知識星球來自：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
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。
