这篇文章主要介绍了python有哪些用途，具有一定借鉴价值，需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。

                                                            ]

python都可以用来做什么？下面给大家介绍一下Python的应用方向：

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)。

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，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。

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。

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。

比如公司有邮件支持系统，用来回复客户通过邮件发送给我们的问题。

如果要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，但可以通过写了一个简单的脚本来自动执行此任务。

Ruby对于这类任务来说是个不错的选择。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。