為什麼要學習Python？

01-05

在網上也搜了一點東西，但是回答的都不滿意。其實我就是想知道Python應用場景在哪裡？優勢又在哪裡？

會寫Python以後，你一個人就能幹他們五個人的活，只費十倍的CPU，多不到一倍的bug。

非量化分析，純粹向英俊挺拔的 C艹少年，不願意透露姓名的著名業內人士 @vczh 致敬。

學Python ---&> 賺錢 ---&> 娶媳婦 ---&> 生孩子 ---&> 養大他 ---&> 學Python

大佬們是這麼說的：

《Java編程思想》作者 Bruce Eckel 曾說道：「Life is short, you need Python」

Ruby on Rails 創始人 David Heinemeier Hansson 說：

人們學習 PHP 是因為要得到一份工作；
人們學習 Java 是因為他們選修了計算機科學這門課；
人們學習 Python 是因為他們愛這門語言，因為他們追尋美；
如果我僱傭了一個Python程序員，他很有可能是優秀的程序員。

當然要學，和JAVA和PHP一樣，還要去北大青鳥哦！

嚴肅的回答

web開發，各種web框架，tornado，flask，django，比如douban就是python開發的；

測試，運維，包括自動化測試呀，自動化運維呀，替代shell，當然熟練使用shell，在運維的路上效率也很快；

安全領域；

運營系統，比如我當初在的微信就是用的python開發的運營系統，他們竟然用FastCGI；

網路，各種代理，比如GoAgent；

遊戲客戶端，據說現在很多遊戲客戶端圖形化這塊也在用Python

為什麼呢？

Life is short, Using Python

正在被越來越多企業使用——崗位需求高，薪資高，——好生活——好結婚

Python崗位有哪些呢？主要的崗位有這些：

Python全棧開發工程師（10k-20K）
Python運維開發工程師（15k-20K）
Python高級開發工程師（15k-30K）
Python大數據工程師（15K-30K）
Python機器學習工程師（15k-30K）
Python架構師（20k-40k）

目前應用最多的：全棧開發、數據分析、運維開發

第一，如果你只是想找工作，鑒於目前國內也有許多創業公司使用python來寫伺服器後台，只要你對web開發感興趣並有良好的python技能，想找一份薪酬客觀的工作並不困難；

第二，如果你致力於學術研究，那麼python的數學庫、科學庫將會成為你的好夥伴，上手容易，讓你一定程度上能夠擺脫來自matlab、mathmatica的困擾；

第三，如果你活躍於開源界，那麼我們樂於在pypi上看到你提供的精彩使用的庫；

第四，如果你成為別的領域的大牛，當一個精緻的演算法偶然從你腦海中閃過，那麼用python快速寫下它記錄想法會是好主意，大概你琢磨用C++實現的時候靈光已逝。

人生苦短，我用Python

能用錢【堆CPU】換時間【開發效率/debug效率】然後獲得更多的錢【工資/利潤】

不過php似乎能過得更好【微笑】

日常做個小東西開發速度很快。

numpy+pandas數據分析也蠻方便。

機器學習三大主流工具之一。

寫多了python。

你就再也不會寫程序了。QAQ

工作上，複雜工作簡單化，重複工作自動化，人工工作智能化，那你就學習python吧。

生活中，python更是無所不能。

如果將來有一天真的能實現全民編程，就像靠駕照一樣普及，那建議學習的第一門語言就是python。

Python 是一門更注重可讀性和效率的語言，尤其是相較於 Java，PHP 以及 C++ 這樣的語言，它的這兩個優勢讓其在開發者中大受歡迎。

誠然，它有點老了，但仍是80後啊 —— 至少沒有 Cobol 或者 Fortran 那麼老。而且，如果還能派上用場的話，為啥要折騰著改變它呢 (尤其在這個還有那麼多方法可以提升它性能的時候)?

實際上這要看你怎麼看待它，生命線長本身就是件好事 —— 說明它穩定且可靠。

如果你是像其他許多人一樣都是從 Java，C 或者 Perl 開始進入職業生涯的，那麼學習 Python 的曲線基本上是不存在的。然而也正是由於 Python 易於上手這一事實，讓有些人沒有意識到 Python 也應該是一項必要的編程技能。

我要向各位坦誠，我對 Python 的喜愛也是從幾年以前才開始的。不經歷長期的痛苦教訓，我們是不會對這門語言以及它的平台所提供的一切心生感激的。我寫下這篇短文的目的就是要將你從同樣的痛苦中拯救出來，讓你明白為什麼需要去了解 Python。

1. Python 易於學習

好吧，相較於其它許多你可以拿來用的編程語言而言，它「更容易一些」。Python 的語言沒有多少儀式化的東西，所以就算不是一個 Python 專家，你也能讀懂它的代碼。我的經驗是，通過實例來學習和教授 Python 要比採取同樣的方式去接觸比方說 Ruby 或者 Perl 更加容易，因為 Python 的語法裡面條條框框以及特殊的處理場景要少得多。它所專註的並非語言表現的豐富程度，而是你想要用你的代碼完成什麼。

2. Python 讓你能用少量的代碼構建出更多的功能

Python 能帶給所有開發者一種快速的學習體驗。通過實踐，你可以在最多兩天之內輕鬆實現一個具備基礎功能的遊戲 (而這還是在對編程完全不了解的情況下)。

另外一些讓 Python 成為一門引人注目的編程語言的因素就是它的可讀性和高效性。

3. Python 是一門多才多藝的語言，更是一個平台

Python 今年 28 歲了。儘管它比我的許多讀者年紀還要大，但是仍然受到高度的關注，因為它可以被應用於如今你所能想得到的相當多的軟體開發和操作場景。要管理本地或者雲基礎設施嗎？Python可以。開發網站？OK，它也能行的。需要處理一個 SQL 資料庫？可以。需要為 Hive 或者 Pig 定製一個功能？能做到。只是想為自己構建一個小工具？Python 就是最好的選擇。需要一門支持面向對象設計的語言？Python 的特性就能滿足啦。簡而言之，將 Python 了解得更加深入一點點，就能讓你具備可以適應範圍更寬泛的工作角色的技能。

4. Python 擁有最成熟的程序包資源庫之一

一旦你了解了該語言，就可以利用上這個平台。Python 以 PyPI (讀作 Pie-Pie，可以從這裡在線進行了解)為其後盾, 這是一個擁有超過 85,000 個 Python 模塊和腳本的資源庫，你拿過來就立馬可以使用。這些模塊向你的本地 Python 環境分發已經預先打包好的功能，可以用來解決各種諸如資料庫處理，計算機視覺實現，像維度分析這樣的高級數據分析的執行，或者是構建 REST 風格的 web 服務這些問題。

5. Python 在數據科學領域被廣泛使用

不管你從事的是什麼工作，數據都會是其中的一部分。IT，軟體開發，市場等等 —— 它們都深度地關乎數據且對於智慧求之若渴。很快數據分析技能就會像編碼技能一樣的重要，而 Python 在兩個領域都佔有重要的地位。Python 緊挨著 R 語言，都是現代數據科學中最常被使用的語言。事實上，在數據科學領域，Python 的職位職位需求超過了 R 語言。你在學習 Python 時發展出來的技能將會直接轉換並被用來構建起自己的這些分析技能。

6. Python 是跨平台且開源的

Python 可以跨平台運行，並且已經開放源代碼超過20年的時間了，如果你需要代碼能同時在Linux，Windows 以及 macOS 上跑起來，Python 就能滿足要求。此外，有數十年的修修補補以及不斷完善做後盾，可以確保你能夠隨心所欲地運行自己的代碼。

7. Python 是靈活的

有一些Python同其它編程語言集成在一起的穩定實現。

CPython, 同 C 集成的版本。
Jython, 同 Java 集成的Python版本。
IronPython, 被設計用來兼容 .Net 和 C#。
PyObjc, ObjectiveC 工具下的 Python 寫法。
RubyPython, 同 Ruby 集成的 Python 版本。

總結

並沒有很多的語言能提供像 Python 這樣的多樣性和簡潔性; 能持續努力演進並讓社區繁榮好幾十年的就更少了。無論你是編碼新手還是能信手寫就腳本的大師，都需要了解一下 Python。

寫起來爽，讀起來被爽。

充分滿足各種抖s和抖m的各類需求。

本人還是學生髮表一點淺薄的觀點：

開發快，運行效率相對低

原因：首先它是用interpreter而不是compiler所以沒有一個全局的優化。其次python幫你寫好了很多好用的function ，比如操縱list什麼的方便很多，代價就是這些太generic的東西多了就影響速度

請參見Quora的回答：Question on @Quora: Is it true that Python is a dying language? http://qr.ae/RHwWxi

補充兩句，谷歌的搜索演算法就是用python 做的，百度也同樣在採用python 作為部分項目的開發語言，你可以自己去查一下資料。最直接的就是去拉勾網搜職位

因為某開源fq軟體是python寫的

什麼人，靠譜嗎