學習python不僅僅能很好的對資料進行整理分析，還可以做人工智慧方面，大資料分析，網路爬蟲（比其他語言要簡便），運維，應用開發，科學計算，自然語言處理，web開發，機器學習。。。

anaconda和pycharm，是當前比較熱門的編輯器，

pycharm可以提高開發效率，比如語法高亮，智慧提示，自動完成等，但是檢視資料處理結果不是很方便；

anaconda最大的特點就是集成了Spyder（檢視資料結果非常方便），Jupiter notebook(可以用來當筆記使用)，安裝第三方庫個人感覺比pycharm要方便，缺點就是智慧提示有點呵呵呵；

人工智慧是以後社會發展的趨勢學習人工智慧最簡單的入門語言就是Python，而且也是現在應用的最廣泛的人工智慧語言。Python不僅能做人工智慧，而且它在資料分析和資料爬蟲以及很多包括遊戲開發上面，也有不俗的表現。學會的python不僅僅會為學習生活帶來便利，而且學會python就為入門人工智慧打好了很堅實的基礎。

另外跟從成功人士的腳步能讓我們也邁入成功，現在學習python的成功人士也挺多的，就好像房地產大佬潘石屹現在就在兢兢業業的學習python。

上面說到學習python的重要性，現在具體說下anaconda和pycharm。

anaconda是Python安裝包,在裡邊含有豐富的python庫，對於剛學習py的小夥伴來說，搭建一個方便可用的Python環境，對學習入門至關重要。

anaconda就是這麼一個簡單易安裝，而且功能強大的Python基礎環境安裝軟體。

當安裝好環境以後，有一個好用的開發工具，對於程式設計師和程式設計的小夥伴來說也是非常至關重要的。

在好用的程式設計ide環境裡邊可以看到高亮的語法人一眼就能看出哪裡有語法錯誤，而且還可能很方便的進行程式的除錯以及程式的執行，所以說pycharm對我們來說也是非常有幫助的。

python可以做爬蟲、web開發、資料分析、自動化運維和自動化測試等。

做資料分析的話用anaconda更好些，但是還是要學習python基礎，可以看看百戰程式設計師。

百戰程式設計師IT問題專業解答

學習python不僅僅能很好的對資料進行整理分析，還可以做人工智慧方面，大資料分析，網路爬蟲（比其他語言要簡便），運維，應用開發，科學計算，自然語言處理，web開發，機器學習。。。

anaconda和pycharm，是當前比較熱門的編輯器，

pycharm可以提高開發效率，比如語法高亮，智慧提示，自動完成等，但是檢視資料處理結果不是很方便；

anaconda最大的特點就是集成了Spyder（檢視資料結果非常方便），Jupiter notebook(可以用來當筆記使用)，安裝第三方庫個人感覺比pycharm要方便，缺點就是智慧提示有點呵呵呵；

如果是做資料科學方面的，建議用

anaconda的裡這兩個

Notebook，（瀏覽器介面形式，支援程式碼分段執行，還可以圖片嵌入顯示，你可以將程式碼轉文字，實時的做筆記，這個筆記不是使用註釋能夠比的，反正我覺得挺好用的，）

spyder（左邊是程式碼區，右邊跑 ipython 終端, 可以開啟多個終端. 右邊的 ipython 終端視窗也可以內嵌顯示圖片，也可以執行程式碼小片段，我一開始使用的就是這個IDE，用起來還可以，現在用的比較少了）

如果你做用用python做web開發，我強烈推薦

pycharm

這個IDE的整合度是真的很高，

什麼virtualenv，Docker，Vagrant輕鬆，Git整合 ，

外掛和整合終端以進行版本控制。

在您編碼時向您顯示PEP-8建議

除錯功能，（這個我比較喜歡，用起來很香）

但是這個真的是佔記憶體（我說的是執行記憶體）

整合一鍵建立 web專案，dajngo，flask等

支援你電腦上的各種檔案格式，當然，什麼音樂，影片是不支援的。

有個有社群版和專業版，社群版很多功能都是受到限制的，你可以找找破解版的

Python屬於指令碼語言，其效率很高，所以才有了"人生苦短，我用Python"，這句真理名言，從目前市場上來看資料分析，資料探勘，人工智慧都在使用Python，也因此Python的市場份額一度超越Java，從此可以看出Python的流行趨勢。

資料分析目前也是一個比較火熱的崗位，其前景也是不可估量的，Python作為資料分析的主要開發語言，其效率可見一斑，使用Python做資料分析簡直就是如魚得水，工作效率極高，而且Python擁有的強大的庫，給做資料分析的人也帶來了很大的便利，我自己也在用資料分析這塊，所以感觸非常深刻，跟用Excel做分析，兩者不能同日而語！

再說說pycharm，這個是開發工具，適合做專案的時候使用，此工具對於程式碼提示非常友好，用起來也非常舒服，個人喜歡用這個工具，同anaconda相比之下，敲程式碼簡直不能比，不同的是pycharm安裝第三方庫沒有anaconda方便。

anaconda優點是擁有強大的第三方庫，安裝方便，另外anaconda中的Spyder，Jupyter notebook，jupyter做資料分析是利器，方便操作，簡單，只是程式碼提示不友好，大型專案還是需要使用pycharm，當然anaconda對於程式碼提示這塊不如pycharm

總之，從事資料分析，資料探勘，人工智慧這方面Python是必備技能，而pycharm和anaconda各有利弊，看自己專案的規模，以上就是我的回答，希望可以幫到你！

我是一個科創老師，主要是針對程式設計及STEAM教育，我就在教育領域談談自己的看法吧。

要想知道Python值不值得學，學了有多大作用，我們就必須瞭解下Python的起源，我跟我的學生也是這麼說的，知己需要多去試煉，知彼需要多去發現。Python是由ABC語言演變而成的，ABC語言的敗落到Python的興起，是因為一位荷蘭科學家--吉多範羅蘇姆。他發現了其中的根源，並對ABC指令碼語言進行修改，並取名為Python（蟒蛇）。當時對這門語言的定位就是開源、人人都是創作者，在現在看來好像不算什麼，但是對於20世紀而言，應該是比較少見的。開源及很好的社群效應，吸引了全球大咖加入進來，最終就出現了Python第三方庫（pygame、turtle、micropython庫等等）最終讓很多的軟體工具都變得簡單易操作。

教育工作是一件繁瑣又細緻的活，活好不好，就看你的產出效率如何。

Python在excel表格製作、分析方面，完全幫我解決了很多問題。我知道有人說，Excel表格，你學會了它，那也可以加快效率。首先，我得實際經驗告訴我，不然。因為我懂excel，但每天還是會有很多表格需要去處理、分析，但我掌握了一套表格從製作到分析，完全自己完成的程式後，我得工作就僅僅是監督，大大縮減了我的工作量。

在教學方式上，它也可以幫助到我很多。

Python在製作pdf上面，也可以幫我解決很多問題，別的不說，就說上次學生參加活動的照片，那可是好幾百張啊，我想把這些照片做成PDF格式，再寫成電子書，發給家長觀摩。但在wps找了很多，也沒找到怎麼將圖片一鍵批次轉成pdf，後來用Python實現了功能。當然，後來我也用了同樣的方法，將一些ppt課件、word弄成了可以線上觀看的電子書，還可以設定觀看密匙，很是方便。

在學習上，可以幫助學習國外的先進教育成果

Python也可以製作大型的軟體工具，之前我結合了百度文字識別、圖片識別、百度翻譯等，做了一個閱覽英語圖文的軟體工具，將他封裝成了.exe。可以幫助我去識別圖片上，文字上等一些英文意思。作為一名老師，不能只是去叫學生全面發展，自己卻後知後覺。老師當為先驅，給學生做一些模範。

至於pycharm和anaconda而言

這兩個軟體我都有下載，其實這兩個軟體只是輔助來學習Python、或者說來輔助實現某些程式。但不得不說，各個軟體之間有長有短。

首先說下pycharm

作為Python專業的開發工具，它當仁不讓。不過既然是專業的，那肯定是需要收費的。不過，網上也有很多破解版，我也是下載了破解版（畢竟不是做開發，只是用來解決日常工作問題）。難就難在破解版的下載及安裝上，很多人想跳出試用，並想長期使用pycharm,那就需要很複雜的一套流程，而且在破解中會用到啟用碼，啟用碼隨時都可能失效。如果有人之前是學Java的，我建議可以使用eclipse來進行編譯Python，只需要安裝一個Python編譯就可以。

再來說說anaconda

它在下載方面和使用方面來說，就簡單的多了，一般的下載安裝就可以搞定，裡面也有很多編譯工具，像jupyter notebook、spider等等，都是可以很好地使用Python，但我使用不太習慣，也只有一般做資料分析處理的時候，我才會用它。因為可以實現逐行執行，這點在資料分析上，比pycharm要好一點。

更多精彩，敬請關注！

如果只是基本的資料處理，表格確實夠用了。但如果想入門真正的資料處理，尤其是資料量超過一定級別後，再用表格，就顯得相形見絀了，而Python可以說遊刃有餘。

原因在於Python具有非常多優秀的資料處理庫，比如：NumPy：是python中高效能科學計算和資料分析的基礎包，這個一定要首先掌握，因為他是許多高階工具的構建基礎。pandas：是基於NumPy構建的，是一種快速、強大、靈活且易於使用的開源資料分析和操作工具。matplotlib：是一個用來建立圖表的繪圖包庫，用於在 Python 中建立靜態、動畫和互動式視覺化效果。Seaborn：是一個基於matplotlib的 Python 資料視覺化庫。它提供了一個高階介面，用於繪製具有吸引力且資訊豐富的統計圖形。

既然樓主想更上一層，那Python確實是不二之選。

接下來說說工具

pycharm

pycharm是Python的一個強大的IDE，語法補全，高亮，語法檢查，執行除錯，不但一應俱全而且非常易用。可以讓你更容易的上手Python這門語言。

Anaconda

Anaconda是一個專門用於科學計算的強大工具。內部不但繼承了各種強大資料處理庫，而且集成了用於資料採集和處理的各種環境，無需配置，直接使用。尤其是Jupyter Notebook可以說是資料處理的首選。

選擇建議

推薦Pycharm用來學習python，因為這個IDE確實非常讓人省心，讓你專注於python的學習。而後續的資料處理工作建議用Anaconda，結合Jupyter Notebook可以助你從龐雜的資料中迅速理清頭緒。

如果想系統的學習python的資料處理，推薦大家學習機械工業出版社出版的《利用Python進行資料分析》

Python程式語言近年來勢頭很猛，是TOBIE程式語言榜單前三的常客，並不斷衝擊Java和C的領先位置。

近日，Python軟體基金會（PSF）與Jetbrains聯合釋出了《2019年Python開發人員調查》，這份覆蓋150多個國家，2.4萬開發者和程式設計師的調查，有助於我們瞭解Python未來的現狀和未來發展趨勢。

在調查中，84%的程式設計師將Python作為主要的程式語言，16%將其作為第二語言。

提到使用Python的主要目的，58%的程式設計師既用於工作也用於個人研究；21%的程式設計師使用者個人、教學和獨立專案；21%的程式設計師單獨用於工作。

Python的主要用途方面，59%的程式設計師用於資料分析；51%的用於Web開發；40%用於機器學習。將Python作為資料分析是最常用的方式，一直保持穩定。

關於Python的使用版本，雖然Python 2已經不再維護，但仍有10%的程式設計師在使用。在使用Python 2的使用者中，最大的份額是Web開發，佔45％。

在框架、庫和工具方面，適用於Python的頂級Web框架為Flask和Django，而領先的資料科學框架和庫為NumPy，Pandas，Matplotlib；領先的大資料工具為Apache Spark，Kafka，Hadoop/Mapreduce。

在資料庫方面，PostgreSQL排名第一，領先於MySQL。

Python程式設計師最喜歡哪種雲平臺？AWS佔據了55％的份額，其次是GCP，佔據了33％的份額。在容器中的執行程式碼越來越流行，今年為47％，去年為40％，已經超過了虛擬機器中的執行程式碼。

在編輯器和IDE方面，JetBrains的PyCharm整合開發環境（IDE）市場份額最高，佔33％，其次是微軟的開源跨平臺編輯器VS Code，佔24％的份額。

另外跟從成功人士的腳步能讓我們也邁入成功，現在學習python的成功人士也挺多的，就好像房地產大佬潘石屹現在就在兢兢業業的學習python。

上面說到學習python的重要性，現在具體說下anaconda和pycharm。

anaconda是Python安裝包,在裡邊含有豐富的python庫，對於剛學習py的小夥伴來說，搭建一個方便可用的Python環境，對學習入門至關重要。

為什麼這麼多人在學Python呢？很多小白都聽說Python很火，簡單易學，學起來很容易，學習週期短，可是為啥要學Python呢？，下面談談我對Python的感悟。

在PC時代大量的嵌入式的裝置，底層的程式碼，底層原理，以及底層邏輯運用，以及桌面的應用都是用C、C++實現的，毋庸置疑它們是最接近底層，對底層有著強大的解釋說服力，也是最早的、最快的。隨著2000年電商的大規模的興起，多數人融入到這個大家庭中，逐漸地從PC時代過度到網際網路時代，Java開始王者歸來，再加上2010移動網際網路的爆發Android開始風靡起來，Java更是如日中天，走向了輝煌。那我們現在為什麼要學習Python呢？Python到底是用來幹什麼的？

1、Web開發

Python的誕生歷史比Web還要早，由於Python是一種解釋型的指令碼語言，開發效率高，所以非常適合用來做Web開發，大大提高了做web開發人員的效率。

Python有上百種Web開發框架，有很多成熟的模板技術，選擇Python開發Web應用，不但開發效率高，而且執行速度快，加快了時代的發展。

常用的web開發框架有：Django、Flask、Tornado 等。

許多知名的網際網路企業或者小型公司將Python作為主要開發語言：豆瓣、知乎、果殼網、Google、NASA、YouTube、Facebook……

由於後臺伺服器的通用性，除了狹義的網站之外，很多App和遊戲的伺服器端也同樣用 Python實現，來執行，完成相應的工作。

一個Web應用的本質就是：

瀏覽器傳送一個HTTP請求；伺服器收到請求，生成一個HTML文件；伺服器把HTML文件作為HTTP響應的Body傳送給瀏覽器；瀏覽器收到HTTP響應，從HTTP Body取出HTML文件並顯示。

所以，最簡單的Web應用就是先把HTML用檔案儲存好，用一個現成的HTTP伺服器軟體，接收使用者請求，從檔案中讀取HTML，返回。Apache、Nginx、Lighttpd等這些常見的靜態伺服器就是幹這件事情的，完成這些事情的。

如果要動態生成HTML，就需要把上述步驟自己來實現。不過，接受HTTP請求、解析HTTP請求、傳送HTTP響應都是苦力活，如果我們自己來寫這些底層程式碼，還沒開始寫動態HTML呢，就得花個把月去讀HTTP規範。

正確的做法是底層程式碼由專門的伺服器軟體實現，我們用Python專注於生成HTML文件。因為我們不希望接觸到TCP連線、HTTP原始請求和響應格式，所以，需要一個統一的介面，讓我們專心用Python編寫Web業務。

這個介面就是WSGI：Web Server Gateway Interface。（Web伺服器閘道器介面）

wsgi就是一種規範，它定義了使用web應用程式與Python編寫的web伺服器程式之間的介面格式。無論多麼複雜的Web應用程式，入口都是一個WSGI處理函式。HTTP請求的所有輸入資訊都可以透過environ獲得，HTTP響應的輸出都可以透過start_response()加上函式返回值作為Body。

WSGI介面定義非常簡單，它只要求Web開發者實現一個函式，就可以響應HTTP請求。我們來看一個最簡單的Web版本的“Hello，web!”：

上面的application()函式就是符合WSGI標準的一個HTTP處理函式，它接收兩個引數：

environ：一個包含所有HTTP請求資訊的dict物件；start_response：一個傳送HTTP響應的函式。

在application()函式中，呼叫：

就傳送了HTTP響應的Header，注意Header只能傳送一次，也就是隻能呼叫一次start_response()函式。start_response()函式接收兩個引數，一個是HTTP響應碼，一個是一組list表示的HTTP Header，每個Header用一個包含兩個str的tuple表示。

通常情況下，都應該把Content-Type頭髮送給瀏覽器。其他很多常用的HTTP Header也應該傳送。

然後，函式的返回值"<h1>Hello, web!</h1>"將作為HTTP響應的Body傳送給瀏覽器。

有了WSGI，我們關心的就是如何從environ這個dict物件拿到HTTP請求資訊，然後構造HTML，透過start_response()傳送Header，最後返回Body。

瞭解了WSGI框架，我們發現：其實一個Web App，就是寫一個WSGI的處理函式，針對每個HTTP請求進行響應。

但是如何處理HTTP請求不是問題，問題是如何處理100個不同的URL。

由於用Python開發一個Web框架十分容易，所以Python有上百個開源的Web框架。各種Web框架的優缺點自己去了解一下就可以了，直接選擇一個比較流行的Web框架——Flask來使用。

除了Flask，常見的Python Web框架還有：

Django：全能型Web框架；web.py：一個小巧的Web框架；Bottle：和Flask類似的Web框架；Tornado：Facebook的開源非同步Web框架。

做一個遊戲

2、網路爬蟲

許多人對程式設計的熱情始於好奇，終於停滯，小有成就就止步於此。

距離真槍實幹做開發有技術差距，也無人指點提帶，也不知當下水平能幹嘛？就在這樣的疑惑迴圈中，程式設計技能止步不前，而爬蟲是最好的進階方向之一。

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收集網上的資訊比以前容易很多了，如：

從各大網站爬取商品折扣資訊，比較獲取最優選擇；對社交網路上發言進行收集分類，生成情緒地圖，分析語言習慣；爬取網易雲音樂某一類歌曲的所有評論，生成詞雲；按條件篩選獲得豆瓣的電影書籍資訊並生成表格……

應用實在太多，幾乎每個人學習爬蟲之後都能夠透過爬蟲去做一些好玩有趣有用的事。

例子：爬取網路上的歌曲

3、人工智慧

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有很多庫很方便做人工智慧，比如numpy, scipy做數值計算的，sklearn做機器學習的，pybrain做神經網路的，matplotlib將資料視覺化的。在人工智慧大範疇領域內的資料探勘、機器學習、神經網路、深度學習等方面都是主流的程式語言，得到廣泛的支援和應用。

人工智慧的核心演算法大部分還是依賴於C/C++的，因為是計算密集型，需要非常精細的最佳化，還需要GPU、專用硬體之類的介面，這些都只有C/C++能做到，所有c/c++和P相結合就可以實現人工智慧。

4、Python的其他應用舉例

系統程式設計：提供API，能方便進行系統維護和管理，Linux下標誌性語言之一，是很多系統管理員理想的程式設計工具。

圖形處理：有PIL、Tkinter等圖形庫支援，能方便進行圖形處理。

數學處理：NumPy擴充套件提供大量與許多標準數學庫的介面。

文字處理：Python提供的re模組能支援正則表示式，還提供SGML，XML分析模組，許多程式設計師利用Python進行XML程式的開發。

資料庫程式設計：程式設計師可透過遵循PythonDB-API（資料庫應用程式程式設計介面）規範的模組與MicrosoftSQLServer，Oracle，Sybase，DB2，MySQL、SQLite等資料庫通訊。Python自帶有一個Gadfly模組，提供了一個完整的SQL環境。

網路程式設計：提供豐富的模組支援sockets程式設計，能方便快速地開發分散式應用程式。很多大規模軟體開發計劃例如Zope，Mnet及BitTorrent.Google都在廣泛地使用它。

Web程式設計：應用的開發語言，支援最新的XML技術。

多媒體應用：Python的PyOpenGL模組封裝了“OpenGL應用程式程式設計介面”，能進行二維和三維影象處理。PyGame模組可用於編寫遊戲軟體。

駭客程式設計： Python有一個hack的庫，內建了你熟悉的或不熟悉的函式，但是缺少成就感。