typeScript 自定义指令 人工智能 tfs node vue路由 vue配置 swift视频教程 小程序demo源码 jquery循环 华为路由器ipv6配置 datetimepicker赋值 删除数组第一个元素 matlab区分大小写吗 oracle给表增加字段 js数组截取前5个 flutter ui构建工具 linux启动数据库 python连接mysql python计算器 python代码示例 python教程 python写入文件 python模块大全 javaif语句 java语言 javarandom java中泛型 java正则匹配数字 java接口开发 java删除数组中的某个元素 行业软件下载 骁龙435 华为一键root工具 ad下载 超星网课助手 oem修改器 小米手环充电多久 视频后期处理软件 js获取数组长度
当前位置: 首页 > 学习教程  > 编程语言

你到底能用Python做什么?下面是Python的三个主要应用程序。

2020/8/11 19:39:16 文章标签:

在这里插入图片描述
如果你正在考虑学习Python–或者你最近开始学习它–你可能会问自己:
“我到底能用Python做什么?”
这是一个很难回答的问题,因为Python的应用程序太多了。
但随着时间的推移,我注意到Python有3种主要的流行应用程序:
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
让我们依次讨论每一个问题。
Web开发
基于Python的Web框架,如姜戈和烧瓶最近在web开发中变得非常流行。
这些Web框架帮助您在Python中创建服务器端代码(后端代码)。这是在您的服务器上运行的代码,而不是在用户的设备和浏览器上运行的代码(前端代码)。如果您不熟悉后端代码和前端代码之间的区别,请参见下面的脚注。
但是等等,为什么我需要一个网络框架?
这是因为Web框架使构建公共后端逻辑变得更容易。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上看到的HTML文件。
我应该使用哪个Python Web框架?
Django和Flask是最流行的PythonWeb框架之一。如果你才刚开始的话,我建议你使用其中之一。
Django和烧瓶有什么区别?
有一个优秀文章关于Gareth Dwyer的这个话题,让我在这里引用:

主要对比:
烧瓶提供了简单、灵活和细粒度的控制.它是不固执己见的(它让您决定如何实现事物)。
Django提供了一种包罗万象的体验:您可以获得一个管理面板、数据库接口、一个对象关系映射,以及应用程序和项目的目录结构。
你应该选择:
如果您专注于体验和学习机会,或者您希望更多地控制使用哪些组件(例如您想使用哪些数据库以及如何与它们交互),则需要更多的控制。
Django,如果你专注于最终产品。特别是当你正在开发一个直截了当的应用程序,比如新闻网站、电子商店或博客时,你希望总是有一种单一的、显而易见的方式来做事。
</end quote>
换句话说,如果你是一个初学者,瓶可能是一个更好的选择,因为它有较少的组件需要处理。另外,如果你想要更多的定制,瓶是一个更好的选择。
另一方面,如果你想建立一个直截了当的东西,Django可能会让你更快地到达那里。
现在,如果你想学习Django,我推荐这本书叫做Django给初学者。你可以找到它这里.
你也可以找到那本书的免费样本章节。这里.
好吧,让我们进入下一个话题!
数据科学-包括机器学习、数据分析和数据可视化。
首先,让我们回顾一下机器学习是.
我认为解释机器学习的最好方法是给你一个简单的例子。
假设您想开发一个自动检测图片中的内容的程序。
所以,根据下面的图片(图1),你想让你的程序认识到它是一只狗。在这里插入图片描述
考虑到下面的另一个(图2),您希望您的程序能够识别它是一个表。
Image for post

在这里插入图片描述

你可能会说,好吧,我可以写一些代码来做这件事。例如,如果图片中有很多浅棕色像素,那么我们可以说它是一只狗。
或者,你可以找出如何检测图片中的边缘。然后,你可能会说,如果有很多直线的边,那么它就是一张桌子。
然而,这种方法很快就会变得棘手。如果照片里有一只没有棕色头发的白狗怎么办?如果这张照片只显示了桌子的圆形部分呢?
这就是机器学习的来龙去脉。
机器学习通常实现一种自动检测给定输入中的模式的算法。
比如说,你可以把1000张狗的照片和1000张桌子的图片交给机器学习算法。然后,它将了解狗和桌子的区别。当你给它一张狗或桌子的新照片时,它就能认出它是哪一只。
我认为这有点类似于婴儿学习新事物的方式。婴儿怎么知道一件事看上去像一只狗,另一件事看上去像一张桌子?可能是一堆例子。
你可能不会直截了当地告诉婴儿:“如果有什么东西是毛茸茸的,头发是浅棕色的,那它很可能是一只狗。”
你可能会说,“那是条狗。这也是条狗。这张是一张桌子。那张也是一张桌子。“
机器学习算法的工作方式也是一样的。
您可以将相同的想法应用于:
推荐系统(想想YouTube、Amazon和Netflix)
人脸识别
语音识别
在其他应用中。
您可能听说过的流行机器学习算法包括:
神经网络
深度学习
支持向量机
随机林
您可以使用上述任何算法来解决我前面解释过的图片标记问题。
用于机器学习的Python
有流行的机器学习库和Python框架。
最受欢迎的两个是科学-学习和TensorFlow.
SICKIT-学习与一些更流行的机器学习算法内置。我上面提到过一些。
TensorFlow是一个低级库,允许您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,我建议你先从科学学习开始。如果您开始遇到效率问题,那么我将开始研究TensorFlow。
我应该如何学习机器学习?
为了学习机器学习的基本原理,我建议斯坦福大学或加州理工学院机器学习课程。
请注意,你需要微积分和线性代数的基本知识来理解这些课程中的一些材料。
然后,我会把你从其中一门课上学到的东西卡格尔。这是一个网站,人们竞争为一个给定的问题建立最好的机器学习算法。他们也为初学者提供了很好的教程。
数据分析和数据可视化呢?
为了帮助你理解这些可能是什么样子,让我在这里给你一个简单的例子。
假设你在一家在线销售产品的公司工作。
然后,作为数据分析人员,您可能会绘制如下条形图。在这里插入图片描述
条形图1-用Python生成从这张图中,我们可以看出,在这个特别的周日,男性购买了400多台这款产品,而女性购买了大约350台这款产品。
作为一名数据分析师,您可能会对这种差异提出一些可能的解释。
一个显而易见的可能解释是,这种产品在男性中比在女性中更受欢迎。另一种可能的解释可能是样本大小太小,而这一差异只是偶然造成的。另一个可能的解释是,由于某种原因,男性只在周日才会购买这种产品。
要理解这些解释中的哪一种是正确的,你可以画另一张图,像这张。我们不是只显示周日的数据,而是看了整整一周的数据。正如你所看到的,从这个图表中,我们可以看到,这种差异在不同的日子里是非常一致的。
从这个小小的分析中,你可能会得出结论,这种区别最有说服力的解释是,这种产品在男性中比在女性中更受欢迎。
另一方面,如果你看到的是这样的图形呢?
在这里插入图片描述

Image for post
那么,周日有什么不同呢?
你可能会说,也许因为某种原因,男人只在星期天才会购买更多的这种产品。或者,也许这只是一个巧合,男人在星期天买了更多。
因此,这是一个简化的例子,说明在现实世界中数据分析可能是什么样子。
我在谷歌(Google)和微软(Microsoft)工作时所做的数据分析工作非常类似于这个例子–只是更复杂。实际上,我在Google使用Python进行这种分析,而在Microsoft使用JavaScript。
我在这两家公司使用SQL从我们的数据库中提取数据。然后,我将使用Python和Matplotlib(在Google)或JavaScript和D3.js(在Microsoft)来可视化和分析这些数据。
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.
这是一个很好的开始库,因为:
很容易开始
其他一些库,如海航是以它为基础的。因此,学习Matplotlib将有助于您稍后学习这些其他库。
如何使用Python学习数据分析/可视化?
我们下期见


本文链接: http://www.dtmao.cc/news_show_100145.shtml

附件下载

相关教程

    暂无相关的数据...

共有条评论 网友评论

验证码: 看不清楚?