如果你想学Python，或者你刚开始学习Python，那么你可能会问：“我能用Python做什么？”

这个问题不好回答，因为Python有很多用途。Python已在许多应用程序领域中使用，具体在官方Python的应用一节总结为：网络和互联网、数据科学、教育、桌面GUI、软件开发和商业应用，而行业人士有自己的看法。

但是随着时间，我发现有Python主要有以下三大主要应用：

• Web开发
• 数据科学：包括机器学习、数据分析和数据可视化
• 脚本

本文将依次介绍。

01 Web开发

Django和Flask等基于Python的Web框架最近在Web开发中非常流行。

这些Web框架可以帮助你用Python编写服务器端代码(后端代码)。这是在你的额服务器上运行的代码，而不是运行在用户设备和浏览器的代码(前端代码)。

1.为什么需要Web框架

因为用Web框架可以更容易地构建通用后端逻辑。这包括将不同的URL映射到Python代码块，处理数据库以及生成用户在浏览器中看到的HTML文件。

2.应该使用哪种Python Web框架

Django和Flask是最流行的两种Python Web框架。如果你刚刚入门，我建议使用其中一种。

3.Django和Flask有什么区别

Gareth Dwyer 关于这个问题有一篇出色的文章，在这里我引用几段：

主要区别

Flask：能够实现简单、灵活和细致的控制。并能让你自己决定实现方式。
Django：提供了全面的体验：你可以获得管理面板、数据库接口、ORM(对象关系映射)以及开箱即用的应用程序和项目的目录结构。

如何选择

Flask：如果你关注的是经验和学习的机会，或者你想更多地控制使用哪些组件，比如你想使用哪些数据库以及如何与其进行交互。
Django：如果你关注最终产品，或者你正在研究一个简单的应用，比如新闻网站、网店或博客，并且你希望有单一实现的方式。

换句话说，如果你是初学者，Flask可能是更好的选择，因为它要掌握的组件更少。此外，如果你想要更多的定制，那就选Flask。

根据我的数据工程师朋友Jonathan T Ho的说法，由于Flask 的灵活性，在创建REST API时，Flask 比Django 更适合。

另一方面，如果你想直接构建一些东西，Django可能会让你更快实现。

Flask 实践教程——米格尔·格林贝格的博客文章The Flask Mega-Tutorial Part I: Hello, World!是用Python和Flask来创建Web应用的教程，并且有全二十三章的中文翻译。

02 数据科学

数据科学，这里包括机器学习，数据分析和数据可视化。

1.机器学习是什么

假设你想开发一个能够自动检测图片内容的程序。给出图1，你希望程序识别这是一只狗。

给出图2，希望程序能识别这是一张桌子。

你可能会说，我可以写一些代码来做到这点。例如，如果图片中有很多浅棕色像素，那么可以识别是狗。

或者可以检测图片中的边缘，如果有很多直的边缘，那么就是桌子。

但这种方法很快就不好用了。如果图片中的狗不是棕色毛的怎么办？如果图片只显示桌子的圆形部分怎么办？

这里就需要用到机器学习了。

机器学习通过实现算法，该算法能够自动检测输入中的模式。

例如，你将1000张狗的图片和1000张桌子的图片输入给机器学习算法，让它掌握狗和桌子间的区别。那么当你给出新的图片让它识别是狗还是桌子时，它就能够进行判断。

这有点类似孩子学习新事物的方式。孩子是如何学习认知狗或桌子的呢？就是通过大量的例子。

你不会明确告诉孩子：“如果某个毛茸茸的东西有浅棕色的毛发，那么就可能是狗。”

你会说，“这是狗，这也是狗。而这是桌子，那个也是桌子。“

机器学习算法的方式大致相同。

我们可以将相同的想法应用于：

• 推荐系统：比如YouTube，亚马逊和Netflix
• 人脸识别
• 语音识别

以及其他应用。

你听过的热门机器学习算法包括：

• 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算法来解决前面提到的图片标签问题。

2.将Python用于机器学习

有一些热门的机器学习库和Python框架。其中两个最热门的是scikit-learn和TensorFlow。

• scikit-learn带有一些内置的热门机器学习算法。
• TensorFlow是一个低级库，能让你创建自定义机器学习算法。

如果你刚开始进行机器学习项目，我会建议你先从scikit-learn开始。如果你开始遇到效率问题，那么可以使用TensorFlow。

3.数据分析和数据可视化

假设你在一家在线销售产品的公司工作。作为数据分析师，你会绘制这样的条形图。

▲条形图1 - 用Python生成

从这张图中可以看到在某个周日，男性用户购买了400多件产品，女性用户购买了350件产品。

作为数据分析师，对此你会提出一些可能的解释。明显的解释是，该产品在男性用户中更受欢迎。另一种是样本量太小，而这种差异是偶然的。还可能呢是由于某种原因，男性往往在周日才购买该产品。

为了理解哪种解释是正确的，你可以绘制另一个图。

▲折线图1 - 用Python生成

不止看周日的数据，还要看到一周的数据。从这张图表中可以看出，在不同的日子里这种差异比较一致。

从这个分析中你会得出结论：这种产品在男性中比在女性中更受欢迎。

但如果你看到像这样的图表呢？

▲折线图2 - 用Python生成

那么，怎么解释周日的差异呢？

你可能会说，也许出于某种原因男性只在周日才会更多地购买这款产品。或许这只是巧合。

我在谷歌和微软工作时所做的数据分析工作与这个例子非常相似，只是更复杂一些。在谷歌时我使用Python进行分析，而我在微软使用JavaScript。

在这两家公司我都使用SQL从数据库中提取数据。然后，我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微软)来可视化和分析这些数据。

4.使用Python进行数据分析/可视化

进行数据可视化时，Matplotlib是非常热门的库。

Matplotlib很棒，因为：

• 容易上手
• seaborn等库是基于它的，学习Matplotlib可以帮助你以后学习其他库。

5.如何用Python学习数据分析/可视化

你首先应该了解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知识之后，学习统计学基础知识也将会很有帮助。

03 脚本

什么是脚本？

脚本通常是指编写能够自动执行简单任务的小程序。

我曾经在日本的一家小型创业公司工作，公司有邮件支持系统，这用来回复客户通过邮件发送给我们的问题。

在那儿工作时，我的任务是计算包含关键字的邮件数量，以便分析我们收到的电子邮件。这可以手动完成，但我写了一个简单的脚本来自动执行此任务。

当时我们使用了Ruby，但对于这类任务Python也是不错的选择。Python适合这类任务，因为它语法简单，易于编写，而且进行测试也很快。

04 其他用途

1.嵌入式应用

我不是这方面的专家，但我知道Python可以与Rasberry Pi一起用，在硬件爱好者中很流行。

2.游戏开发

你可以用PyGame来开发游戏，但这并不是最受欢迎的游戏引擎。你可以用它来开发业余爱好项目，但如果你对游戏开发很认真，建议不要选它。

我建议使用Unity的C＃，这是最受欢迎的游戏引擎之一。它能让你为许多平台开发游戏，包括Mac、Windows、iOS和Android。

3.桌面应用

你可以用Python的Tkinter，但这并不是最热门的选择。Java，C＃和C ++等语言似乎更受欢迎。

最近，一些公司也开始使用JavaScript来开发桌面应用程序。例如，Slack的桌面应用是Electron构建的。它能让你用JavaScript构建桌面应用程序。

就个人而言，如果我要开发桌面应用，我会选择使用JavaScript。它能让你重新使用网络版本的一些代码。

两个关键问题

1.Python 3还是Python 2

我会推荐Python 3，因为它更新而且更受欢迎。

2.后端代码与前端代码的区别

假设你想开发类似Instagram的产品，那么你需要为想要支持类型的设备创建前端代码。

你可能会用到：

• 面向iOS端的Swift
• 面向Android的Java
• 面向Web浏览器的JavaScript

每组代码将在每种类型的设备上运行。这类代码将决定应用的布局样式，点击按键的样式等。

但是，您还需要存储用户信息和照片的功能。你要将它们存储在服务器上，而不仅仅存储在用户的设备上，以便每个用户的关注者都可以查看其照片。

这时需要用到后端代码/服务器端代码。你需要编写后端代码来执行以下操作：

• 记录关注情况
• 压缩照片，从而不占用太多存储空间
• 在发现功能中向每个用户推荐照片和新帐户

这是后端代码和前端代码之间的区别。

顺便说一下，Python不是编写后端代码的唯一选择，还有基于JavaScript的Node.js等选择。

via - What exactly can you do with Python? Here are Python's 3 main applications.