掌握Python技术后，这些方向你可以尝试！

以你之姓@ 2022-11-29 13:13 201阅读 0赞

Python作为人工智能和数据分析第一语言，使得Python程序员成了当前人才市场的“抢手货”，工资待遇也水涨船高。所以不管是应届生还是转行的人都选择了学习Python！  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW94aWppbmc_size_16_color_FFFFFF_t_70_pic_center]  
Python是门神奇有魅力的语言，确实简单易用，能证明这一点的就是：很多人只要学完了Python基础，就能参与真实项目开发，90%的代码甚至不用查资料，利用简单的if/for/while/函数就全部搞定了。

然而随着项目的需求变得复杂，很多人不知不觉的在重复的造轮子。比如多数据的关联join、汇总统计、结果存入excel文件等等，尤其是对于多数据源(来自csv/txt/mysql)的关联join操作，自己从零开始用Python实现，比如把小文件加载到内存dict，遍历大文件去做dict查询实现JOIN，代码写起来刷刷的确实很爽。

然而有一天，当我发现这样多数据关联的需求，在spark、pandas等类库中就是一个简单现成的函数的时候，我非常激动，感叹为什么没有早点知道这些现成的技术。

Python的类库真的很多，其中成体系的可以称之为“数据科学技术栈”，这么多的类库即使不都学一下，也要了解它们分别是做什么的，这样将来遇到类似的需求的时候不用从头自己实现。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW94aWppbmc_size_16_color_FFFFFF_t_70_pic_center 1]

## 1、Python爬虫 ##

代表技术为requests/beautifulsoup、scrapy、selenium；

用于从网上爬取小说/文章/视频，实现数据分析或自己的内容聚集类应用。

世界上80%的爬虫是基于Python开发的，学好爬虫技能，可为后续的大数据分析、挖掘、机器学习等提供重要的数据源。

## 2、Python Web开发 ##

代表技术为flask、django、jinjia2；

用于提供小程序、APP、网页等后台服务。

Python的 Web框架百花齐放，目前比较流行的框架有大包大揽的Django，小巧灵活的Flask、 Bottle，还有性能高效的异步框架Tornado、 sanic。这么多框架只要选择一个，阅读他的文档，就可以很轻松的搭建一个web app，完全不需要去管他实现的原理。

## 3、Python数值计算 ##

数值计算是数据挖掘、机器学习的基础。Python提供多种强大的扩展库用于数值计算。代表技术有Numpy、SciPy。

Numpy：基础的数学计算模块，以矩阵为主，纯数学。

SciPy：基于Numpy，提供方法(函数库)直接计算结果，封装了一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。

当你学习机器学习/深度学习开始深入，发现大量的矩阵运算难以理解的时候，你得回头学习下Numpy这个技术。

## 4、Python数据分析 ##

学Python的同学里估计有30%以上是为了做数据分析师或者数据挖掘，所以数据分析相关的库，你一定要知道。

代表技术为pandas，这是我认为Python最牛的库，囊括了多数据源读取/写入、数据清洗/过滤/聚合/汇总/透视/时间序列等等大量的功能特性。

## 5、Python数据可视化 ##

*  电商行业、消费品行业数字滚动大屏；
 *  旅游公司的人群行动轨迹预测图表；
 *  媒体运营人员用户画像、阅读习惯分析；
 *  ……

这些都是数据的作用，而数据可视化正是将数据简化、从中提取规律的利器。

不需要你有额外的JS前端技术，你也能学会选择、制作分类散点图、分类分布图、分类统计估计图、分类子图等各种可视化操作方案。代表技术有Matplotlib、Pyecharts、Seaborn、Plotly、Bokeh等。

## 6、Python大数据处理 ##

大数据领域，当前最成熟的技术应该是spark，相较于Scala语言而言，Python具有其独有的优势及广泛应用性，因此Spark也推出了PySpark，在框架上提供了利用Python语言的接口，为数据科学家使用该框架提供了便利。

而PySpark是Spark的Python工具包，使用这个库的好处是你可以无缝和numpy/pandas/绘图库对接，将大数据的结果进行最终的可视化分析（java/scala做不到这个）。

## 7、Python传统机器学习 ##

当前传统机器学习的巅峰技术是xgboost，而sklearn中提供大量的易用函数使它成为方便的“机器学习/深度学习的工具函数库”。

## 8、Python深度学习 ##

深度学习，是人工智能领域的一个突出的话题，被众人关注已经有相当长的一段时间了。它备受关注是因为在计算机视觉（Computer Vision）和游戏（Alpha GO）等领域有超越人类能力的突破。

这其中的一些库我比别人用的多很多，尤其是Keras、mxnet和sklearn-theano。其他的一些我是间接的使用，比如Theano和TensorFlow(库包括Keras、deepy和Blocks等)。另外的我只是在一些特别的任务中用过(比如nolearn和他们的Deep Belief Network implementation)。

以上是对Python几个应用领域类库的总结。Python前景这么好，假如你自制力强、有上进心，想通过学习来改变现状，那么来学Python，让你点亮高薪人生！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW94aWppbmc_size_16_color_FFFFFF_t_70_pic_center]: /images/20221124/5a58b54d76394cb4ab5b4fa7c007ea0e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpYW94aWppbmc_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221124/64a0188cc8214fa192eb709676eb90c7.png