python教程
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。
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； ……
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。
7、Python传统机器学习
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。
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
万水千山总是情，点个【在看】行不行
*声明：本文于网络整理，版权归原作者所有，如来源信息有误或侵犯权益，请联系我们删除或授权事宜
