python都可以用來做什麼

python都可以用來做什麼？以下為大家介紹Python的應用方向：

01 Web開發

Django和Flask等基於Python的Web框架最近在Web開發中非常流行。

這些Web框架可以幫助你用Python寫伺服器端程式碼(後端程式碼)。這是在你的額伺服器上運行的程式碼，而不是運行在用戶設備和瀏覽器的程式碼(前端代碼)。

02 資料科學

資料科學，這裡包括機器學習，資料分析和資料視覺化。 

1. 機器學習是什麼 

假設你想要發展一個能夠自動偵測圖片內容的程式。給圖1，你希望程式辨識這是一隻狗。

 

給圖2，希望程式能辨識這是一張桌子。

 

你可能會說，我可以寫一些程式碼來做到這一點。例如，如果圖片中有很多淺棕色像素，那麼可以辨識是狗。

或是可以偵測圖片中的邊緣，如果有很多直的邊緣，那就是桌子。

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麼辦？如果圖片只顯示桌子的圓形部分怎麼辦？

這裡就需要用到機器學習了。

相關推薦：《Python影片教學》

機器學習透過實作演算法，該演算法能夠自動偵測輸入中的模式。 

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演算法，讓它掌握狗和桌子間的差異。那麼當你給出新的圖片讓它辨識是狗還是桌子時，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？就是透過大量的例子。

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髮，那麼就可能是狗。」

你會說，「這是狗，這也是狗。而這是桌子，那個也是桌子。「 

機器學習演算法的方式大致相同。

我們可以將相同的想法應用於：

推薦系統：例如YouTube，亞馬遜和Netflix

人臉辨識

語音辨識 

以及其他應用程式。

你聽過的熱門機器學習演算法包括： 

神經網路

#深度學習

支援向量機

隨機森林

你可以使用上述任何演算法來解決前面提到的圖片標籤問題。

2. 將Python用於機器學習

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附帶一些內建的熱門機器學習演算法。

TensorFlow是一個低階函式庫，能讓你建立自訂機器學習演算法。

如果你剛開始進行機器學習項目，建議你先從scikit-learn開始。如果你開始遇到效率問題，那麼可以使用TensorFlow。

3. 資料分析與資料視覺化 

假設你在一家線上銷售產品的公司工作。身為資料分析師，你會繪製這樣的長條圖。 

從這張圖可以看到在某個週日，男性用戶購買了400多件產品，女性用戶購買了350件產品。

身為資料分析師，對此你會提出一些可能的解釋。明顯的解釋是，該產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。也可能呢是由於某些原因，男性往往在周日才會購買該產品。

為了理解哪一種解釋是正確的，你可以再繪製一張圖。

03 腳本 

什麼是腳本？ 

腳本通常是指編寫能夠自動執行簡單任務的小程式。

例如公司有郵件支援系統，用來回覆客戶透過郵件發送給我們的問題。

如果要計算包含關鍵字的郵件數量，以便分析我們收到的電子郵件。這可以手動完成，但可以透過寫了一個簡單的腳本來自動執行此任務。 

Ruby對於這類任務來說是個不錯的選擇。 Python適合這類任務，因為它語法簡單，易於編寫，而且進行測試也很快。

04 其他用途

1. 內嵌應用程式

我不是這方面的專家，但我知道Python可以與Rasberry Pi一起用，在硬體愛好者中很流行。

2. 遊戲開發

你可以用PyGame來開發遊戲，但這不是最受歡迎的遊戲引擎。你可以用它來開發業餘愛好項目，但如果你對遊戲開發很認真，建議不要選它。 

我建議使用Unity的C＃，這是最受歡迎的遊戲引擎之一。它能讓你為許多平台開發遊戲，包括Mac、Windows、iOS和Android。 

3. 桌面應用程式

你可以用Python的Tkinter，但這不是最熱門的選擇。 Java，C＃和C 等語言似乎更受歡迎。

以上是python都可以用來做什麼的詳細內容。更多資訊請關注PHP中文網其他相關文章！