What exactly can you do with Python? Here are Python’s 3 main applications._你能用Python做什么?下面是Python的3

Posted 2020-12-24 ~不会飞的章鱼~

原文链接

Github地址

一、陈述

1，我到底能用Python做什么？

我观察注意到Python三个主要流行的应用：

• 网站开发；
• 数据科学——包括机器学习，数据分析和数据可视化；
• 做脚本语言。

 

二、网站开发

网站框架将帮助你创建基于Python的服务器端代码（后端代码），这些代码将在你的服务器上运行，与用户的设备和浏览器截然相反（前端代码）。像Django和Flask这样基于Python网站框架最近在网页开发中变得流行起来。

1，为什么我需要一个网站框架？

因为网站框架将会更容易的建立后端的共同逻辑。这包括将不同的URL映射到Python的代码块，处理数据库，以及生成用户在浏览器上看到的HTML文件。

 

2，我应该使用哪一个Python网站框架？

Django和Flask这两个框架在使用Python做网站开发最受欢迎，如果你是刚开始学习，我推荐使用其中的一种。

 

3，Django与Flask两者之间有什么不同？

Gareth Dwyer写了一篇关于这个话题的优秀文章，我在这里引用一下：

主要的区别：

• Flask提供简易、灵活和细致纹理控制，这是不武断的（它可以让你决定如何实现事情）。
• Dijango提供详尽的体验：你将得到一个管理面板、数据库接口、ORM(对象关系映射)和应用程序和项目的目录结构。

你也许应该选择：

• Flask，如果你专注于经验和和学习机会，或者如果你想更多的管理组件的使用（例如，你希望使用什么数据库以及如何与它们交互）。
• Django，如果你专注于最终的产品，特别是如果你正在开发一个简单的应用程序，比如新闻网站、电子商店或者博客，你想要的总是一个简单的、明显的做事方法。

换句话说，如果你是一个初学者，Flask也许是个比较好的选择因为它需要处理的组件更少。此外，如果您想要更多的定制，Flask是一个更好的选择。

另外，根据我的数据工程师朋友Jonathan T Ho的说法，Flask比Django更适合创建称为REST API的东西。

另一方面，如果你想直接构建一些东西，Django可能会让你更快地实现它。

 

三、数据科学

1，首先，让我们来复习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给你一个简单的例子。

假设你想开发一个程序来自动检测图片中的内容。

因此，根据下面的图片(图1)，你想让你的程序识别它是一只狗。

图1

再看下面的另一个(图2)，你希望你的程序识别它是一个桌子。

图2

你可能会说，我可以写一些代码。例如，如果图片中有很多浅棕色的像素，那么我们可以说它是一只狗。

或者，你可以找出如何检测图像中的边缘。然后，你可能会说，如果有很多直边，那么它就是一个桌子。

然而，这种方法很快就变得棘手起来。如果照片里有只白色的狗，没有棕色的头发呢?如果图片只显示了桌子的圆形部分呢?

这就是机器学习的用武之地。

机器学习通常实现一种算法，该算法自动检测给定输入中的模式。

你可以给机器学习算法1000张狗的图片和1000张桌子的图片。然后，它将学会狗和桌子的区别。当你给它一张狗或桌子的新图片时，它就能识别出是哪一个。

我觉得这有点像婴儿学新东西。一个婴儿怎么知道一件东西看起来像狗，另一件看起来像桌子?可能来自于一些例子。

你可能不会明确地告诉一个婴儿，“如果一个东西是毛茸茸的，有浅棕色的头发，那么它很可能是一只狗。”

你可能会说，“那是一只狗。”这也是一只狗。这是一张桌子。那一张也是一张桌子。”

机器学习算法的工作原理大致相同。

你可以把同样的想法应用到：

• 推荐系统（想想YouTube、亚马逊和Netflix）；
• 人脸识别；
• 语音识别。

在其他应用程序中，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。

你可以使用上述任何一种算法来解决我前面解释过的图像标记问题。

 

2，使用Python进行机器学习

有一些流行的机器学习库和用于Python的框架

其中最流行的两种是scikit-learn和TensorFlow。

• scikit-learn附带了一些更流行的机器学习算法。我上面提到过一些。
• TensorFlow是一个低级库，允许你构建自定义机器学习算法。

如果你刚刚开始一个机器学习项目，我建议您首先从scikit-learn开始。如果您开始遇到效率问题，那么我将开始研究TensorFlow。

 

3，我该如何学习机器学习

要学习机器学习的基础知识，我推荐斯坦福或加州理工学院的机器学习课程。

请注意，你需要微积分和线性代数的基础知识来理解这些课程中的一些材料。

然后，我会和Kaggle一起练习你从这些课程中学到的东西。它是一个网站，人们在那里竞争，为一个给定的问题建立最好的机器学习算法。他们对初学者也有很好的教程。

 

4，使用Python进行数据分析和数据可视化

最流行的数据可视化库之一是Matplotlib。

这是一个很好的开始，因为：

• 这很容易开始
• 其他一些库，例如seaborn，则基于此。因此，学习Matplotlib将帮助您稍后学习其他库。

 

5，我应该如何学习使用Python进行数据分析和数据可视化？

您应该首先学习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之后，从Coursera和Khan Academy等网站学习统计基础知识也会有所帮助。

 

四、脚本语言

1，什么是脚本语言？

脚本化通常指编写小程序，这些程序被设计成自动化简单的任务。

我举个我个人经历的例子。

我曾在日本的一家小公司工作，那里有电子邮件支持系统。这是一个系统，我们可以回答客户通过电子邮件发给我们的问题。

当我在那里工作时，我的任务是计算包含特定关键词的邮件数量，这样我们就可以分析我们收到的邮件。

我们本来可以手动完成，但是我编写了一个简单的程序/简单的脚本来自动完成这个任务。

实际上，那时我们使用Ruby来完成这个任务，但是Python也是一种很好的语言来完成这类任务。Python之所以适合这种类型的任务，主要是因为它的语法相对简单，而且易于编写。它还可以快速地用它写一些小的东西并进行测试。

 

2，什么是嵌入式应用程序？

我不是嵌入式应用程序的专家，但我知道Python与Rasberry Pi（树莓派）一起工作。在硬件爱好者中，它似乎是一个流行的应用程序。

 

3，和游戏有什么相关？

你可以使用名为PyGame的库来开发游戏，但它并不是最流行的游戏引擎。你可以用它来建立一个爱好项目，但如果你是认真的游戏开发，我个人不会选择用它来开发。

相反，我建议你从与Unity中的C#开始，C#是最流行的游戏引擎之一。它允许你为许多平台构建一个游戏，包括Mac、Windows、iOS和Android。

 

4，和嵌入式程序有什么相关？

您可以使用Tkinter用Python制作一个，但它似乎也不是最流行的选择。

相反，像Java、C#和C++这样的语言似乎更受欢迎。

最近，一些公司也开始使用JavaScript创建桌面应用程序。

例如，Slack的桌面应用程序是用一种叫做电子的东西构建的。它允许你使用JavaScript构建桌面应用程序。

就我个人而言，如果我正在构建一个桌面应用程序，我会选择一个JavaScript选项。它允许你重用web版本中的一些代码。

然而，我也不是桌面应用的专家，所以如果你不同意或者同意我的观点，请在评论中告诉我。

 

5，使用Python3或Python2？

我推荐Python3，因为它更现代，并且在这一点上它更受欢迎。

 

五，评论与小结

受左耳朵耗子前辈影响，从这周开始坚持每周完成一个ARTS，所以这周就先从这篇技术文章开始。

这篇文章主要从Python最常用的三个应用领域入手，介绍了什么是网站开发，开发框架的选择；什么是机器学习，机器学习库的选择，推荐的机器学习课程，还有数据可视化的学习流程；脚本语言在游戏、嵌入式程序中的应用；最后是Python版本库的选择。

本文适合入门Python的新手、正在纠结使用Python选择应用方向和库的选择的人，还有不知从何开始学习网站开发、机器学习和脚本语言编写的小伙伴。

（第一次尝试翻译和整理国外技术文章，如有不足之处可以提出来，希望自己的翻译技能每天都能进步一点点点点）