Python最适合做什么？

最近我在Reddit上讨论了为什么有人会使用Python而不是其他编程语言。这个讨论非常好，因此我想写一篇关于它的文章。

首先，让我告诉你我对Python的看法。Python是我喜欢的一种语言，可以用于各种各样的应用，虽然我同意这种语言有它的缺点，但我确实相信它是一种适合专业人士使用的伟大语言，也适合初学者进入迷人的编程世界。

说到这里，我是否会在每一个项目上都使用Python？可能不会！但有一些领域是Python所擅长的，我想强调这些领域，并解释为什么。

• API开发
• 数据科学/人工智能
• 脚本

让我们详细地回顾一下。

API开发

有一些用Python进行API开发的优秀框架，在这些框架中，有两个在开发社区中最受欢迎的，即Django和Flask。

围绕着API开发的谈话立即进入了网络框架的方向，为什么？嗯......我不相信当你想专注于为你的API编写代码时，你应该编写你自己的网络服务器或框架。

有些人还主张将Python用于一般的web开发，尽管我一般不喜欢在前端部分使用这些框架，我更喜欢使用React或其他任何像VueJS或Ember这样的框架来构建前端。

如果你开始使用Python的API开发，你很可能最终会使用Django或Flask，所以你可能会问，我应该使用这两个中的哪一个？

Django VS Flask

这两个框架都很好，在大多数情况下都可以使用，但是，它们遵循不同的理念，有些人喜欢其中一个而不是另一个，双方都有充分的理由。由于这两个框架在本质上是如此的不同，我将只给你这两个框架的高层次区别，我建议你在决定哪个是最适合你和你的项目之前，关于它们的信息，并尝试它们两个。

哲学。

• Flask是一个简约的框架，它提供了简单性、灵活性和细粒度的控制。它是非常没有主见的（你可以用它做你想做的事！）。
• 相反，Django则是一个包罗万象的框架。你可以得到所有的库、管理面板、数据库接口、ORM，甚至是一个坚实的目录结构，让你的应用开箱即用。

数据科学/人工智能

任何时候你想处理数据，从刮削、数据分析、可视化、机器学习或人工智能，Python都将是你最好的朋友。对于这些任务中的每一项，都有一些重要的库，它们是伟大的库，在研究和生产环境中得到了高度的应用。

我不会去讨论这些库的细节，但我想提到几个。Pandas, Numpy, Matplotlib, Seaborn, Tensorflow, Pytorch, scikit-learn, Keras, NLTK, OpenCV。

多亏了这些库，你可以在几乎所有的数据科学或人工智能主题中建立生产准备项目。尽管在这些应用中使用Python有一些缺点（如性能），但在许多情况下，它将是一个很好的选择。

我们谈论的是什么样的项目？

一般来说，Python在数据科学和人工智能方面有很多很多的应用，我在这里提一下Python用于的几个常见项目。

• 时间序列分析
• 销售预测
• 语言处理
• 情感分析
• 推荐系统（如音乐、视频等）
• 分类
• 计算机视觉
• 自动驾驶卡
• 还有很多....

脚本

脚本通常指的是旨在实现简单任务自动化的小程序（通常通过命令行执行）。

让我给你举几个我自己写的脚本的例子，以实现我日常工作流程的部分自动化。

• 我的博客：我使用Evernote来收集我在网上看到的一切，同时也用来写我的文章。但是，当要发布的时候，我把这些笔记作为草稿上传到我的博客。这个过程在Python上自动发生，每当我把一个笔记标记为 "准备发布 "时，我就运行一个Python脚本，将笔记、格式和草稿复制到我的博客系统中。当然，在我真正能够发布之前，总有一些东西需要我手动修复（主要是由于Evernote奇怪的HTML? 输出）。
• 备份：我喜欢在云端备份我的东西，但我也在外部硬盘中保留一份备份。我通常对所有进入云端的东西进行加密（Evernote除外，它不允许我这样做）。但当我把备份到硬盘时，我使用了硬盘加密，我不想让它被双重加密，所以当我想把数据备份到硬盘时，我运行一个Python脚本，它将解密数据，然后把它移到硬盘上。

结语

Python是一种非常通用的编程语言，由于它的社区和库，你几乎可以做任何你想做的事情，尽管有时你不应该这样做。没有一种语言可以统治它们，它们都有优点和缺点，Python也不例外。

说到这里，我确实相信Python是伟大的，如果你感到好奇，你可以用Python构建从游戏到嵌入式系统，尽管这些情况可能不是为生产准备的项目，也许我错了，如果是这样请告诉我，我想听听。