高一自学Python，求建议？

　　下面是工作方向整理：

　　对于一些网站的开发，诸如后台管理系统，或者一些微服务，写一些接口，都可以使用 Python 实现。

　　Python有很多优秀的Web开发框架，如Flask、Django、Bootstar等，可以帮助你快速搭建一个网站。当需要一个新功能时，用Python只需添加几行代码即可，这受到了很多初创型公司的一致欢迎。

　　例如：知乎、豆瓣、小米这样的大厂，最早的网站都是用Python搭建的，国外则更多，如YouTube 、Quora、Reddit、Instagram、Netflix等代表地球顶级流量的大站，都构建在Python之上。

　　平均薪资：15~30K

　　

　　网络上有大量的数据，可是数据量太多太杂，如何获取到想要的数据，就需要数据采集了。也是小伙伴们入坑Python的第一驱动力。

　　靠人力一星期才能完成的工作，你泡着咖啡、跑10分钟爬虫即可，又装X又实用，学会Python爬虫后，即使不做程序员的工作也能加分不少。而 Python 是最适合做爬虫的语言，你懂的。

　　平均薪资：10~30K

　　主要是对数据进行分析、预判，从而做出选择或者对过去的复盘， Python 拥有非常成熟的数据分析库，有些人会有疑问，爬虫不也得数据分析么？咋就分开来说？其实爬虫只是数据分析的一种手段，数据来源不一定是通过爬虫获得，其它的数据也可以做分析。

　　这个时代，数据和黄金一样宝贵，现在最火的公司如：今日头条、抖音、快手等，产品都建立在对用户的分析之上，更不用说淘宝、京东、拼多多这些 “定制化推荐” 的老手。

　　可以说，所有的商业公司都需要这样一个角色，Python数据分析师也成了目前最火的职业之一。

　　Python是目前数据分析业务中，最常用的语言。学会Python后，基本可以满足数据分析经理的招聘需求。

　　平均薪资：20~30K

　　人工智能是目前最火的方向之一，薪资待遇非常高（土豪的代名词）。从招聘网站上可以看到，80K、100K 的职位也有很多，流下了没有技术的泪水，当然这些职位的要求也相对较高。

　　需要掌握一定的算法，对识别技术，自动化技术，深度学习，自然语言处理等方面都得有一定的研究。注：需要较高学历，没有本科以上不建议尝试

　　Python是人工智能时代的头牌语言，不管是机器学习（Machine Learning）还是深度学习（Deep Learning），最常用的工具和框架都需要用Python调用，如Numpy、scipy、pandas、matplotlib、PyTorch、TensorFlow等，因此Python是人工智能工程师的必备技能之一。

　　薪资：20~50K

　　

　　运维工程师经常要监控上百台机器的运行，或同时部署的情况。使用Python可以自动化批量管理服务器，起到1个人顶10个人的效果。

　　自动化运维也是Python的主要应用方向之一，它在系统管理、文档管理方面都有很强大的功能。

　　平均薪资：15~25K

　　技能要求：Python、shell、Linux、数据库、openpyxl库等

　　测试的工作是枯燥和重复的，在过去，每次产品更新，都要重复测试一遍，效率低而且容易出错。

　　Python提供了很多自动化测试的框架，如Selenium、Pytest等，避免了大量的重复工作，Python自动化测试也变得越来越流行。

　　平均薪资：10~20K

　　技能要求：Python、自动化测试框架、Linux等

　　工作需学习：基础+爬虫+数据分析+高级开发+web全栈前/后端

　　兼职需学习：基础+爬虫（或数据分析）

　　兴趣得话根据你想了解得阶段学习即可

　　下面是大概需要学习的知识点图

　　

　　

　　基础知识点视频：

　　python/pycharm安装介绍及环境配置

　　python基础知识： 注释+语句与缩进

　　python基础知识二：数据类型及标识符和变量

　　这套教程目前在更新中

　　爬虫知识视频：

　　第一部分 认识爬虫，对它用处、方向、注意点进行一定了解

　　爬虫弹第二部分 请求和响应(httphttps协议)

　　python爬虫第三弹——response简单入门

　　python爬虫第四弹—— 数据解析-css选择器

　　python爬虫第五弹—— 数据解析-正则表达式

　　python爬虫第六弹—— 数据解析-xpath

　　python爬虫第七弹—— 数据持久化（txt、excel、csv、json）

　　python爬虫第八弹—— requests高级进阶

　　python爬虫第九弹—— selenium初学

　　python爬虫第十弹—— selenium进阶

　　python爬虫第十一弹——多线程爬虫（上）

　　python爬虫第十二弹——多线程爬虫（下）

　　python爬虫第十三弹——自建代理池~

　　等等。。。。。

　　如果你还需要了解、学习更多可以+我创建的君羊

　　点击链接+【python全资料分享】：https://jq.qq.com/?_wv=1027&k=v64j7BNd

　　获取2023最新Python视频教程、Python电子书10个G

　　（涵盖基础、爬虫、数据分析、web开发、面试题）、Python学习路线图等等

　　一个小测试：你现在能用python弄出什么东西？

　　拿爬虫举例，你能爬什么网站？能做逆向嘛？学习了多久学成这样的？

　　我把系统学习的时间列举，你自己做判断

　　核心编程1个月

　　高级开发1个月

　　爬虫实战1半个月

　　数据分析1个月

　　全栈开发<前端+后端>两个月全部学完大概是 7 个月时间

　　Python 已然是最流行的语言，特别是在数据分析和机器学习风靡的情况下，Python 也受到了少儿编程的青睐，所以许多同学处于各种原因，只是需要了解一下

　　那么需要先了解 Python 环境搭建，了解一下操作系统的基本只是，比如环境变量、命令行工具等 然后安装 Python，并且可以在命令行中执行进入 Python，执行简单操作

　　有很多工程师在学习一门新的技术时，都会担心自己所学的技术是否会越来越流行，尽量去避免学习了一个非常小众和冷门的技术。

　　这种担忧是可以理解的，毕竟，一门技术使用的人越多，对于早期学习这门技术的工程师来说，就有越多的好处和优势。

　　与此同时，如果学习了一门冷门的技术，不但英雄无用武之地，而且，在求职市场上也没有什么优势。

　　如果大家身处互联网，一定能够切身地感受到 Python 语言的流行程度。

　　Python 语言由于其简单易学、语法优美、应用领域广泛等诸多优点，俘获了大批的粉丝。

　　但是，拿不出确切的证据，很多开发者也无法说服自己静下心来学习。接下来我们就用数据来说话。

　　编程语言排行榜

　　首先，我们了解一下近期编程语言排行榜中，Python 语言排名的变化。TIOBE 每个月发布的编程语言排行榜是编程语言流行趋势的一个指标，每个月更新。

　　这份排行榜排名基于互联网上有经验的工程师、课程和第三方厂商的数量，使用搜索引擎进行计算而得，一定程度上反应了编程语言的热度。

　　从近三个月的排行看，Python 一直稳定在排行榜的前五名。但编程语言排行榜仅能反应 Python 语言当下的流行程度，并不能回答 Python 是否越来越流行这个问题。

　　不过，我们可以从 TIOBE 发布的历史数据中找到一些线索。在 2015 年 2 月份发布的 TIOBE 编程语言排行榜中，Python 还排在第 8 名的位置，短短两年半的时间，Python 语言已经蹿升到第 4 名，其上升速度不可谓不快。

　　显著的优点

　　Python 语言拥有诸多的优点，这其中，以下几个优点特别显著：

　　简单易学：Python 语言相对于其他编程语言来说，属于比较容易学习的一门编程语言，它注重的是如何解决问题而不是编程语言的语法和结构。正是因为 Python 语言简单易学，所以，已经有越来越多的初学者选择 Python 语言作为编程的入门语言。例如，在浙江省 2017 年高中信息技术改革中，《算法与程序设计》课程将使用 Python 语言替换原有的 VB 语言。语法优美：Python 语言力求代码简洁、优美。在 Python 语言中，采用缩进来标识代码块，通过减少无用的大括号，去除语句末尾的分号等视觉杂讯，使得代码的可读性显著提高。阅读一段良好的 Python 程序就感觉像是在读英语一样，它使你能够专注于解决问题，而不用太纠结编程语言本身的语法。丰富强大的库：Python 语言号称自带电池（Battery Included），寓意是 Python 语言的类库非常的全面，包含了解决各种问题的类库。无论实现什么功能，都有现成的类库可以使用。如果一个功能比较特殊，标准库没有提供相应的支持，那么，很大概率也会有相应的开源项目提供了类似的功能。合理使用 Python 的类库和开源项目，能够快速的实现功能，满足业务需求。开发效率高：Python 的各个优点是相辅相成的。例如，Python 语言因为有了丰富强大的类库，所以，Python 的开发效率能够显著提高。相对于 C、C++ 和 Java 等编译语言，Python 开发者的效率提高了数倍。实现相同的功能，Python 代码的文件往往只有 C、C++ 和 Java 代码的 1/5~1/3。虽然 Python 语言拥有很多吸引人的特性，但是，各大互联网公司广泛使用 Python 语言，很大程度上是因为 Python 语言开发效率高这个特点。开发效率高的语言，能够更好的满足互联网快速迭代的需求，因此，Python 语言在互联网公司使用非常广泛。应用领域广泛：Python 语言的另一大优点就是应用领域广泛，工程师可以使用 Python 做很多的事情。例如，Web 开发、网络编程、自动化运维、Linux 系统管理、数据分析、科学计算、人工智能、机器学习等等。Python 语言介于脚本语言和系统语言之间，我们根据需要，既可以将它当做一门脚本语言来编写脚本，也可以将它当做一个系统语言来编写服务。不可忽视的缺点

　　毫无疑问，Python 确实有用很多的优点，每一个优点看起来都非常吸引人。但是，Python 并不是没有缺点的，最主要的缺点有以下几个：

　　Python 的执行速度不够快。当然，这也不是一个很严重的问题，一般情况下，我们不会拿 Python 语言与 C/C++ 这样的语言进行直接比较。在 Python 语言的执行速度上，一方面，网络或磁盘的延迟，会抵消掉部分 Python 本身消耗的时间；另一方面，因为 Python 特别容易和 C 结合起来。因此，我们可以通过分离一部分需要优化速度的应用，将其转换为编译好的扩展，并在整个系统中使用 Python 脚本将这部分应用连接起来，以提高程序的整体效率。Python 的 GIL 锁限制并发：Python 的另一个大问题是，对多处理器支持不好。如果读者接触 Python 时间比较长，那么，一定听说过 GIL 这个词。GIL 是指 Python 全局解释器锁（Global Interpreter Lock），当 Python 的默认解释器要执行字节码时，都需要先申请这个锁。这意味着，如果试图通过多线程扩展应用程序，将总是被这个全局解释器锁限制。当然，我们可以使用多进程的架构来提高程序的并发，也可以选择不同的 Python 实现来运行我们的程序。当然了现在很多的人都是在选择Python的时候开始了自己的编程学习教程，同时也是为了更好的学习方向发展，既然是这样的话，那么在这里我也是整理了一份超级详细的学习教程资料，来给大家去学习Python的教程。

　　想要学习好python那么首先就是要有一个非常不错的学习方式和方法 ，在这里我也是整理安排了超级详细的自学Python教程和一些学习资料。

　　超级适合零基础小白学习的一个教程，现在已经是给大家整理打包完毕了！

　　

　　对于不少编程小白来说，python是最适合零基础学习的编程语言。python的语法比较简单，代码可读性高，容易入门。

　　从Python学起，你很快就能运用Python编程的底层逻辑去学习另外的语言。

　　如果你不准备做程序员，那么python可以帮你做数据分析、自动化处理excel，自动化邮件等等，总之对你的工作都是加分项。

　　如果你想做python程序员，python的应用领域有：Web 应用开发、自动化运维、自动化运维、自动化运维、科学计算、人工智能等。

　　一些将 Python 作为主要开发语言的知名互联网企业/产品，如：豆瓣，知乎，果壳网，Instagram，Quora，Dropbox，Reddit......

　　基础：首先我们需要了解python的基础语法、数据类型、面向对象、函数这些概念，这里大家可以看基础的学习视频，也可以从官方文档入手学习。

　　Python 入门教程完整版（全 547 集）https://docs.python.org/zh-cn/3/进阶：对于已经学习过 Python 基础学科课程，或是想深入 Python 编程的同学十分适合

　　Python 深入浅出进阶课程具体学习步骤如下：

　　掌握基本语法：可以用python代码来实现常用需求；

　　熟悉库：我们要熟悉常用standard library 的使用，包括了一些但不限于 copy / json / itertools / collections / hashlib / os / sys 等；

　　掌握数据库：熟练掌握MySql、MongoDB、Redis、Etasticsearch等常见数据库；

　　进阶：掌握并熟悉Python的内存机制、GIL限制等。我们要知道如何去要Python来写出效率高并且高质量的代码，而且我们还要做到能够轻松分辨不同Python代码的效率，还要知道如何才能去优化。

　　这里推荐两本我喜欢的Python书籍，初级阶段可以学《Python初学者指南》豆瓣评分9.3，这本书尝试以轻松有趣的方式来帮助初学者掌握Python语言和编程技能。

　　《Python编程初学者指南》共12章，每一章都会用一个完整的游戏来演示其中的关键知识点，并通过编写好玩的小软件这种方式来学习编程，引发读者的兴趣，降低学习的难度

　　在进阶阶段，我个人比较喜欢的一本书是《流畅的Python》豆瓣评分9.4，这本书在Python高级用法、数据结构、并行与并发等方面做出了详细探讨，

　　对于有一定基础的小伙伴来说非常适合进阶。教会大家避免重复劳动，写出简洁、流畅、易读、易维护的Python代码。

　　Python小例子：https://github.com/jackzhenguo/python-small-examples

　　Python小游戏：https://github.com/CharlesPikachu/Games

　　awesome-python

　　地址：https://github.com/vinta/awesome-python

　　这是一个 121k+ 标星的开源项目，它收集了基于Python进行开发的各种场景的资源和库。比如HTML操作、数据库、图像处理、异步并发、游戏开发、Restful API、调试工具、验证、数据可视化、命令行工具、设计模式等等。

　　- 官方文档：

　　Python官方文档提供的内容是非常丰富的。包括了教程、标准参考库、语言参考、Python的安装和使用、常见问题等内容。

　　Python官方提供的教程对无编程基础的人来说，不是特别友好，有较多的专业语言和术语。

　　https://docs.python.org/zh-cn/3/- PyPI：

　　https://pypi.org/- Python社区：

　　https://www.python.org/community/- Github：

　　https://github.com/- StackOverflow：

　　https://stackoverflow.com/

　　一旦遇到问题，请过滤掉专家的意见，只采纳跟你有类似经历的人的意见。做好最坏的打算，以最积极的心态去面对，而不是逃避。学不学编程，完全取决于是否想学，其他的别多想。种一棵树最好的时间是十年前，其次是现在。

　　I am not a designer nor a coder. I'm just a guy with a point-of-view and a computer.翻译：俺不是码畜，俺只是一条对着电脑有点想法的土木狗。笔者土木工程渣硕，以下为编程经历，仅供参考：

　　2001-2005年，本科阶段C艹，60几分飘过。

　　2005-2008年，研究生阶段用Flac3D（编程建模）做数值分析。

　　2008-2014年，毕业后利用业余时间捣腾过一段时间网赚（卢松松博客，现在竟然还能访问），使用易语言（大漠插件等）做过一些辅助工具；也交过学费，套用商业建站模板，做过一个自己的博客网站（已报废）。

　　2014年，在我乎知道Python，这个时候还是python 2.7的时代；跟着廖雪峰、挖煤哥、虫师的博客开启爬虫取数之旅。

　　2016年，通过注册岩土专业考试之后，便萌生了一个new idea，越发觉得少个程序员，或越发觉得自己的编程能力欠缺。

　　2017年，参照狗书用Flask+mongoDB完成网站http://intumu.com，和你现在访问的不太一样，早期版本采用原始的Bootstrap框架，参照阮一峰的博客调整UI布局；现在采用AdminLTE框架，JS单页H5应用已不在话下，正谋求向转型Web 3.0。

　　2018年，上线了微信小程序：注册土木；期间也开发了几个其他类目的小程序，因为需求及定位问题几近荒废。

　　2019年，出版一本关于Bokeh数据可视化的书籍。

　　2020年，继续提升数据分析到数据挖掘Skearn。

　　2021年，年底整理了一本Skearn在土木工程中应用的书籍，还在走出版流程；回头望，编程领域还是回到Web数据动态可视化，这块是我的强项。

　　2022年，重构狗书，整了一本Flask+MongoDB的书，其中包含了web3.0的实例；后续可能会在Flask+MongoDB+Bokeh的基础上做一些可以落地的小项目（PS：大项目，整不动）。

　　

　　civilpy：Python数据分析及可视化实例目录

　　

　　分享零基础入门 Python，应该如何自学呢，自学的路径是怎么样的呢，内容是从入门到进阶，既有教程，也有经典书籍推荐，还有众多类库介绍，不要错过哦

　　Python 的发展方向还是比较多的，比如 Web 开发，爬虫，数据分析，机器学习等。

　　主要分为以下几个部分：

　　文档教程书籍推荐类库介绍开源项目神级网站? http://docs.python.org/zh-cn/3/ 毫无疑问，学习任何知识，其官方文档都是最好的第一手资料的来源地，也是最为权威的，当然需要一定的功夫才能更好的消化官网上的内容

　　? https://www.liaoxuefeng.com/wiki/1016959663602400 廖雪峰老师被称为中国的 Python 之父，当然有戏虐的成分，但是我们不可否认其在 Python 领域的贡献，而上面的 Python 教程也是国内为数不多的良心佳作，值得反复学习

　　? https://www.runoob.com/python/python-tutorial.html 菜鸟教程其实同样的大名鼎鼎，相信有太多的小伙伴的自学之路都是从这个网站开始的，不仅仅是 Python，任何主流的编程相关的技术都可以在这里找到！

　　? https://docs.pythontab.com/ 这同样是一个超级良心的网站，维护了众多 Python 相关知识的中文版本，这为英文不好的朋友带来的重大福音，散花啊~

　　? https://docs.python-guide.org/ 这里再介绍一个英文网站，这是一个开源在 GitHub 上的 Python 教程，由众多大牛共同维护着，也是学习 Python 路上的良好助力，这是 GitHub 地址：https://github.com/realpython/python-guide

　　? https://realpython.com/ 这是一个纯粹的 Python 教程网站，有众多的 Python 基础知识和进阶知识，绝对是学习 Python 的好地方。

　　好了，在线文档就介绍这么多，其他我们初学者只需要先专注于一个教程就好，相信我们只要吃透上面的任何一个教程，都会在成功的路上踏出坚实的一步！！！

　　在线网站教程虽好，但是有的人还是喜欢纸质的书籍，尤其是一些经典书籍，是无论如何也无法被替代的，下面我们就来介绍一些经典书籍

　　根据豆瓣评分的高低，这里介绍了一些经典入门书籍，大家根据自身情况选择尝试

　　《Python编程：从入门到实践（第二版）》

　　非常经典且非常基础的 Python 入门书籍，本书深入浅出，从 Python 的基础语法到 Python 2D 游戏编程，Web 开发等都一一讲解到位，帮读者解决常见编程问题和困惑。

　　《Python编程快速上手》

　　本书是一本面向实践的 Python 编程实用指南。本书的目的，不仅是介绍 Python 语言的基础知识，而且还通过项目实践教会读者如何应用这些知识和技能。本书的首部分介绍了基本 Python 编程概念，第二部分介绍了一些不同的任务，通过编写 Python 程序，可以让计算机自动完成它们。第二部分的每一章都有一些项目程序，供读者学习。每章的末尾还提供了一些习题和深入的实践项目，帮助读者巩固所学的知识，同时附录部分还提供了所有习题的解答。

　　《笨办法学 Python 3》

　　 本书是一本 Python 入门书，适合对计算机了解不多，没有学过编程，但对编程感兴趣的读者学习使用。这本书以习题的方式引导读者一步一步学习编程，从简单的打印一直讲到完整项目的实现，让初学者从基础的编程技术入手，最终体验到软件开发的基本过程。

　　《Python基础教程（第3版）》

　　本书包括 Python 程序设计的方方面面：首先从 Python 的安装开始，随后介绍了 Python 的基础知识和基本概念，包括列表、元组、字符串、字典以及各种语句；然后循序渐进地介绍了一些相对高级的主题，包括抽象、异常、魔法方法、属性、迭代器；此后探讨了如何将 Python 与数据库、网络、C语言等工具结合使用，从而发挥出 Python 的强大功能，同时介绍了 Python 程序测试、打包、发布等知识；最后，作者结合前面讲述的内容，按照实际项目开发的步骤向读者介绍了10个具有实际意义的 Python 项目的开发过程。

　　《Python学习手册（第4版）》

　　 Google 和 YouTube 由于 Python 的高可适应性、易于维护以及适合于快速开发而采用它。如果你想要编写高质量、高效的并且易于与其他语言和工具集成的代码，《Python学习手册：第4 版》将帮助你使用 Python 快速实现这一点，不管你是编程新手还是 Python 初学者。本书是易于掌握和自学的教程，根据作者 Python 专家 Mark Lutz 的著名培训课程编写而成。

　　这里介绍进阶书籍，也就是有了一定的编程或者 Python 基础，但在实际工作中仍然有许多小问题不知道怎么解决的朋友，可以看看这里.

　　《流畅的Python》

　　 本书由奋战在 Python 开发一线近20年的 Luciano Ramalho 执笔，Victor Stinner、Alex Martelli 等 Python 大咖担纲技术审稿人，从语言设计层面剖析编程细节，兼顾 Python 3 和 Python 2，告诉你 Python 中不亲自动手实践就无法理解的语言陷阱成因和解决之道，教你写出风格地道的 Python 代码。

　　《Python Cookbook 中文版（第 3 版）》

　　 《Python Cookbook（第3版）中文版》介绍了 Python 应用在各个领域中的一些使用技巧和方法，其主题涵盖了数据结构和算法，字符串和文本，数字、日期和时间，迭代器和生成器，文件和I/O，数据编码与处理，函数，类与对象，元编程，模块和包，网络和Web编程，并发，实用脚本和系统管理，测试、调试以及异常，C语言扩展等。

　　《Effective Python：编写高质量 Python 代码的59个有效方法》

　　本书可以帮你掌握真正的 Pythonic 编程方式，令你能够完全发挥出 Python 语言的强大功能，并写出健壮而高效的代码。Scott Meyers 在畅销书《Effective C++》中开创了一种以使用场景为主导的精练教学方式，本书作者 Brett Slatkin 就以这种方式汇聚了59条优秀的实践原则、开发技巧和便捷方案，并以实用的代码范例来解释它们。

　　《像计算机科学家一样思考 Python》

　　本书以培养读者以计算机科学家一样的思维方式来理解 Python 语言编程。贯穿全书的主题是如何思考、设计、开发的方法，而具体的编程语言，只是提供了一个具体场景方便介绍的媒介。

　　《Python核心编程（第3版）》

　　 全书总共分为3部分，第1部分为讲解了 Python 的一些通用应用，包括正则表达式、网络编程、Internet 客户端编程、多线程编程、GUI编程、数据库编程、Microsoft Office 编程、扩展 Python 等内容。第2部分讲解了与 Web 开发相关的主题，包括 Web 客户端和服务器、CGI 和 WSGI 相关的 Web 编程、Django Web 框架、云计算、高级 Web 服务。第3部分则为一个补充/实验章节，包括文本处理以及一些其他内容。

　　最后，再介绍一个有趣的网站，该网站提供了大量 Python 书籍，并按照流行程度来排名，还可以根据不同功能来分组，排名每个月更新一次，经常来逛逛，对于提升 Python 水平还是很有必要的

　　? https://pythonbooks.org/ Python 向来是以第三方库多而全著称的，大多数情况下，当我们想实现一个功能的时候，都可以到网上先搜索一番，也许大神们已经完成了基本开发，我们只需要调用相关的包即可

　　这里总结了近千个 Python 类库，从中也可以看出 Python 生态的完备性

　　下面我们简单介绍几个比较重要且常用的库

　　Web 开发是 Python 的一项主要应用方向，下面介绍三个鼎鼎大名的 Web 开发框架

　　Python 中最流行的 Web 框架，功能非常全面，基本 Web 开发所需要的功能，都已经内置好了，比如安全认证，URL Routing，模板引擎，ORM，还有 Admin 管理后台等等，全部包括。如果是有一定的 Python 基础，那么学习使用 Django 将是一个非常不错的选择。

　　Flask 同样是非常流行的一个 Web 框架，它的特定是轻便，灵活，可定制性强。与 Django 恰恰相反，Flask 原生几乎只包含 Web 开发所需的基本功能，但是用户可以根据自己的需求来添加相应的功能，在保持核心功能简单的同时，实现功能的丰富与扩展，其强大的插件库可以让用户实现个性化的网站定制，开发出功能强大的网站。

　　Tornado 是一个异步网络 Web 框架库，通过利用非阻塞网络 I/O, 可以承载成千上万的活动连接。在需要长连接的场景下使用，效果会更好。正是因为其是为了高并发而设计的，所以在有这方面需求的应用当中，Tornado 的表现要优于 Django 和 Flask。

　　使用 Python 爬虫，是当前业界最为常用的方式，一起来看看三个爬虫必备的库吧

　　requests 库是 Kenneth Reitz 大神的成名之作，据统计，该库是 Python 领域下载使用最多的库，太强了！如果想读 Python 源码的话，那一定要看，感受一下什么是真正的 Pythonic 代码。

　　Scrapy 是适用于 Python 的一个快速、高层次的屏幕抓取和 Web 抓取框架，用于抓取 Web 站点并从页面中提取结构化的数据。Scrapy 用途广泛，可以用于数据挖掘、监测和自动化测试等。

　　pyspider 是一个支持任务监控、项目管理、多种数据库，具有 WebUI 的爬虫框架，有太多的爬虫系统是基于该框架开发的，学习爬虫的朋友一定要好好研究下这个框架。

　　数据分析也是 Python 的一个重要应用领域，无他，唯相关类库强大而已

　　鼎鼎大名的 Pandas 相信大家一定听说过，是基于 NumPy 的一种工具，该工具是为解决数据分析任务而创建的。

　　Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas 提供了大量能使我们快速便捷地处理数据的函数和方法，它是使 Python 成为强大而高效的数据分析环境的重要因素之一。

　　NumPy（Numerical Python）是 Python 的一种开源的数值计算扩展。该工具可用来存储和处理大型矩阵，比 Python 自身的嵌套列表（nested list structure)结构要高效的多（该结构也可