Fork me on GitHub 打赏

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个主要应用程序。

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)

 

 

posted @ 2018-07-21 21:35  Zoctopus_Zhang  阅读(...)  评论(... 编辑 收藏
// function btn_donateClick() { var DivPopup = document.getElementById('Div_popup'); var DivMasklayer = document.getElementById('div_masklayer'); DivMasklayer.style.display = 'block'; DivPopup.style.display = 'block'; var h = Div_popup.clientHeight; with (Div_popup.style) { marginTop = -h / 2 + 'px'; } } function MasklayerClick() { var masklayer = document.getElementById('div_masklayer'); var divImg = document.getElementById("Div_popup"); masklayer.style.display = "none"; divImg.style.display = "none"; } setTimeout( function () { document.getElementById('div_masklayer').onclick = MasklayerClick; document.getElementById('btn_donate').onclick = btn_donateClick; var a_gzw = document.getElementById("guanzhuwo"); a_gzw.href = "javascript:void(0);"; $("#guanzhuwo").attr("onclick","follow('33513f9f-ba13-e011-ac81-842b2b196315');"); }, 900);