知識星球
Python 的排名從去年開始就藉助人工智慧持續上升，現在它已經成為了第一名。但排在前四名的語言 Python、C、Java 和 C++都擁有廣大的使用者群體，並且他們的使用者總量也十分相近。實際上，Diakopoulos 在對公司招聘所要求的基本語言分析中，C 語言的需求甚至還要在 Python 之前。
下麵是日常Python在公司的一些基礎應用：
1、驗證演演算法：就是對公司一些常見設計演演算法或者公式的驗證，公式程式碼化。
2、快速開發：這個大家應該都比較熟悉，快速開發，就是用成熟框架，更少的程式碼來開髮網站，Python在網站前後臺有大量的成熟的框架，如django，flask，bottle，tornado，flask和django的使用較多，國內用Python開發的網站有：知乎、豆瓣、扇貝、騰訊、阿裡巴巴；
3、測試運維：用python實現的測試工具及過程，包含伺服器端、客戶端、web、andriod、client端的自動化測試，自動化效能測試的執行、監控和分析，常用selenium appium等
框架。做運維同學應該清楚，在Linux運維工作中日常操作涵蓋了監控，部署，網路配置，日誌分析，安全檢測 等等許許多多的方面，無所不包。python可以寫很多的指令碼，把“操作”這個行為做到極致。與此同時，python在伺服器管理工具上非常豐富，配置管理(saltstack) 批次執行( fabric, saltstack) 監控(Zenoss, nagios 外掛) 虛擬化管理( python-libvirt) 行程管理 (supervisor) 雲端計算(openstack) …… 還有大部分系統C庫都有python系結。
4、資料分析：Python有三大神器：numpy,scipy,matplotlib,其中numpy很多底層使用C語言實現的，所以速度很快，用它參加各種數學建模大賽，完全可以替代r語言和MATLAB。spark，Hadoop都開了Python的介面，所以使用Python做大資料的mapreduce也非常簡單，加上py對資料庫支援都很好，或者類似sqlalchemy的orm也非常強大好用。
特別是目前，Python在雲基礎設施，DevOps，大資料處理等領域都是炙手可熱的語言。
領域————————流行語言
雲基礎設施————Python, Java, Go
DevOps——Python, Shell, Ruby, Go
網路爬蟲————Python, PHP, C++
資料處理 Python, R, Scala
雲平臺分為私有雲和公有雲。私有雲平臺如日中天的OpenStack，就是Python寫的。如果嫌麻煩不想自己搭建私有雲，用公有雲，不論是AWS，GCE，Azure，還是阿裡雲，青雲，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青雲只提供Python SDK。可見各家雲平臺對Python的重視。提到基礎設施搭建，不得不提Hadoop，很多第三方庫封裝了Hadoop的API介面（pydoop，hadoopy等等）。
DevOps
DevOps有個中文名字，叫做開發自運維。網際網路時代，只有能夠快速試驗新想法，併在第一時間，安全、可靠的交付業務價值，才能保持競爭力。DevOps推崇的自動化構建/測試/部署，以及系統度量等技術實踐，是網際網路時代必不可少的。
自動化構建是因應用而易的，如果是Python應用，因為有setuptools, pip, virtualenv, tox, flake8等工具的存在，自動化構建非常簡單。而且，因為幾乎所有Linux系統都內建Python直譯器，所以用Python做自動化，不需要系統預安裝什麼軟體。
自動化測試方面，基於Python的Robot Framework企業級應用最喜歡的自動化測試框架，而且和語言無關。Cucumber也有很多支持者，Python對應的Lettuce可以做到完全一樣的事情。Locust在自動化效能測試方面也開始受到越來越多的關註。
自動化配置管理工具，老牌的如Chef和Puppet，是Ruby開發，目前仍保持著強勁的勢頭。不過，新生代Ansible和SaltStack——均為Python開發——因為較前兩者設計更為輕量化，受到越來越多開發這的歡迎，已經開始給前輩們製造了不少的壓力。
在系統監控與度量方面，傳統的Nagios逐漸沒落，新貴如Sensu大受好評，雲服務形式的New Relic已經成為創業公司的標配，這些都不是直接透過Python實現的，不過Python要接入這些工具，並不困難。
除了上述這些工具，基於Python，提供完整DevOps功能的PaaS平臺，如Cloudify和Deis，雖未成氣候，但已經得到大量關註。
網路爬蟲
網路爬蟲是Python的傳統強勢領域，最流行的爬蟲框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能夠獨當一面的類庫。
資料處理
Python也是資料科學家最喜歡的語言之一。和R語言不同，Python本身就是一門工程性語言，資料科學家用Python實現的演演算法，可以直接用在產品中，這對於大資料初創公司節省成本是非常有幫助的。正式因為資料科學家對Python和R的熱愛，Spark為了討好資料科學家，對這兩種語言提供了非常好的支援。
對了，還有iPython，這個工具如此有用，iPython Notebook的筆記本檔案可以共享給其他人。
為什麼是Python
正是因為應用開發工程師、運維工程師、資料科學家都喜歡Python，才使得Python成為大資料系統的全棧式開發語言。
對於開發工程師而言，Python的優雅和簡潔無疑是最大的吸引力，在Python互動式環境中，執行import this，Python社群一直非常有活力，Python的軟體包增長速度一直比較穩定，同時軟體包的質量也相對較高。
對於運維工程師而言，Python的最大優勢在於，幾乎所有Linux發行版都內建了Python直譯器。Shell雖然功能強大，但畢竟語法不夠優雅，寫比較複雜的任務會很痛苦。用Python替代Shell，做一些複雜的任務，對運維人員來說，是一次解放。
對於資料科學家而言，Python簡單又不失強大。和C/C++相比，不用做很多的底層工作，可以快速進行模型驗證；和Java相比，Python語法簡潔，表達能力強，同樣的工作只需要1/3程式碼；和Matlab，Octave相比，Python的工程成熟度更高。不止一個程式設計大牛表達過，Python是最適合作為大學電腦科學程式設計課程使用的語言——MIT的計算機入門課程就是使用的Python——因為Python能夠讓人學到程式設計最重要的東西——如何解決問題。
順便提一句，微軟高調宣佈提高Python在Windows上的程式設計體驗，包括Visual Studio支援Python，最佳化Python的C擴充套件在Windows上的編譯等等。腦補下未來Python作為Windows預設元件的場景。
如此可見Python號稱全棧式語言是肯定有道理的。
目前來學的人群分為以下幾類：
第一類：入行程式設計新手：大學剛畢業或者其他行業轉崗，想從事程式設計開發的工作，目前認為Python比較火，想入行；
第二類：Linux系統運維人員：Linux運維以繁雜著稱，對人員系統掌握知識的能力要求非常高，那麼也就需要一個程式語言能解決自動化的問題，Python開發運維工作是首選，Python運維工資的薪資普遍比Linux運維人員的工資高。
第三類：做資料分析或者人工智慧：不管是常見的大資料分析或者一般的金融分析、科學分析都比較大程度的應用了資料分析，人工智慧的一些常見應用也使用了Python的一些技術。
第四類：在職程式員轉Python開發：平常只關註div+css這些頁面技術，很多時候其實需要與後端開發人員進行互動的，現在有很多Java程式在轉到Python語言，他們都被Python程式碼的優美和開發效率所折服
第五類：其他：一些工程師以前在做很多SEO最佳化的時候，苦於不會程式設計，一些程式上面的問題，得不到解決，只能做做簡單的頁面最佳化。 現在學會Python之後，可以編寫一些查詢收錄，排名，自動生成網路地圖的程式，解決棘手的SEO問題。
原文連結：http://insights.thoughtworkers.org/full-stack-python/
《Python人工智慧和全棧開發》2018年07月23日即將在北京開課，120天衝擊Python年薪30萬，改變速約~~~~
*宣告：推送內容及圖片來源於網路，部分內容會有所改動，版權歸原作者所有，如來源資訊有誤或侵犯權益，請聯絡我們刪除或授權事宜。
– END –
更多Python好文請點選【閱讀原文】哦
↓↓↓
