可視化編程軟體知乎

『壹』 如何自學編程python

首先先了解Python語言的四大發展方向。目前Python的主要方向有web後端開發、大數據分析網路爬蟲和人工智慧，當然如果再細分的話還有自動化測試、運維等方向。

在學習Python的基礎語法時，並不需要太多的基礎，基本只要熟練使用電腦日常功能並對Python感興趣就可以了，但如果想要在人工智慧領域方向發展的話，線性代數、概率、統計等高等數學知識基本是必需的，原因在於這些知識能夠讓你的邏輯更加清晰，在編程過程中有更強的思路。

分享一個千鋒Python的學習大綱給你

第一階段 - Python 數據科學

Python 基礎語法

入門及環境安裝 、基本語法與數據類型、控制語句、錯誤及異常、錯誤處理方法、異常處理方法 、常用內置函數 、函數創建與使用、Python 高級特性、高級函數、Python 模塊、PythonIO 操作 、日期與時間 、類與面向對象 、Python 連接資料庫

Python 數據清洗

數字化 Python 模塊Numpy、數據分析利器Pandas、Pandas 基本操作、Pandas 高級操作

Python 數據可視化

數據可視化基礎、MLlib（RDD-Base API）機器學習、MatPlotlib 繪圖進階、高級繪圖工具

第二階段 - 商業數據可視化

Excel 業務分析

Excel 基礎技能、Excel 公式函數、圖表可視化、人力 & 財務分析案例、商業數據分析方法、商業數據分析報告

Mysql 資料庫

Mysql 基礎操作（一）、Mysql 基礎操作（二）、Mysql 中級操作、Mysql 高級操作、電商數據處理案例

PowerBI

初級商業智能應用 （PowerQuery）、初級商業智能應用 （PowerPivot）、初級商業智能應用案例、存儲過程、PowerBI Desktop 案例、PowerBI Query 案例

統計學基礎

微積分、線性代數基礎、統計基礎

Tableau

Tableau 基本操作、Tableau 繪圖、Tableau 數據分析、Tableau 流量分析

SPSS

客戶畫像、客戶價值模型、神經網路、決策樹、時間序列

第三階段 - Python 機器學習

Python 統計分析

數據准備、一元線性回歸、多元線性回歸、一般 logistic 回歸、ogistic 回歸與修正

Python 機器學習基礎

機器學習入門、KNN 講義、模型評估方法、模型優化方法、Kmeans、DBSCAN、決策樹演算法實戰

Python 機器學習中級

線性回歸、模型優化方法、邏輯回歸、樸素貝葉斯、關聯規則、協同過濾、推薦系統案例

Python 機器學習高級

集成演算法 - 隨機森林、集成演算法 -AdaBoost、數據處理和特徵工程、SVM、神經網路、XGBoost

第四階段 - 項目實戰

電商市場數據挖掘項目實戰

項目背景 & 業務邏輯 、指定分析策略 、方法實現與結果 、營銷活動設計及結果評價 、撰寫數據分析報告

金融風險信用評估項目實戰

項目背景 & 業務邏輯 、建模准備 、數據清洗 、模型訓練 、模型評估 、模型部署與更新

第五階段 - 數據採集

爬蟲類庫解析 、數據解析 、動態網頁提取 、驗證碼、IP 池 、多線程爬蟲 、反爬應對措施 、scrapy 框架

第六階段 - 企業課

團隊戶外拓展訓練 、企業合作項目課程 、管理課程 、溝通表達訓練 、職業素養課程

以上就是零基礎Python學習路線的所有內容，希望對大家的學習有所幫助。

『貳』 國內有哪些好的數據可視化工具，推薦一下

誠然，數據可視化可謂是數據分析工作的最後一道工序，前面的作業做得再好，如果不能很好地展現出來，那就算是臨門一腳、功虧一簣了……下面給大家列出好用的數據可視化工具清單，希望可以為你的學習或工作帶來一些幫助。

1、強大的R可視化包-ggplot2

R是一款偏向於統計分析的腳本語言軟體，基於S語言開發，如果你是R語言忠實fans，我相信你一定不會不知道R里單獨的一個繪圖包—ggplot2，之所以給ggplot2「強大」的頭銜，一方面確實能夠輕松應付各個領域的圖像繪制，靜態的，動態的，說的出名字的，個性化特製的；另一方面小編就是學統計學的，自然相對熟悉這個包。

ggplot2由Hadley Wickham在2005年創造。受歡迎的原因是將圖形分解為語素（如尺度、圖層）的思想。ggplot2可以作為R語言基礎繪圖包的替代，同時ggplot2預設有多種印刷及網頁尺寸。

當然有些數據分析軟體也帶透視表、繪圖功能，如MySQL、SPSS，但數據可視化不作為主要功能，這里就不如上面較詳細說了。

『叄』 怎樣學習web前端 w3school 知乎

我也在W3Cschool學過HTML，總感覺缺了點什麼，然後就去報了培訓班，跟老乎檔蘆師說我要學用HTML做出好看的EDM設計，於是老師就讓我照著EDM案例模仿學習，很快我歲帶就拿到了網頁設計師的認證，賣給客戶$100一個，很快就賺回了培訓費。這算不算最早期的知識付費，還賺了？

學習需要動力，總是停留在理論層面是沒有價值的，所謂的實操也不是一場考試認證，而是做出商業化項目作品，看客戶是否願意為你付費？正好有一個機蠢銷會，讓你做屬於自己的3D可視化項目，這里了解一下什麼是3D可視化？就是帶有基礎數據的3D效果圖。

『肆』 java工作流框架有哪些 知乎

java工作流框架有哪些 ；常見的如JBPM、Activity都可以『也有一些針對全自主知識產權的：
自主知識產權的MyApps低代碼快速開發平台產品，這是國內首款可視化配置式開發平台，平台集流程引擎、表單引擎和報表引擎等核心科技於一體，其快速靈活的開發特性及對中國式流程管理業務模式和操作習慣的精準拿捏展現了獨到的優勢。開發者通過管理後台的可視化界面，對表單排版及流程節點之間關聯進行編輯操作，開發者在沒有任何編程語言基礎的情況下也能開發出各種業務場景的應用。為企業用戶提供應用系統開發所需要的一切基礎設施，平台涵蓋了對企業的業務流程需求分析，設計，快速開發部署，模擬測試，運行維護，更新和發布，流程績效分析和管理，流程改進等對企業績效管理（BPM）進行全生命周期支持。myApps從第一版開發到目前已經有14年的歷史，已經包含100多萬行源代碼。
優勢概括
1) 微服務：高擴可展性，每個服務都能獨立部署，擴容和縮容方便，能夠有效地提高利用率；
2) 多時態：分為授權時、設計時、運行時。設計時：操作並存儲表單、流程、視圖、報表等。授權時：操作並存儲用戶、部門、許可權等。運行時：實際用戶使用系統並存儲業務數據。
3) 多種部署模式：支持單機和集群部署、雲端部署；
4) 集群化：由過去的對等集群架構演化為所有微服務都可以動態伸縮，涉及到負載均衡由前端單點轉移至調用方；
5) 配置化：包括服務的依賴關系解耦，對應用透明無侵入；
6) 版本化：指在服務升級或線上bug修復等場景下所需要的多版本管理，服務的提供者與消費者在發布引用時須指定版本號。
7) 非同步化：常用的性能優化方式，在合適的場景下，非同步化可以帶來更大的吞吐量、更短的響應時間，而且還具備隔離外部不穩定性的作用。
8）機卡分離：做好數據備份和升級系統的分開，便於輕松升級到新版本，

『伍』 吐血整理：C++編程語言資源匯總

關於 C++ 框架、庫和資源的一些匯總列表，內容包括：標准庫、Web應用框架、人工智慧、資料庫、圖片處理、機器學習、日誌、代碼分析等。有需要的小夥伴可以收藏一下！

C++標准庫，包括了STL容器，演算法和函數等。

C++ Standard Library：是一系列類和函數的集合，使用核心語言編寫，也是C++ISO自身標準的一部分。

Standard Template Library：標准模板庫

C POSIX library ： POSIX系統的C標准庫規范

ISO C++ Standards Committee ：C++標准委員會

C++通用框架和庫

Apache C++ Standard Library：是一系列演算法，容器，迭代器和其他基本組件的集合

ASL ：Adobe源代碼庫提供了同行的評審和可移植的C++源代碼庫。

Boost ：大量通用C++庫的集合。

BDE ：來自於彭博資訊實驗室的開發環境。

Cinder：提供專業品質創造性編碼的開源開發社區。

Cxxomfort：輕量級的，只包含頭文件的庫，將C++ 11的一些新特性移植到C++03中。

Dlib：使用契約式編程和現代C++ 科技 設計的通用的跨平台的C++庫。

EASTL ：EA-STL公共部分

ffead-cpp ：企業應用程序開發框架

Folly：由Facebook開發和使用的開源C++庫

JUCE ：包羅萬象的C++類庫，用於開發跨平台軟體

libPhenom：用於構建高性能和高度可擴展性系統的事件框架。

LibSourcey ：用於實時的視頻流和高性能網路應用程序的C++11 evented IO

LibU ： C語言寫的多平台工具庫

Loki ：C++庫的設計，包括常見的設計模式和習語的實現。

MiLi ：只含頭文件的小型C++庫

openFrameworks ：開發C++工具包，用於創意性編碼。

Qt ：跨平台的應用程序和用戶界面框架

Reason ：跨平台的框架，使開發者能夠更容易地使用Java，.Net和Python，同時也滿足了他們對C++性能和優勢的需求。

ROOT ：具備所有功能的一系列面向對象的框架，能夠非常高效地處理和分析大量的數據，為歐洲原子能研究機構所用。

STLport：是STL具有代表性的版本

STXXL：用於額外的大型數據集的標准模板庫。

Ultimate++ ：C++跨平台快速應用程序開發框架

Windows Template Library：用於開發Windows應用程序和UI組件的C++庫

Yomm11 ：C++11的開放multi-methods.

btsk ： 游戲 行為樹啟動器工具

Evolving Objects：基於模板的，ANSI C++演化計算庫，能夠幫助你非常快速地編寫出自己的隨機優化演算法。

Neu：C++11框架，編程語言集，用於創建人工智慧應用程序的多用途軟體系統。

Boost.Asio：用於網路和底層I/O編程的跨平台的C++庫。

libev ：功能齊全，高性能的時間循環，輕微地仿效libevent，但是不再像libevent一樣有局限性，也修復了它的一些bug。

libevent ：事件通知庫

libuv ：跨平台非同步I/O。

音頻，聲音，音樂，數字化音樂庫

FMOD ：易於使用的跨平台的音頻引擎和音頻內容的 游戲 創作工具。

Maximilian ：C++音頻和音樂數字信號處理庫

OpenAL ：開源音頻庫—跨平台的音頻API

Opus：一個完全開放的，免版稅的，高度通用的音頻編解碼器

Speex：免費編解碼器，為Opus所廢棄

Tonic： C++易用和高效的音頻合成

Vorbis： Ogg Vorbis是一種完全開放的，非專有的，免版稅的通用壓縮音頻格式。

生物信息，基因組學和生物技術

libsequence：用於表示和分析群體遺傳學數據的C++庫。

SeqAn：專注於生物數據序列分析的演算法和數據結構。

Vcflib ：用於解析和處理VCF文件的C++庫

Wham：直接把聯想測試應用到BAM文件的基因結構變異。

壓縮和歸檔庫

bzip2：一個完全免費，免費專利和高質量的數據壓縮

doboz：能夠快速解壓縮的壓縮庫

PhysicsFS：對各種歸檔提供抽象訪問的庫，主要用於視頻 游戲 ，設計靈感部分來自於Quake3的文件子系統。

KArchive：用於創建，讀寫和操作文件檔案（例如zip和 tar）的庫，它通過QIODevice的一系列子類，使用gzip格式，提供了透明的壓縮和解壓縮的數據。

LZ4 ：非常快速的壓縮演算法

LZHAM ：無損壓縮資料庫，壓縮比率跟LZMA接近，但是解壓縮速度卻要快得多。

LZMA ：7z格式默認和通用的壓縮方法。

LZMAT ：及其快速的實時無損數據壓縮庫

miniz：單一的C源文件，緊縮/膨脹壓縮庫，使用zlib兼容API，ZIP歸檔讀寫，PNG寫方式。

Minizip：Zlib最新bug修復，支持PKWARE磁碟跨越，AES加密和IO緩沖。

Snappy ：快速壓縮和解壓縮

ZLib ：非常緊湊的數據流壓縮庫

ZZIPlib：提供ZIP歸檔的讀許可權。

並發執行和多線程

Boost.Compute ：用於OpenCL的C++GPU計算庫

Bolt ：針對GPU進行優化的C++模板庫

C++React ：用於C++11的反應性編程庫

Intel TBB ：Intel線程構件塊

Libclsph：基於OpenCL的GPU加速SPH流體模擬庫

OpenCL ：並行編程的異構系統的開放標准

OpenMP：OpenMP API

Thrust ：類似於C++標准模板庫的並行演算法庫

HPX ：用於任何規模的並行和分布式應用程序的通用C++運行時系統

VexCL ：用於OpenCL/CUDA 的C++向量表達式模板庫。

C++ B-tree ：基於B樹數據結構，實現命令內存容器的模板庫

Hashmaps： C++中開放定址哈希表演算法的實現

Bcrypt ：一個跨平台的文件加密工具，加密文件可以移植到所有可支持的操作系統和處理器中。

BeeCrypt：

Botan： C++加密庫

Crypto++：一個有關加密方案的免費的C++庫

GnuPG： OpenPGP標準的完整實現

GnuTLS ：實現了SSL，TLS和DTLS協議的安全通信庫

Libgcrypt

libmcrypt

LibreSSL：免費的SSL/TLS協議，屬於2014 OpenSSL的一個分支

LibTomCrypt：一個非常全面的，模塊化的，可移植的加密工具

libsodium：基於NaCI的加密庫，固執己見，容易使用

Nettle 底層的加密庫

OpenSSL ： 一個強大的，商用的，功能齊全的，開放源代碼的加密庫。

Tiny AES128 in C ：用C實現的一個小巧，可移植的實現了AES128ESB的加密演算法

資料庫，SQL伺服器，ODBC驅動程序和工具

hiberlite ：用於Sqlite3的C++對象關系映射

Hiredis： 用於Redis資料庫的很簡單的C客戶端庫

LevelDB： 快速鍵值存儲庫

LMDB：符合資料庫四大基本元素的嵌入鍵值存儲

MySQL++：封裝了MySql的C API的C++ 包裝器

RocksDB：來自Facebook的嵌入鍵值的快速存儲

SQLite：一個完全嵌入式的，功能齊全的關系資料庫，只有幾百KB，可以正確包含到你的項目中。

調試庫， 內存和資源泄露檢測，單元測試

Boost.Test：Boost測試庫

Catch：一個很 時尚 的，C++原生的框架，只包含頭文件，用於單元測試，測試驅動開發和行為驅動開發。

CppUnit：由JUnit移植過來的C++測試框架

CTest：CMake測試驅動程序

googletest：谷歌C++測試框架

ig-debugheap：用於跟蹤內存錯誤的多平台調試堆

libtap：用C語言編寫測試

MemTrack —用於C++跟蹤內存分配

microprofile- 跨平台的網路試圖分析器

minUnit ：使用C寫的迷你單元測試框架，只使用了兩個宏

Remotery：用於web視圖的單一C文件分析器

UnitTest++：輕量級的C++單元測試框架

Cocos2d-x ：一個跨平台框架，用於構建2D 游戲 ，互動圖書，演示和其他圖形應用程序。

Grit ：社區項目，用於構建一個免費的 游戲 引擎，實現開放的世界3D 游戲 。

Irrlicht ：C++語言編寫的開源高性能的實時#D引擎

Polycode：C++實現的用於創建 游戲 的開源框架（與Lua綁定）。

CEGUI ： 很靈活的跨平台GUI庫

FLTK ：快速，輕量級的跨平台的C++GUI工具包。

GTK+： 用於創建圖形用戶界面的跨平台工具包

gtkmm ：用於受歡迎的GUI庫GTK+的官方C++介面。

imgui：擁有最小依賴關系的立即模式圖形用戶界面

libRocket ：libRocket 是一個C++ HTML/CSS 游戲 介面中間件

MyGUI ：快速，靈活，簡單的GUI

Ncurses：終端用戶界面

QCustomPlot ：沒有更多依賴關系的Qt繪圖控制項

Qwt ：用戶與技術應用的Qt 控制項

QwtPlot3D ：功能豐富的基於Qt/OpenGL的C++編程庫，本質上提供了一群3D控制項

OtterUI ：OtterUI 是用於嵌入式系統和互動 娛樂 軟體的用戶界面開發解決方案

PDCurses 包含源代碼和預編譯庫的公共圖形函數庫

wxWidgets C++庫，允許開發人員使用一個代碼庫可以為widows， Mac OS X，Linux和其他平台創建應用程序

bgfx：跨平台的渲染庫

Cairo：支持多種輸出設備的2D圖形庫

Horde3D 一個小型的3D渲染和動畫引擎

magnum C++11和OpenGL 2D/3D 圖形引擎

Ogre 3D 用C++編寫的一個面向場景，實時，靈活的3D渲染引擎（並非 游戲 引擎）

OpenSceneGraph 具有高性能的開源3D圖形工具包

Panda3D 用於3D渲染和 游戲 開發的框架，用Python和C++編寫。

Skia 用於繪制文字，圖形和圖像的完整的2D圖形庫

urho3d 跨平台的渲染和 游戲 引擎。

Boost.GIL：通用圖像庫

CImg ：用於圖像處理的小型開源C++工具包

CxImage ：用於載入，保存，顯示和轉換的圖像處理和轉換庫，可以處理的圖片格式包括 BMP, JPEG, GIF, PNG, TIFF, MNG, ICO, PCX, TGA, WMF, WBMP, JBG, J2K。

FreeImage ：開源庫，支持現在多媒體應用所需的通用圖片格式和其他格式。

GDCM：Grassroots DICOM 庫

ITK：跨平台的開源圖像分析系統

Magick++：ImageMagick程序的C++介面

MagickWnd：ImageMagick程序的C++介面

OpenCV ： 開源計算機視覺類庫

tesseract-ocr：OCR引擎

VIGRA ：用於圖像分析通用C++計算機視覺庫

VTK ：用於3D計算機圖形學，圖像處理和可視化的開源免費軟體系統。

最後， 對於學習編程或者在工作想升職的程序員兄弟，如果你想更好的提升你的編程能力幫助你提升水平！ 筆者這里或許可以幫到你~

編程學習書籍分享：

編程學習視頻分享：

分享（源碼、項目實戰視頻、項目筆記，基礎入門教程）

歡迎轉行和學習編程的夥伴，利用更多的資料學習成長比自己琢磨更快哦！

『陸』 python 和 r 的區別 知乎

有人說Python和R的區別是顯而易見的，因為R是針對統計的，python是給程序員設計的，其實這話對Python多多少少有些不公平。2012年的時候我們說R是學術界的主流，但是現在Python正在慢慢取代R在學術界的地位。不知道是不是因為大數據時代的到來。

Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。所以有人說：Python=R+SQL/Hive，並不是沒有道理的。

Python的一個最明顯的優勢在於其膠水語言的特性，很多書里也都會提到這一點，一些底層用C寫的演算法封裝在Python包里後性能非常高效(Python的數據挖掘包Orange canve 中的決策樹分析50萬用戶10秒出結果，用R幾個小時也出不來，8G內存全部占滿)。但是，凡事都不絕對，如果R矢量化編程做得好的話（有點小難度），會使R的速度和程序的長度都有顯著性提升。

R的優勢在於有包羅萬象的統計函數可以調用，特別是在時間序列分析方面，無論是經典還是前沿的方法都有相應的包直接使用。
相比之下，Python之前在這方面貧乏不少。但是，現在Python有了pandas。pandas提供了一組標準的時間序列處理工具和數據演算法。因此，你可以高效處理非常大的時間序列，輕松地進行切片/切塊、聚合、對定期/不定期的時間序列進行重采樣等。可能你已經猜到了，這些工具中大部分都對金融和經濟數據尤為有用，但你當然也可以用它們來分析伺服器日誌數據。於是，近年來，由於Python有不斷改良的庫（主要是pandas），使其成為數據處理任務的一大替代方案。

做過幾個實驗：
1. 用python實現了一個統計方法，其中用到了ctypes，multiprocess。
之後一個項目要做方法比較，又用回R，發現一些bioconctor上的包已經默認用parallel了。（但那個包還是很慢，一下子把所有線程都用掉了，導致整個電腦使用不能，看網頁非常卡~）
2. 用python pandas做了一些數據整理工作，類似資料庫，兩三個表來回查、匹配。感覺還是很方便的。雖然這些工作R也能做，但估計會慢點，畢竟幾十萬行的條目了。
3. 用python matplotlib畫圖。pyplot作圖的方式和R差異很大，R是一條命令畫點東西，pylot是准備好了以後一起出來。pyplot的顏色選擇有點尷尬，默認顏色比較少，之後可用html的顏色，但是名字太長了~。pyplot 的legend比R 好用多了，算是半自動化了。pyplot畫出來後可以自由拉升縮放，然後再保存為圖片，這點比R好用。

總的來說Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。 而R是在統計方面比較突出。但是數據分析其實不僅僅是統計，前期的數據收集，數據處理，數據抽樣，數據聚類，以及比較復雜的數據挖掘演算法，數據建模等等這些任務，只要是100M以上的數據，R都很難勝任，但是Python卻基本勝任。

結合其在通用編程方面的強大實力，我們完全可以只使用Python這一種語言去構建以數據為中心的應用程序。
但世上本沒有最好的軟體或程序，也鮮有人能把單一語言挖掘運用到極致。尤其是很多人早先學了R，現在完全不用又捨不得，所以對於想要學以致用的人來說，如果能把R和Python相結合，就更好不過了，很早看過一篇文章——讓R與Python共舞，咱們壇子里有原帖，就不多說了，看完會有更多啟發。

BTW： 如果之前沒有學過R，可以先學Python然後決定是不是學R，如果學了R，學Python的時候會更快上手。

『柒』 學python可以做什麼

1WEB開發

在國內，豆瓣一開始就使用Python作為web開發基礎語言，知乎的整個架構也是基於Python語言，這使得web開發這塊在國內發展的很不錯。

盡管目前Python並不是做Web開發的首選，但一直都佔有不可忽視的一席。Python中有各類Web框架，無論是簡單而可以自由搭配的微框架還是全功能的大型MVC框架都一應俱全，這在需要敏捷開發的Web項目中也是十分具有優勢的。廣泛使用（或曾經廣泛使用）Python提供的大型Web服務包括知乎、豆瓣、Dropbox等網站。加之Python本身的「膠水」特性，很容易實現在需要大規模性能級計算時整合其它語言，同時保留Web開發時的輕便快捷。

除此之外，Python中還有大量「開箱即用」的模塊，用於與各種其它網站的對接等相關功能。如果希望開發個微信公眾號相關功能，wechat-sdk/weixin-python等包，能夠使你幾乎完全不用管文檔中提及的各種伺服器交互細節，專注於功能實現即能完成開發。

目前，國內的Python web開發主要有兩個技術棧：

（1）Django

Django是一個高級的敏捷web開發框架，如果學會了，擼一個網站很快。當然如果純粹比擼網站的速度，基於ruby的Ruby on rails顯然更快，但是Django有一個優勢就是性能優秀，更適合國內網站的應用場景。國外的著名圖片社區Pinterest早期也是基於Django開發的，承受了用戶快速增長的沖擊。所以說如果你想快速開發一個網站，還能兼顧APP客戶端的API調用需求，Django是可以信賴的。

（2）Flask

相對於Django，Flask則是一個輕量級的web框架，Flask的最大的優勢是性能優越，適合配合手機客戶端開發後台API服務。國內基於Flask的Restful API服務這快很火，也是需求最大的。知名的比如網路、網易、小米、陌陌等等很多公司都有基於Flask的應用部署。當然，如果你想做一個傳統的web網站，還是建議使用Django，Flask的優勢是後端、API，不適合構建全功能網站。

2網路爬蟲

網路爬蟲是Python比較常用的一個場景，國際上，google在早期大量地使用Python語言作為網路爬蟲的基礎，帶動了整個Python語言的應用發展。以前國內很多人用採集器搜刮網上的內容，現在用Python收集網上的信息比以前容易很多了。

Python在這個方面有許多工具上的積累，無論是用於模擬HTTP請求的Requests、用於HTML DOM解析的PyQuery/BeautifulSoup、用於自動化分布式爬取任務的Scrapy，還是用於最簡化資料庫訪問的各種ORM，都使得Python成為數據爬取的首選語言之一。特別是，爬取後的數據分析與計算是Python最為擅長的領域，非常容易整合。目前Python比較流行的網路爬蟲框架是功能非常強大的scrapy。

3人工智慧與機器學習

人工智慧是現在非常火的一個方向，AI熱潮讓Python語言的未來充滿了無限的潛力。現在釋放出來的幾個非常有影響力的AI框架，大多是Python的實現，為什麼呢？

因為Python足夠動態、具有足夠性能，這是AI技術所需要的技術特點。比如基於Python的深度學習庫、深度學習方向、機器學習方向、自然語言處理方向的一些網站基本都是通過Python來實現的。機器學習，尤其是現在火爆的深度學習，其工具框架大都提供了Python介面。Python在科學計算領域一直有著較好的聲譽，其簡潔清晰的語法以及豐富的計算工具，深受此領域開發者喜愛。

6桌面程序

Python也可以用於桌面軟體開發（如sublime text等），甚至移動端開發（參看kivy）。Python簡潔方便，各種工具包齊全的環境，能大幅度減少開發者的負擔。著名的UI框架QT有Python語言的實現版本PyQT。Python簡單易用的特性加上QT的優雅，可以很輕松的開發界面復雜的桌面程序，並且能輕松實現跨平台特性。

7多媒體應用

可以用Python裡面的PIL、Piddle、ReportLab 等模塊對圖象、聲音、視頻、動畫等進行處理，還可以用Python生成動態圖表和統計分析圖表。另外，還可以利用PyOpenGl模塊非常快速有效的編寫出三維場景。