学习Python：做数据科学还是网站开发？

摘要：属于前一种，而且日益被用于数学计算机器学习和多种数据科学应用。近来，由于拥有多个针对机器学习自然语言处理数据视觉化数据探索数据分析和数据挖掘的插件，丰富的数据科学生态体系得到了较大的发展，甚至有将数据科学社区化的趋势。

译者注：本文的英文原文地址是：Python for Data Science vs Python for Web Development，发布时间是10月29日。译者一开始在Python日报上看到推荐，初步看看了，觉得对于决定学习Python的方向有一定参考价值。不过，在翻译过程中，越来越觉得这其实就是一篇搞Python数据科学培训的公司写的软文，里面写的内容还是比较浅的，只适合像我这样的初学者了解大致情况。当然，文章提到了Python作为网络开发技能的市场需求并不是很高，这点感觉并不是没有根据。作为一篇软文，它成功地激起了我学习数据科学的兴趣，而原因嘛，自然就是做数据科学工作的工资比一般开发工作，高很多（按文章中信息图的数据，比一般岗位的年薪高5万美刀！！！）！

Python编程语言拥有诸多用于网络应用开发、图形用户界面、数据分析、数据可视化等工作的框架和特性。Python可能不是网络应用开发的理想选择，但是正被很多机构广泛用于评估大型数据集（dataset）、数据可视化、进行数据分析或制作原型。在数据科学领域，Python编程语言正不断获得用户的亲睐，而作为网络开发语言，Python显得有点过时了。本篇博文，就是要对这两种截然不同的Python使用方式，进行详细的对比，并且帮助大家明白一点：如果要利用Python做数据科学工作，并没有必要了解它用于网络开发的部分。

从顶级金融机构到最小的大数据创业公司，各行各业、各种规模的机构都在使用Python编程语言支撑业务运作。Python作为数据科学编程语言，不仅受顶级大数据公司欢迎，还有众多技术创业企业拥泵。它还位列2015推荐学习的前10种编程语言。

世上只有两种编程语言：一种是总是被人骂的，一种是从来没人用的。
-- Bjarne Stroustrup

Python属于前一种，而且日益被用于数学计算、机器学习和多种数据科学应用。除了性能依赖性强和底层的业务外，它能够做其他任何事情。利用Python编程语言的最好选择，就是做数据分析和统计计算。学习面向网络开发的Python，需要程序员掌握像Django这样的多种网络框架协助建设网站；但是学习面向数据科学的Python，则要求数据科学家学习如何使用正则表达式和科学计算库，并掌握数据可视化的概念。由于目的、方向不同，那些不了解Python网络开发的程序员，能很轻松地走上利用Python编程语言做数据科学工作的道路。

Python是一个有着23年历史的强大动态编程语言，语言表现力很强。程序员编码完成后，不需要编译器即可运行程序。面向网络开发的Python支持多种编程范式，包括结构化编程（structured programming）、函数式编程（functional programming）和面向对象编程（object-oriented programming, OOP）。Python代码可以很容易地嵌入到许多拥有编程接口的网络应用中。但是，Python更是开发学术研究和科学计算程序的绝佳选择，这些程序要求运行快速、数学计算精确。

而面向网络编程的Python，则要求程序员学习多种网络开发框架，这个学习难度比较大，因为现有Python网络开发框架的文档不太容易理解。当然，不容否认的是，要想利用Python开发一个动态网站或网络应用，学习网络框架是必需的。

目前，Python社区已经有多种免费的网络应用开发框架，比如：

Django是帮助完美主义者按时完成工作的Python网络开发框架（译者注：原文是Django is the python web development framework for perfectionists with deadlines。这也是Django官网上对该框架的描述）。使用Django进行网络开发，最适合的场景是开发那些依靠数据库驱动，同时也具备类似自动化后台管理界面和模板系统等炫酷功能的应用。对于不需要太多功能的网络开发项目来说，Django可能是大材小用，主要是它的文件系统容易让人搞混，而且文件目录结构要求严格。使用Django进行Python网络开发的公司有纽约时报、Instagram和Pinterest（译者注：Pinterest联合创始人Paul Sciarra在Quora上的回答提到了使用Django，Quora地址）。

Flask是针对初学者的框架，它简单，轻量，初学者很快就可以上手开发单页网络应用。这个框架并不支持验证，没有数据抽象层和其他许多框架所包括的组件。它不是一个全栈开发框架，也只用于小型网站的开发。（译者注：其实Pinterest也使用了Flask，只是没用在整站开发上，而是用来开发API，具体见链接。）

CherryPy框架强调要符合Python语言规范，做到程序员像进行面向对象编程一样开发网络应用。它还是诸如TurboGears和Web2py等流行全栈框架的基础模板引擎。

还有很多其他框架，包括Pyramid、Bottle和Pylons等，但是无论Python开发者使用哪一种框架，他/她都要花精力仔细地研究教程和文档。

Python作为网络开发语言，很可能是一个不太现实的选择：

面向网络开发的Python需要非标准化、昂贵的主机服务，尤其是程序员使用流行的Python网络框架开发网站时。由于利用PHP进行网络编程如此的便捷，大部分的用户没有兴趣在Python上投入太多的精力。

面向网络开发的Python与诸如PHP、Java或Ruby on Rails等语言不同，不是一个经常需要的技能。但是面向数据科学的Python却越来越受欢迎，而且由于它更多地被用于机器学习和其他数据科学程序，Python更是招聘数据科学家的公司所最看重的技能。

面向网络开发的Python已经经历了较长的发展，但是它的学习曲线并没有像PHP这样的网络编程语言那么高。

Python编程是驱动大数据、金融、统计和数字运算的核心科技，而它的语法却像英语一样易懂。近来，由于拥有多个针对机器学习、自然语言处理、数据视觉化、数据探索、数据分析和数据挖掘的插件，丰富的Python数据科学生态体系得到了较大的发展，甚至有将数据科学社区Python化的趋势。今天，面向数据科学的Python已经具备了清洗、转换和处理大数据的所有工具。对于数据分析师岗位来说，掌握Python也是最受欢迎的技能。一名具备Python编程能力的数据科学家，可以在纽约挣到平均年薪14万美元的工资。

数据科学家喜欢那些能够快速输出原型，帮助他们轻松地记录下自己的想法和模型的编程环境。他们喜欢通过分析巨量的数据集，得出结论，完成工作。而Python编程语言则是开发数据科学应用的多面手，因为它能帮助数据科学家，以最短最优的时间进行编码、调试、运行并获取结果，从而高效地完成工作。

一名技术娴熟的企业数据科学家的真正价值，在于利用多种数据视觉化手段，向公司的不同利益相关者有效地传递数据模式和预测。否则，数据科学工作就是一场零和游戏。Python以其优良特性，符合高强度科学计算的几乎所有方面要求，这使得它成为在不同的数据科学应用之间进行编程的绝佳选择，原因很简单：开发人员仅用一种语言就可以完成开发和分析工作。面向数据科学的Python将企业业务的不同部分连接在一起，提供了一个数据分享和处理的直接媒介。

Python遵循统一的设计哲学，注重可用性、可读性，对于数据科学的学习曲线也较低。

Python有很高的可扩展性，且与Matlab、Stata等语言相比，运行更加快速。

另外，Python生态系统中还在涌现出更多的数据视觉化库，以及炫酷的应用编程结构，目的是使用图形更好地展现数据分析的结果。Python社区有着诸如Sci-Kit learn、NumPy、Pandas、Statsmodel和SciPy等许多优秀的数据分析库。这些库的数量还在不断增长。

数据分析与Python编程语言十分契合。如果你决定要通过Python语言学习数据科学，那么你应该考虑的下一个问题，就是Python库中有哪些是可以完成大部分的数据分析工作？接下来，我们给大家介绍全球的企业数据科学家都在使用的Python数据分析库。

NumPy

Numpy是使用Python开发的高级（high level）工具的基础。这个库不能用于高级数据分析，但是深入理解Numpy中面向数组的计算，可以帮助数据科学家有效使用Pandas库。

SciPy

SciPy主要用于科学计算，拥有许多不同的模块，可用于特殊函数、图像处理、插值法（interpolation）、线性代数、常微分方程（ODE）求解器以及其他多种用途。这个库还可以与NumPy数组一起使用，实现许多高效的数学运算。

Pandas

Pandas是用于数据再加工最好的库，因为它使得处理遗失的数据、自动数据对齐（data alignment）变得更加简单，它还支持处理从不同的数据源收集而来的索引数据。

SciKit
这个流行的机器学习库拥有多种回归、分类和聚类算法，还支持gradient boosting、向量机、朴素贝叶斯模型和逻辑回归。这个库还被设计成能够与NumPy和SciPy进行交互。

Matplotlib

这是一个二维绘图库，有着交互性很强的特性，生成的图标可以放大、推移，并且能够用于发行刊物印刷出版。而且，还支持多平台的交互环境。

Matplotlib、NumPy和SciPy是科学计算的基础。还有许多其他的Python库，诸如用于网络挖掘的Pattern，用于自然语言处理的NLTK，用于深度学习的Theano，用于爬取网络的Scrappy，IPython，Statsmodels，Mlpy等。对于初学Python数据科学的人，他们需要很好地掌握上面提到的优秀数据分析库。