有Python主要有以下三大主要應用：
一、 Web開發(fā)
Django和Flask等基于Python的Web框架最近在Web開發(fā)中非常流行。
這些Web框架可以幫助你用Python編寫服務器端代碼(后端代碼)。這是在你的額服務器上運行的代碼，而不是運行在用戶設(shè)備和瀏覽器的代碼(前端代碼)。
1. 為什么需要Web框架
因為用Web框架可以更容易地構(gòu)建通用后端邏輯。這包括將不同的URL映射到Python代碼塊，處理數(shù)據(jù)庫以及生成用戶在瀏覽器中看到的HTML文件。
2. 應該使用哪種Python Web框架
Django和Flask是最流行的兩種Python Web框架。如果你剛剛?cè)腴T，我建議使用其中一種。
3. Django和Flask有什么區(qū)別
Gareth Dwyer 關(guān)于這個問題有一篇出色的文章，在這里我引用幾段：
主要區(qū)別
Flask：能夠?qū)崿F(xiàn)簡單、靈活和細致的控制。并能讓你自己決定實現(xiàn)方式。
Django：提供了全面的體驗：你可以獲得管理面板、數(shù)據(jù)庫接口、ORM(對象關(guān)系映射)以及開箱即用的應用程序和項目的目錄結(jié)構(gòu)。
如何選擇
Flask：如果你關(guān)注的是經(jīng)驗和學習的機會，或者你想更多地控制使用哪些組件，比如你想使用哪些數(shù)據(jù)庫以及如何與其進行交互。
Django：如果你關(guān)注最終產(chǎn)品，或者你正在研究一個簡單的應用，比如新聞網(wǎng)站、網(wǎng)店或博客，并且你希望有單一實現(xiàn)的方式。
換句話說，如果你是初學者，F(xiàn)lask可能是更好的選擇，因為它要掌握的組件更少。此外，如果你想要更多的定制，那就選Flask。
根據(jù)我的數(shù)據(jù)工程師朋友Jonathan T Ho的說法，由于Flask 的靈活性，在創(chuàng)建REST API時，F(xiàn)lask 比Django 更適合。
另一方面，如果你想直接構(gòu)建一些東西，Django可能會讓你更快實現(xiàn)。
二、 數(shù)據(jù)科學
數(shù)據(jù)科學，這里包括機器學習，數(shù)據(jù)分析和數(shù)據(jù)可視化。
1. 機器學習是什么?
假設(shè)你想開發(fā)一個能夠自動檢測圖片內(nèi)容的程序。給出圖1，你希望程序識別這是一只狗。
你可能會說，我可以寫一些代碼來做到這點。例如，如果圖片中有很多淺棕色像素，那么可以識別是狗。
或者可以檢測圖片中的邊緣，如果有很多直的邊緣，那么就是桌子。
但這種方法很快就不好用了。如果圖片中的狗不是棕色毛的怎么辦？如果圖片只顯示桌子的圓形部分怎么辦？
這里就需要用到機器學習了。
機器學習通過實現(xiàn)算法，該算法能夠自動檢測輸入中的模式。
例如，你將1000張狗的圖片和1000張桌子的圖片輸入給機器學習算法，讓它掌握狗和桌子間的區(qū)別。那么當你給出新的圖片讓它識別是狗還是桌子時，它就能夠進行判斷。
這有點類似孩子學習新事物的方式。孩子是如何學習認知狗或桌子的呢？就是通過大量的例子。
你不會明確告訴孩子：“如果某個毛茸茸的東西有淺棕色的毛發(fā)，那么就可能是狗?！?/p>
你會說，“這是狗，這也是狗。而這是桌子，那個也是桌子?！?/p>
機器學習算法的方式大致相同。
我們可以將相同的想法應用于：
推薦系統(tǒng)：比如YouTube，亞馬遜和Netflix
人臉識別
語音識別
以及其他應用。
你聽過的熱門機器學習算法包括：
神經(jīng)網(wǎng)絡(luò)
深度學習
支持向量機
隨機森林
你可以使用上述任何算法來解決前面提到的圖片標簽問題。
2. 將Python用于機器學習
有一些熱門的機器學習庫和Python框架。其中兩個最熱門的是scikit-learn和TensorFlow。
scikit-learn帶有一些內(nèi)置的熱門機器學習算法。
TensorFlow是一個低級庫，能讓你創(chuàng)建自定義機器學習算法。
如果你剛開始進行機器學習項目，我會建議你先從scikit-learn開始。如果你開始遇到效率問題，那么可以使用TensorFlow。
3. 數(shù)據(jù)分析和數(shù)據(jù)可視化
假設(shè)你在一家在線銷售產(chǎn)品的公司工作。作為數(shù)據(jù)分析師，你會繪制這樣的條形圖。
a、條形圖1 - 用Python生成
從這張圖中可以看到在某個周日，男性用戶購買了400多件產(chǎn)品，女性用戶購買了350件產(chǎn)品。
作為數(shù)據(jù)分析師，對此你會提出一些可能的解釋。明顯的解釋是，該產(chǎn)品在男性用戶中更受歡迎。另一種是樣本量太小，而這種差異是偶然的。還可能呢是由于某種原因，男性往往在周日才購買該產(chǎn)品。
為了理解哪種解釋是正確的，你可以繪制另一個圖。
b、折線圖1 - 用Python生成
不止看周日的數(shù)據(jù)，還要看到一周的數(shù)據(jù)。從這張圖表中可以看出，在不同的日子里這種差異比較一致。
從這個分析中你會得出結(jié)論：這種產(chǎn)品在男性中比在女性中更受歡迎。
但如果你看到像這樣的圖表呢？
c、折線圖2 - 用Python生成
那么，怎么解釋周日的差異呢？
你可能會說，也許出于某種原因男性只在周日才會更多地購買這款產(chǎn)品?；蛟S這只是巧合。
我在谷歌和微軟工作時所做的數(shù)據(jù)分析工作與這個例子非常相似，只是更復雜一些。在谷歌時我使用Python進行分析，而我在微軟使用JavaScript。
在這兩家公司我都使用SQL從數(shù)據(jù)庫中提取數(shù)據(jù)。然后，我用Python和Matplotlib(在谷歌)或JavaScript和D3.js(在微軟)來可視化和分析這些數(shù)據(jù)。
4. 使用Python進行數(shù)據(jù)分析/可視化
進行數(shù)據(jù)可視化時，Matplotlib是非常熱門的庫。
Matplotlib很棒，因為：
容易上手
seaborn等庫是基于它的，學習Matplotlib可以幫助你以后學習其他庫。
5. 如何用Python學習數(shù)據(jù)分析/可視化
你首先應該了解數(shù)據(jù)分析和可視化的基礎(chǔ)知識。在學習了數(shù)據(jù)分析和可視化的基礎(chǔ)知識之后，學習統(tǒng)計學基礎(chǔ)知識也將會很有幫助。
三、腳本
什么是腳本？
腳本通常是指編寫能夠自動執(zhí)行簡單任務的小程序。
我曾經(jīng)在日本的一家小型創(chuàng)業(yè)公司工作，公司有郵件支持系統(tǒng)，這用來回復客戶通過郵件發(fā)送給我們的問題。
在那兒工作時，我的任務是計算包含關(guān)鍵字的郵件數(shù)量，以便分析我們收到的電子郵件。這可以手動完成，但我寫了一個簡單的腳本來自動執(zhí)行此任務。
當時我們使用了Ruby，但對于這類任務Python也是不錯的選擇。Python適合這類任務，因為它語法簡單，易于編寫，而且進行測試也很快。
四、其他用途
1. 嵌入式應用
我不是這方面的專家，但我知道Python可以與Rasberry Pi一起用，在硬件愛好者中很流行。
2. 游戲開發(fā)
你可以用PyGame來開發(fā)游戲，但這并不是最受歡迎的游戲引擎。你可以用它來開發(fā)業(yè)余愛好項目，但如果你對游戲開發(fā)很認真，建議不要選它。
我建議使用Unity的C＃，這是最受歡迎的游戲引擎之一。它能讓你為許多平臺開發(fā)游戲，包括Mac、Windows、iOS和Android。
3. 桌面應用
你可以用Python的Tkinter，但這并不是最熱門的選擇。Java，C＃和C ++等語言似乎更受歡迎。
最近，一些公司也開始使用JavaScript來開發(fā)桌面應用程序。例如，Slack的桌面應用是Electron構(gòu)建的。它能讓你用JavaScript構(gòu)建桌面應用程序。
就個人而言，如果我要開發(fā)桌面應用，我會選擇使用JavaScript。它能讓你重新使用網(wǎng)絡(luò)版本的一些代碼。
當然，我并不是桌面應用的專家，所以如果你有不同的看法，評論中告訴我。
4. Python 3還是Python 2
我會推薦Python 3，因為它更新而且更受歡迎。
5. 后端代碼與前端代碼的區(qū)別
假設(shè)你想開發(fā)類似Instagram的產(chǎn)品，那么你需要為想要支持類型的設(shè)備創(chuàng)建前端代碼。
你可能會用到：
面向iOS端的Swift?
面向Android的Java
面向Web瀏覽器的JavaScript
每組代碼將在每種類型的設(shè)備上運行。這類代碼將決定應用的布局樣式，點擊按鍵的樣式等。
但是，您還需要存儲用戶信息和照片的功能。你要將它們存儲在服務器上，而不僅僅存儲在用戶的設(shè)備上，以便每個用戶的關(guān)注者都可以查看其照片。
這時需要用到后端代碼/服務器端代碼。你需要編寫后端代碼來執(zhí)行以下操作：
記錄關(guān)注情況
壓縮照片，從而不占用太多存儲空間
在發(fā)現(xiàn)功能中向每個用戶推薦照片和新帳戶
這是后端代碼和前端代碼之間的區(qū)別。
順便說一下，Python不是編寫后端代碼的唯一選擇，還有基于JavaScript的Node.js等選擇。