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,我推荐斯坦福或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)