯的做事方式。

換句話說，如果您是初學者，那么Flask可能是一個更好的選擇，因為它需要處理的組件比較少。此外，如果您想要更多的定制，Flask是一個更好的選擇。

另一方面，如果您希望直接構建一些東西，Django可能會讓您更快地實現(xiàn)這一點。

數(shù)據科學

首先，讓我們復習一下什么是機器學習

我認為解釋機器學習的最好方法是給你們舉個簡單的例子。

假設您想要開發(fā)一個程序來自動檢測圖片中的內容。

因此，根據下面這張圖(圖1)，您希望您的程序能夠識別它是一只狗。

圖1

考慮到下面的另一個(圖2)，您希望您的程序認識到它是一個桌子。

圖2

你可能會說，我可以寫一些代碼來實現(xiàn)。例如，如果圖片中有很多淺棕色的像素，那么我們可以說它是一只狗。或者，你可以找出如何檢測圖片的邊緣。然后，你可能會說，如果有很多條直邊，那么它就是一個表格。

然而，這種方法很快就會變得棘手。如果照片里有一只沒有棕色毛發(fā)的白狗呢?如果這張圖只顯示了桌子的圓形部分呢?

什么是機器學習。

機器學習通常實現(xiàn)自動檢測給定輸入中的模式的算法。

比如說，你可以給一個機器學習算法提供1000張狗的圖片和1000張桌子的圖片。然后，它會學習狗和桌子之間的區(qū)別。當你給它一張狗或桌子的新圖片時，它就能認出這是哪一張。

我認為這有點類似于嬰兒學習新事物的方式。一個嬰兒怎么知道一個東西長得像狗，而另一個東西長得像桌子?可能是從一堆例子中得到的。

你可能不會明確地告訴嬰兒，“如果什么東西是毛茸茸的，長著淺棕色的毛，那么它可能是一只狗。”你可能會說:“那是一只狗。”這也是一只狗。這是一張桌子。那張也是桌子。”

機器學習算法也是如此。你可以把同樣的想法應用到:

• 推薦系統(tǒng)(想想YouTube、Amazon和Netflix)
• 人臉識別
• 語音識別

在其他應用程序中。你可能聽說過的流行的機器學習算法包括:

• 神經網絡
• 深度學習
• 支持向量機
• 隨機森林

您可以使用上面的任何一種算法來解決我前面解釋的圖片標記問題。

機器學習中的Python

Python有很多流行的機器學習庫和框架。其中最受歡迎的兩個是scikit-learn和TensorFlow。

• scikit-learn內置了一些更流行的機器學習算法。我上面提到了其中的一些。
• TensorFlow更像是一個底層庫，它允許您構建自定義機器學習算法。

如果你剛剛開始一個機器學習項目，我建議你先從scikit-learn開始。如果你開始遇到效率問題，那么我將開始研究TensorFlow。

我應該如何學習機器學習?

為了學習機器學習的基礎知識，我推薦斯坦福吳恩達的機器學習課程。

https://www.coursera.org/learn/machine-learning

請注意，你需要微積分和線性代數(shù)的基礎知識來理解這些課程中的一些材料。

然后，在Kaggle實踐您從這些課程中學到的內容。這是一個網站，人們在這里競爭，為一個給定的問題建立最好的機器學習算法。他們也有很好的初學者教程。

使用Python進行數(shù)據分析/可視化

用于數(shù)據可視化的最流行的庫之一是Matplotlib。這是一個很好的入門庫，因為:這很容易開始

一些其他的庫，比如seaborn就是基于它的。因此，學Matplotlib將幫助您以后學習這些其他庫。

腳本

腳本是什么?

腳本編制通常是指編寫用于使簡單任務自動化的小程序。

那么，讓我給你們一個我個人經歷的例子。

我曾經在日本的一家小公司工作，那里有一個電子郵件支持系統(tǒng)。這是一個我們用來回復客戶通過電子郵件發(fā)送給我們的問題的系統(tǒng)。

當我在那里工作的時候，我的任務是計算包含特定關鍵詞的電子郵件的數(shù)量，這樣我們就可以分析收到的電子郵件。我們可以手動完成它，但是我寫了一個簡單的程序/簡單的腳本來自動化這個任務。

實際上，我們當時使用的是Ruby，但是Python也是完成這種任務的好語言。Python適合這種類型的任務，主要是因為它有相對簡單的語法和易于編寫。它還可以快速地用它編寫一些小的東西并對其進行測試。

游戲呢?

你可以使用PyGame庫來開發(fā)游戲，但它并不是最流行的游戲引擎。你可以用它來建立一個興趣項目，但我個人不會選擇它，如果你是認真的游戲開發(fā)。

相反，我建議您從Unity開始使用c#，它是最流行的游戲引擎之一。它允許你在許多平臺上創(chuàng)建游戲，包括Mac, Windows, iOS和Android。

總結

以上是生活随笔為你收集整理的Python识别表格图_使用Python究竟可以做什么？下面是Python的3个主要应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。