摘要：屬于前一種，而且日益被用于數(shù)學計算機器學習和多種數(shù)據(jù)科學應用。近來，由于擁有多個針對機器學習自然語言處理數(shù)據(jù)視覺化數(shù)據(jù)探索數(shù)據(jù)分析和數(shù)據(jù)挖掘的插件，豐富的數(shù)據(jù)科學生態(tài)體系得到了較大的發(fā)展，甚至有將數(shù)據(jù)科學社區(qū)化的趨勢。

譯者注：本文的英文原文地址是：Python for Data Science vs Python for Web Development，發(fā)布時間是10月29日。譯者一開始在Python日報上看到推薦，初步看看了，覺得對于決定學習Python的方向有一定參考價值。不過，在翻譯過程中，越來越覺得這其實就是一篇搞Python數(shù)據(jù)科學培訓的公司寫的軟文，里面寫的內(nèi)容還是比較淺的，只適合像我這樣的初學者了解大致情況。當然，文章提到了Python作為網(wǎng)絡開發(fā)技能的市場需求并不是很高，這點感覺并不是沒有根據(jù)。作為一篇軟文，它成功地激起了我學習數(shù)據(jù)科學的興趣，而原因嘛，自然就是做數(shù)據(jù)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(shù)據(jù)，比一般崗位的年薪高5萬美刀！?。。?！

Python編程語言擁有諸多用于網(wǎng)絡應用開發(fā)、圖形用戶界面、數(shù)據(jù)分析、數(shù)據(jù)可視化等工作的框架和特性。Python可能不是網(wǎng)絡應用開發(fā)的理想選擇，但是正被很多機構廣泛用于評估大型數(shù)據(jù)集（dataset）、數(shù)據(jù)可視化、進行數(shù)據(jù)分析或制作原型。在數(shù)據(jù)科學領域，Python編程語言正不斷獲得用戶的親睞，而作為網(wǎng)絡開發(fā)語言，Python顯得有點過時了。本篇博文，就是要對這兩種截然不同的Python使用方式，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(shù)據(jù)科學工作，并沒有必要了解它用于網(wǎng)絡開發(fā)的部分。

從頂級金融機構到最小的大數(shù)據(jù)創(chuàng)業(yè)公司，各行各業(yè)、各種規(guī)模的機構都在使用Python編程語言支撐業(yè)務運作。Python作為數(shù)據(jù)科學編程語言，不僅受頂級大數(shù)據(jù)公司歡迎，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。

世上只有兩種編程語言：一種是總是被人罵的，一種是從來沒人用的。
-- Bjarne Stroustrup

Python屬于前一種，而且日益被用于數(shù)學計算、機器學習和多種數(shù)據(jù)科學應用。除了性能依賴性強和底層的業(yè)務外，它能夠做其他任何事情。利用Python編程語言的最好選擇，就是做數(shù)據(jù)分析和統(tǒng)計計算。學習面向網(wǎng)絡開發(fā)的Python，需要程序員掌握像Django這樣的多種網(wǎng)絡框架協(xié)助建設網(wǎng)站；但是學習面向數(shù)據(jù)科學的Python，則要求數(shù)據(jù)科學家學習如何使用正則表達式和科學計算庫，并掌握數(shù)據(jù)可視化的概念。由于目的、方向不同，那些不了解Python網(wǎng)絡開發(fā)的程序員，能很輕松地走上利用Python編程語言做數(shù)據(jù)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，語言表現(xiàn)力很強。程序員編碼完成后，不需要編譯器即可運行程序。面向網(wǎng)絡開發(fā)的Python支持多種編程范式，包括結構化編程（structured programming）、函數(shù)式編程（functional programming）和面向對象編程（object-oriented programming, OOP）。Python代碼可以很容易地嵌入到許多擁有編程接口的網(wǎng)絡應用中。但是，Python更是開發(fā)學術研究和科學計算程序的絕佳選擇，這些程序要求運行快速、數(shù)學計算精確。

而面向網(wǎng)絡編程的Python，則要求程序員學習多種網(wǎng)絡開發(fā)框架，這個學習難度比較大，因為現(xiàn)有Python網(wǎng)絡開發(fā)框架的文檔不太容易理解。當然，不容否認的是，要想利用Python開發(fā)一個動態(tài)網(wǎng)站或網(wǎng)絡應用，學習網(wǎng)絡框架是必需的。

目前，Python社區(qū)已經(jīng)有多種免費的網(wǎng)絡應用開發(fā)框架，比如：

Django是幫助完美主義者按時完成工作的Python網(wǎng)絡開發(fā)框架（譯者注：原文是Django is the python web development framework for perfectionists with deadlines。這也是Django官網(wǎng)上對該框架的描述）。使用Django進行網(wǎng)絡開發(fā)，最適合的場景是開發(fā)那些依靠數(shù)據(jù)庫驅動，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(wǎng)絡開發(fā)項目來說，Django可能是大材小用，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。使用Django進行Python網(wǎng)絡開發(fā)的公司有紐約時報、Instagram和Pinterest（譯者注：Pinterest聯(lián)合創(chuàng)始人Paul Sciarra在Quora上的回答提到了使用Django，Quora地址）。

Flask是針對初學者的框架，它簡單，輕量，初學者很快就可以上手開發(fā)單頁網(wǎng)絡應用。這個框架并不支持驗證，沒有數(shù)據(jù)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，也只用于小型網(wǎng)站的開發(fā)。（譯者注：其實Pinterest也使用了Flask，只是沒用在整站開發(fā)上，而是用來開發(fā)API，具體見鏈接。）

CherryPy框架強調要符合Python語言規(guī)范，做到程序員像進行面向對象編程一樣開發(fā)網(wǎng)絡應用。它還是諸如TurboGears和Web2py等流行全?？蚣艿幕A模板引擎。

還有很多其他框架，包括Pyramid、Bottle和Pylons等，但是無論Python開發(fā)者使用哪一種框架，他/她都要花精力仔細地研究教程和文檔。

Python作為網(wǎng)絡開發(fā)語言，很可能是一個不太現(xiàn)實的選擇：

面向網(wǎng)絡開發(fā)的Python需要非標準化、昂貴的主機服務，尤其是程序員使用流行的Python網(wǎng)絡框架開發(fā)網(wǎng)站時。由于利用PHP進行網(wǎng)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。

面向網(wǎng)絡開發(fā)的Python與諸如PHP、Java或Ruby on Rails等語言不同，不是一個經(jīng)常需要的技能。但是面向數(shù)據(jù)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(shù)據(jù)科學程序，Python更是招聘數(shù)據(jù)科學家的公司所最看重的技能。

面向網(wǎng)絡開發(fā)的Python已經(jīng)經(jīng)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(wǎng)絡編程語言那么高。

Python編程是驅動大數(shù)據(jù)、金融、統(tǒng)計和數(shù)字運算的核心科技，而它的語法卻像英語一樣易懂。近來，由于擁有多個針對機器學習、自然語言處理、數(shù)據(jù)視覺化、數(shù)據(jù)探索、數(shù)據(jù)分析和數(shù)據(jù)挖掘的插件，豐富的Python數(shù)據(jù)科學生態(tài)體系得到了較大的發(fā)展，甚至有將數(shù)據(jù)科學社區(qū)Python化的趨勢。今天，面向數(shù)據(jù)科學的Python已經(jīng)具備了清洗、轉換和處理大數(shù)據(jù)的所有工具。對于數(shù)據(jù)分析師崗位來說，掌握Python也是最受歡迎的技能。一名具備Python編程能力的數(shù)據(jù)科學家，可以在紐約掙到平均年薪14萬美元的工資。

數(shù)據(jù)科學家喜歡那些能夠快速輸出原型，幫助他們輕松地記錄下自己的想法和模型的編程環(huán)境。他們喜歡通過分析巨量的數(shù)據(jù)集，得出結論，完成工作。而Python編程語言則是開發(fā)數(shù)據(jù)科學應用的多面手，因為它能幫助數(shù)據(jù)科學家，以最短最優(yōu)的時間進行編碼、調試、運行并獲取結果，從而高效地完成工作。

一名技術嫻熟的企業(yè)數(shù)據(jù)科學家的真正價值，在于利用多種數(shù)據(jù)視覺化手段，向公司的不同利益相關者有效地傳遞數(shù)據(jù)模式和預測。否則，數(shù)據(jù)科學工作就是一場零和游戲。Python以其優(yōu)良特性，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(shù)據(jù)科學應用之間進行編程的絕佳選擇，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。面向數(shù)據(jù)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(shù)據(jù)分享和處理的直接媒介。

Python遵循統(tǒng)一的設計哲學，注重可用性、可讀性，對于數(shù)據(jù)科學的學習曲線也較低。

Python有很高的可擴展性，且與Matlab、Stata等語言相比，運行更加快速。

另外，Python生態(tài)系統(tǒng)中還在涌現(xiàn)出更多的數(shù)據(jù)視覺化庫，以及炫酷的應用編程結構，目的是使用圖形更好地展現(xiàn)數(shù)據(jù)分析的結果。Python社區(qū)有著諸如Sci-Kit learn、NumPy、Pandas、Statsmodel和SciPy等許多優(yōu)秀的數(shù)據(jù)分析庫。這些庫的數(shù)量還在不斷增長。

數(shù)據(jù)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(shù)據(jù)科學，那么你應該考慮的下一個問題，就是Python庫中有哪些是可以完成大部分的數(shù)據(jù)分析工作？接下來，我們給大家介紹全球的企業(yè)數(shù)據(jù)科學家都在使用的Python數(shù)據(jù)分析庫。

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(shù)據(jù)分析，但是深入理解Numpy中面向數(shù)組的計算，可以幫助數(shù)據(jù)科學家有效使用Pandas庫。

SciPy

SciPy主要用于科學計算，擁有許多不同的模塊，可用于特殊函數(shù)、圖像處理、插值法（interpolation）、線性代數(shù)、常微分方程（ODE）求解器以及其他多種用途。這個庫還可以與NumPy數(shù)組一起使用，實現(xiàn)許多高效的數(shù)學運算。

Pandas

Pandas是用于數(shù)據(jù)再加工最好的庫，因為它使得處理遺失的數(shù)據(jù)、自動數(shù)據(jù)對齊（data alignment）變得更加簡單，它還支持處理從不同的數(shù)據(jù)源收集而來的索引數(shù)據(jù)。

SciKit
這個流行的機器學習庫擁有多種回歸、分類和聚類算法，還支持gradient boosting、向量機、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。

Matplotlib

這是一個二維繪圖庫，有著交互性很強的特性，生成的圖標可以放大、推移，并且能夠用于發(fā)行刊物印刷出版。而且，還支持多平臺的交互環(huán)境。

Matplotlib、NumPy和SciPy是科學計算的基礎。還有許多其他的Python庫，諸如用于網(wǎng)絡挖掘的Pattern，用于自然語言處理的NLTK，用于深度學習的Theano，用于爬取網(wǎng)絡的Scrappy，IPython，Statsmodels，Mlpy等。對于初學Python數(shù)據(jù)科學的人，他們需要很好地掌握上面提到的優(yōu)秀數(shù)據(jù)分析庫。