譯者一開始在Python日報上看到原文推薦撬呢，初步看看了伦吠，覺得對于決定學習Python的方向有一定參考價值。不過魂拦，在翻譯過程中毛仪，越來越覺得這其實就是一篇搞Python數據科學培訓的公司寫的軟文，里面寫的內容還是比較淺的芯勘，只適合像我這樣的初學者了解大致情況箱靴。當然，文章提到了Python作為網絡開發(fā)技能的市場需求并不是很高荷愕，這點感覺并不是沒有根據衡怀。作為一篇軟文，它成功地激起了我學習數據科學的興趣路翻，而原因嘛狈癞，自然就是做數據科學工作的工資比一般開發(fā)工作，高很多（按文章中信息圖的數據茂契，比一般崗位的年薪高5萬美刀５啊！５粢薄）真竖！ -- <cite>EarlGrey@codingpy</cite>
本文的英文原文地址是：Python for Data Science vs Python for Web Development脐雪，發(fā)布時間?為10月29日。
Python編程語言擁有諸多用于網絡應用開發(fā)恢共、圖形用戶界面战秋、數據分析、數據可視化等工作的框架和特性讨韭。Python可能不是網絡應用開發(fā)的理想選擇脂信，但是正被很多機構廣泛用于評估大型數據集（dataset）、數據可視化透硝、進行數據分析或制作原型狰闪。在數據科學領域，Python編程語言正不斷獲得用戶的親睞濒生，而作為網絡開發(fā)語言埋泵，Python顯得有點過時了。本篇博文罪治，就是要對這兩種截然不同的Python使用方式丽声，進行詳細的對比，并且?guī)椭蠹颐靼滓稽c：如果要利用Python做數據科學工作觉义，并沒有必要了解它用于網絡開發(fā)的部分雁社。
面向數據科學的Python
從頂級金融機構到最小的大數據創(chuàng)業(yè)公司，各行各業(yè)谁撼、各種規(guī)模的機構都在使用Python編程語言支撐業(yè)務運作歧胁。Python作為數據科學編程語言滋饲，不僅受頂級大數據公司歡迎厉碟，還?有眾多技術創(chuàng)業(yè)企業(yè)擁泵。它還位列2015推薦學習的前10種編程語言屠缭。
世上只有兩種編程語言：一種是總是被人罵的箍鼓，一種是從來沒人用的。
-- <cite>Bjarne Stroustrup</cite>
Python屬于前一種呵曹，而且日益被用于數學計算款咖、機器學習和多種數據科學應用。除了性能依賴性強和底層的業(yè)務外奄喂，它能夠做其他任何事情铐殃。利用Python編程語言的最好選擇，就是做數據分析和統(tǒng)計計算跨新。學習面向網絡開發(fā)的Python富腊，需要程序員掌握像Django這樣的多種網絡框架協(xié)助建設網站；但是學習面向數據科學的Python域帐，則要求數據科學家學習如何使用正則表達式和科學計算庫赘被，并掌握數據可視化的概念是整。由于目的、方向不同民假，那些不了解Python網絡開發(fā)的程序員浮入，能很輕松地走上利用Python編程語言做數據科學工作的道路。
Python是一個有著23年歷史的強大動態(tài)編程語言羊异，語言表現力很強事秀。程序員編碼完成后，不需要編譯器即可運行程序野舶。面向網絡開發(fā)的Python支持多種編程范式秽晚，包括結構化編程（structured programming）、函數式編程（functional programming）和面向對象編程（object-oriented programming, OOP）筒愚。Python代碼可以很容易地嵌入到許多擁有編程接口的網絡應用中赴蝇。但是，Python更是開發(fā)學術研究和科學計算程序的絕佳選擇巢掺，這些程序要求運行快速句伶、數學計算精確。
而面向網絡編程的Python陆淀，則要求程序員學習多種網絡開發(fā)框架考余，這個學習難度比較大，因為現有Python網絡開發(fā)框架的文檔不太容易理解轧苫。當然楚堤，不容否認的是，要想利用Python開發(fā)一個動態(tài)網站或網絡應用含懊，學習網絡框架是必需的身冬。
Python網絡開發(fā)框架
目前，Python社區(qū)已經有多種免費的網絡應用開發(fā)框架岔乔，比如：
Django
Django是?幫助完美主義者按時完成工作的Python網絡開發(fā)框架（譯者注：原文是Django is the python web development framework for perfectionists with deadlines酥筝。這也是Django官網上對該框架的描述）。使用Django進行網絡開發(fā)雏门，最適合的場景是開發(fā)那些依靠數據庫驅動嘿歌，同時也具備類似自動化后臺管理界面和模板系統(tǒng)等炫酷功能的應用。對于不需要太多功能的網絡開發(fā)項目來說茁影，Django可能是大材小用宙帝，主要是它的文件系統(tǒng)容易讓人搞混，而且文件目錄結構要求嚴格募闲。使用Django進行Python網絡開發(fā)的公司有紐約時報步脓、Instagram和Pinterest（譯者注：Pinterest聯合創(chuàng)始人Paul Sciarra在Quora上的回答提到了使用Django，Quora地址）。
Flask
Flask是針對初學者的框架沪编，它簡單呼盆，輕量，初學者很快就可以上手開發(fā)單頁網絡應用蚁廓。這個框架并不支持驗證访圃，沒有數據抽象層和其他許多框架所包括的組件。它不是一個全棧開發(fā)框架相嵌，也只用?于小型網站的開發(fā)腿时。（譯者注：其實Pinterest也使用了Flask，只是沒用在整站開發(fā)上饭宾，而是用來開發(fā)API批糟，具體見鏈接。）
CherryPy
CherryPy框架強調要符合Python語言規(guī)范看铆，做到程序員像進行面向對象編程一樣開發(fā)網絡應用徽鼎。它還是諸如TurboGears和Web2py等流行全棧框架的基礎模板引擎弹惦。
還有很多其他框架否淤，包括Pyramid、Bottle和Pylons等棠隐，但是無論Python開發(fā)者使用哪一種框架石抡，他/她都要花精力仔細地研究教程和文檔。
為什么使用Python進行網絡開發(fā)不現實助泽？
Python作為網絡開發(fā)語言啰扛，很可能是一個不太現實的選擇：
- 面向網絡開發(fā)的Python需要非標準化、昂貴的主機服務嗡贺，尤其是程序員使用流行的Python網絡框架開發(fā)網站時隐解。由于利用PHP進行網絡編程如此的便捷，大部分的用戶沒有興趣在Python上投入太多的精力暑刃。
- 面向網絡開發(fā)的Python與諸如PHP厢漩、Java或Ruby on Rails等語言不同，不是一個經常需要的技能岩臣。但是面向數據科學的Python卻越來越受歡迎，而且由于它更多地被用于機器學習和其他數據科學程序宵膨，Python更是招聘數據科學家的公司所最看重的技能架谎。
- 面向網絡開發(fā)的Python已經經歷了較長的發(fā)展，但是它的學習曲線并沒有像PHP這樣的網絡編程語言那么高辟躏。
為什么將Python用于數據科學是最好的選擇谷扣？
Python編程是驅動大數據、金融、統(tǒng)計和數字運算的核心科技会涎，而它的語法卻像英語一樣易懂裹匙。近來，由于擁有多個針對機器學習末秃、自然語言處理概页、數據視覺化、數據探索练慕、數據分析和數據挖掘的插件惰匙，豐富的Python數據科學生態(tài)體系得到了較大的發(fā)展，甚至有將數據科學社區(qū)Python化的趨勢铃将。今天项鬼，面向數據科學的Python已經具備了清洗、轉換和處理大數據的所有工具劲阎。對于數據分析師崗位來說绘盟，掌握Python也是最受歡迎的技能。一名具備Python編程能力的數據科學家悯仙，可以在紐約掙到平均年薪14萬美元的工資奥此。
為什么數據科學家喜歡使用Python語言？
數據科學家喜歡那些能夠快速輸出原型雁比，幫助他們輕松地記錄下自己的想法和模型的編程環(huán)境稚虎。他們喜歡通過分析巨量的數據集，得出結論偎捎，完成工作蠢终。而Python編程語言則是開發(fā)數據科學應用的多面手，因為它能幫助數據科學家茴她，以最短最優(yōu)的時間進行編碼寻拂、調試、運行并獲取結果丈牢，從而高效地完成工作祭钉。
一名技術嫻熟的企業(yè)數據科學家的真正價值，在于利用多種數據視覺化手段己沛，向公司的不同利益相關者有效地傳遞數據模式和預測慌核。否則，數據科學工作就是一場零和游戲申尼。Python以其優(yōu)良特性垮卓，符合高強度科學計算的幾乎所有方面要求，這使得它成為在不同的數據科學應用之間進行編程的絕佳選擇师幕，原因很簡單：開發(fā)人員僅用一種語言就可以完成開發(fā)和分析工作粟按。面向數據科學的Python將企業(yè)業(yè)務的不同部分連接在一起，提供了一個數據分享和處理的直接媒介。
- Python遵循統(tǒng)一的設計哲學灭将，注重可用性疼鸟、可讀性，對于數據科學的學習曲線也較低庙曙。
- Python有很高的可擴展性空镜，且與Matlab、Stata等語言相比矾利，運行更加快速姑裂。
- 另外，Python生態(tài)系統(tǒng)中還在涌現出更多的數據視覺化庫男旗，以及炫酷的應用編程結構舶斧，目的是使用圖形更好地展現數據分析的結果。Python社區(qū)有著諸如Sci-Kit learn察皇、NumPy茴厉、Pandas、Statsmodel和SciPy等許多優(yōu)秀的數據分析庫什荣。這些庫的數量還在不斷增長矾缓。
面向數據科學中數字處理與科學計算的Python編程
數據分析與Python編程語言十分契合。如果你決定要通過Python語言學習數據科學稻爬，那么你應該考慮的下一個問題嗜闻，就是Python庫中有哪些是可以完成大部分的數據分析工作？接下來桅锄，我們給大家介紹全球的企業(yè)數據科學家都在使用的Python數據分析庫琉雳。
NumPy
Numpy是使用Python開發(fā)的高級（high level）工具的基礎。這個庫不能用于高級數據分析友瘤，但是深入理解Numpy中面向數組的計算翠肘，可以幫助數據科學家有效使用Pandas庫。
SciPy
SciPy主要用于科學計算辫秧，擁有許多不同的模塊束倍，可用于特殊函數、圖像處理盟戏、插值法（interpolation）绪妹、線性代數、常微分方程（ODE）求解器以及其他多種用途抓半。這個庫還可以與NumPy數組一起使用喂急，實現許多高效的數學運算。
Pandas
Pandas是用于數據再加工最好的庫笛求，因為它使得處理遺失的數據、自動數據對齊（data alignment）變得更加簡單，它還支持處理從不同的數據源收集而來的索引數據探入。
SciKit
這個流行的機器學習庫擁有多種回歸狡孔、分類和聚類算法，還支持gradient boosting蜂嗽、向量機苗膝、樸素貝葉斯模型和邏輯回歸。這個庫還被設計成能夠與NumPy和SciPy進行交互植旧。
Matplotlib
這是一個二維繪圖庫辱揭，有著交互性很強的特性，生成的圖?表可以放大病附、推移问窃，并且能夠用于發(fā)行刊物印刷出版。而且完沪，還支持多平臺的交互環(huán)境域庇。
Matplotlib、NumPy和SciPy是科學計算的基礎覆积。還有許多其他的Python庫听皿，諸如用于網絡挖掘的Pattern，用于自然語言處理的NLTK宽档，用于深度學習的Theano尉姨，用于爬取網絡的Scrappy，IPython吗冤，Statsmodels又厉，Mlpy等。對于初學Python數據科學的人欣孤，他們需要很好地掌握上面提到的優(yōu)秀數據分析庫馋没。
