Python那么火,到底能用来做什么?我们来说说Python3的主要应用
如果您正在考虑学习Python,或者您最近刚开始学习,
您可能会问自己:“我到底可以用Python做什么?”
这是个棘手的问题,因为Python有很多用途。
但是随着时间的推移,
我发现Python主要可用于一下三个方面:
- Web开发
- 数据科学——包括机器学习、数据分析和数据可视化
- 脚本编写
我们就依次来看看吧。
一、Web开发
像Django和Flask这样基于Python的Web框架最近在web开发中变得非常流行。
这些web框架帮助您用Python创建服务器端代码(后端代码)。
这些代码在您的服务器上而不是在用户设备以及浏览器上(前端代码)运行。
如果您不熟悉后端代码和前端代码之间的区别,请参阅下面脚注。
但是,等等,我为什么需要web框架呢?
那是因为web框架让构建通用后端逻辑变得更简单了。
这包括把不同的URL映射到Python代码块、处理数据库和生成用户在浏览器中看到的HTML文件。
我应该用哪个Python web框架?
Django和Flask是两种最流行的Python web框架。
如果您刚刚开始学习,那么可以用它们中的任何一个。
Django和Flask有什么区别?
主要的对比:
- Flask提供简洁、灵活和细粒度控制。它很是客观(让您决定如何实现想要的东西)。
- Django提供一种包罗万象的体验:您可以获得管理面板、数据库接口、ORM(object-relational mappling,对象关系映射),还有开箱即用的应用程序和项目的目录结构。
您应该选择:
- Flask,如果您专注于体验和学习机会,或者您想对选用哪个组件有更大的控制权(例如您想使用哪个数据库和如何与它们交互)。
- Django,如果你专注于最终的产品。特别是如果您正在做一个简单的应用程序(如一个新闻网站、电子商店,或者博客)并且希望有一个直接明了的做法。
换句话说,如果您是位初学者,Flask可能是个更好的选择,因为用到的组件比较少。
如果您想要更多的定制,那么Flask也是个更好的选择。
而且,根据我的数据工程师朋友的看法,
Flask更适合创建那些所谓的REST API的东西,因为它比Django更灵活。
另一方面,
如果您想构建一些简单的东西,
Django会让您更快地达到目标。
好,我们接着谈谈下一个!
二、数据科学 —— 包括机器学习、数据分析和数据可视化
首先,我们来回顾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莫过于举个例子。
假设您想开发一个程序用于自动检测图片中的内容。
因此,对于下面的这张图片(图片1),您希望您的程序能识别出这是条狗。
图1
而对于下面的这张图片(图片2),您希望您的程序能识别出它是张桌子。
图2
您也许会说,我可以用几行代码搞定。例如,如果在图片上有很多淡棕色的像素,那么我们可以说那是狗。
或者,您可以找到在照片中检测边缘的方法。然后,您也许会说,如果有很多直边,那么那就是一张桌子。
但是,这种方法很快就遇到麻烦了。如果图片上是条没有棕色毛发的白狗怎么办?如果图片上显示的只是桌子的圆形部分呢?
轮到机器学习大显身手了。
比如,您给机器学习的算法提供1000张狗的照片和1000张桌子的照片。那么,它将会学习区别狗和桌子。当您给出一张狗或桌子的新图片时,它将能够识别出是狗还是桌子。
我认为,这和婴儿学习新事物有点类似。婴儿是如何知道一样东西看起来像狗,而另一样东西看起来像桌子呢?可能就是从大量的例子中学到的。
您也许不会明确地告诉一个婴儿:“如果一样东西是毛茸茸的,并且有着淡棕色的毛发,那么它可能是条狗。”
您可能只是说:“那是条狗。这也是条狗。这是桌子。那也是桌子。”
机器学习算法的工作方式大致相同。
您可以把同样的想法应用于:
- 推荐系统(像YouTube、Amazon和Netflix在用的)
- 面部识别
- 声音识别
您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
您可以使用任何一个上述算法来解决我刚才解释过的图片标注问题。
三、将Python用于机器学习
有一些流行的Python机器学习库和框架,其中最流行的两个是scikit-learn和TensorFlow。
- scikit-learn附带了一些更流行的内置机器学习算法。我刚才提到了其中的几个。
- TensorFlow更像是个低级库,它允许您构建自定义机器学习算法。
如果您刚开始一个机器学习项目,那么我建议您先用scikit-learn。如果您开始遇到效率问题,那么我建议用TensorFlow。
请注意,您需要微积分和线性代数的基本知识以理解这些课程中的某些内容。
四、那么数据分析和数据可视化呢?
为了帮助您理解,我在这里给您举个简单的例子。假设,您为一家在线销售产品的公司工作。
那么,作为数据分析师,您也许会画一个类似的条形图。
条形图1-由Python生成
从这张图上,我们可以看到,在某个特定的周日,对于某件产品来说,男性购买了400多件,而女性购买了大约350件。
作为一个数据分析师,您也许会对其中的差异做出几个可能的解释。
一个很显然的可能解释是,该产品在男性中比在女性中更流行。另一个可能的解释是,样本量太小,这个差异是偶尔产生的。还有一个可能的解释是,在周日,由于某种原因,男性比女性更倾向于购买该产品。
为了搞明白哪个解释是正确的,您可能绘制另一张图,如下图所示:
折线图1-由Python生成
我们不再只显示周日的数据,而是整整一周的数据。正如您所见,从这张图中,我们可以看到,这种差异在不同的日子里很一致。
从这个简单的分析中,您可能得出了结论,对这种差异,一个最有说服力的解释就是,这个产品更受男性而不是女性欢迎。
另一方面,如果您看到是如下所示的图呢?
折线图2-同样由Python生成
那么,如何解释出现在周日的差异呢?
您也许会说,也许出于某种原因,男性在周日更倾向于购买该产品。或者,也许只是巧合,男性在周日购买了更多的该产品。
好了,这是个简化的例子,展示了数据分析在真实世界中看起来的样子。
我在谷歌和微软工作的时候做过数据分析,跟这个例子非常相似,只是更复杂一些罢了。事实上,我在谷歌工作时,是用Python来做这种分析,而我在微软的时候,用的是JavaScript。
在这两家公司工作的时候,我用SQL从数据库中提取数据。然后,我会用Python和Matplotlib(在谷歌工作时)或JavaScrip和D3.js(在微软工作时)进行数据可视化和分析。
五、用Python进行数据分析/可视化
最流行的数据可视化库之一是Matplotlib。
刚开始学习的话,它是个不错的库,因为:
- 它容易上手
- 其他一些库,如seaborn是以它为基础的。因此,学习Matplotlib可以帮助您随后学习其他库。
六、选Python 3还是Python 2?
我会推荐Python 3,因为它更现代化,并且目前它更受欢迎。
脚注:对于后端代码和前端代码的的说明(万一您对这些术语不熟悉)。
假设,您想做个类似于Instagram的东西。
那么,您需要为每种想支持的设备创建前端代码:
- Swift用于iOS设备
- Java用于安卓设备
- JavaScript用于web浏览器
每组代码都将在对应类型的设备/浏览器上运行。这组代码将决定应用的布局看上去的样子,单击时按钮的外观等等。
但是,您仍然需要存储用户信息和照片的能力。除了在用户的设备商储存这些信息,您还会希望将这些信息储存在服务器上,这样,每个用户的关注者就能看到用户的照片。
这里就是后端代码/服务器端代码的用武之地了。您需要编写后端代码以执行以下操作:
- 持续跟踪谁在关注谁
- 压缩照片,以免占据太多存储空间
- 在发现功能中给每个用户推荐照片和新账号
好了,这就是后端代码和前段代码之间的区别。
顺便说一下,Python不是编写后端/服务器端代码的唯一好选择。还有很多其他流行的选择,包括Node.js,它是基于JavaScript的。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
一次线上问题排查所引发的思考
前言 之前或多或少分享过一些内存模型、对象创建之类的内容,其实大部分人看完都是懵懵懂懂,也不知道这些的实际意义。 直到有一天你会碰到线上奇奇怪怪的问题,如: 线程执行一个任务迟迟没有返回,应用假死。 接口响应缓慢,甚至请求超时。 CPU 高负载运行。 这类问题并不像一个空指针、数组越界这样明显好查,这时就需要刚才提到的内存模型、对象创建、线程等相关知识结合在一起来排查问题了。 正好这次借助之前的一次生产问题来聊聊如何排查和解决问题。 生产现象 首先看看问题的背景吧: 我这其实是一个定时任务,在固定的时间会开启 N 个线程并发的从 Redis 中获取数据进行运算。 业务逻辑非常简单,但应用一般涉及到多线程之后再简单的事情都要小心对待。 果不其然这次就出问题了。 现象:原本只需要执行几分钟的任务执行了几个小时都没退出。翻遍了所有的日志都没找到异常。 于是便开始定位问题之路。 定位问题 既然没办法直接从日志中发现异常,那就只能看看应用到底在干嘛了。 最常见的工具就是 JDK 自带的那一套。 这次我使用了jstack来查看线程的执行情况,它的作用其实就是 dump 当前的线程堆栈。 当然在 d...
- 下一篇
再有人问你synchronized是什么,就把这篇文章发给他。
在《深入理解Java虚拟机》中,有这样一段话: synchronized关键字在需要原子性、可见性和有序性这三种特性的时候都可以作为其中一种解决方案,看起来是“万能”的。的确,大部分并发控制操作都能使用synchronized来完成。 海明威在他的《午后之死》说过的:“冰山运动之雄伟壮观,是因为他只有八分之一在水面上。” 对于程序员来说,synchronized只是个关键字而已,用起来很简单。之所以我们可以在处理多线程问题时可以不用考虑太多,就是因为这个关键字帮我们屏蔽了很多细节。 那么,本文就围绕synchronized展开,主要介绍其用法、原理,以及如何提供原子性、可见性和有序性保障的等。 synchronized的用法 synchronized是Java提供的一个并发控制的关键字。主要有两种用法,分别是同步方法和同步代码块。 也就是说,synchronized既可以修饰方法也可以修饰代码块。代码如下: /** *@authorHollis18/08/04. */ publicclassSynchronizedDemo{ //同步方法 publicsynchronizedvoidd...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Eclipse初始化配置,告别卡顿、闪退、编译时间过长
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- CentOS7设置SWAP分区,小内存服务器的救世主
- SpringBoot2更换Tomcat为Jetty,小型站点的福音
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- CentOS7编译安装Cmake3.16.3,解决mysql等软件编译问题
- MySQL8.0.19开启GTID主从同步CentOS8
- SpringBoot2整合Redis,开启缓存,提高访问速度
- Linux系统CentOS6、CentOS7手动修改IP地址
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题