> 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。

python:web development vs data science

为什么使用Python进行网络开发不现实?

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。

为什么将Python用于数据科学是最好的选择?

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。

阅读原文 »

4 1 收藏


直接登录

推荐关注