→Python從事崗位？發展前景？

（可參考下圖我做的思維導圖）

1、從事崗位：Python是一門指令碼語言，各種崗位都適用的，發展方向也很多。

① 資料分析：商業資料分析，比如：遊戲，社交產品，金融證券，電商等行業需要對業務流程中產生的資料進行資料分析、視覺化、爬蟲收集資料等，對業務的決策提供資料支援。

② 大資料開發：ETL，Hadoop生態圈等，都可以用Python來寫，搭建大資料叢集，對百萬千萬乃至上億實時和離線資料的整理，挖掘資料中的商業資料。

④開發：Python開發比較少，主要有Django等web框架開發web產品，Python主要還是資料自動化應用得比較多。

2、發展前景：Python的發展前景是非常不錯的。各行各業，只要涉及網路的，都會需要資料分析，網際網路、房地產、餐飲、甚至製造業都看重“資料”這個21世紀的“新能源”。資料可以挖掘業務內部的趨勢，招到問題本質並提供策略支援。此外，現在大火的人工智慧，也是基於大資料的本質，來進行機器學習的，演算法則是為機器學習提供更多的後臺邏輯。

以上是我的看法，希望給你有所參考呢

Python的應用方向主要是如下幾個方面，這幾個方面也都是筆者經歷過的，不過Python作為通用的程式語言，還可以應用到很多很多我們沒有想到的領域。

1.人工智慧開發

AI應用開發實際上可以使用非常多的程式語言，比如Java、C++甚至JavaScript，但是Python無疑是使用最多可以說是處於壟斷地位的AI程式語言，機器學習標準框架Scikit-learn只能用Python開發，深度學習標準框架TensorFlow的主語言是Python，對TensorFlow有非常大威脅的PyTorch也是使用Python語言進行應用開發的。AI開發方向對從業人員有學校、學歷、數學基礎、統計基礎的要求，而且目前主要是大型科技企業有需求，要求從業人員碩士學歷以上、數統或計算機專業畢業。但隨著社會需求的增長與人工智慧產業化的加速，對從業人員的要求肯定會逐步降低，畢竟做AI應用的工程師在使用框架的時候很多演算法只需要呼叫API即可，而無需掌握底層數學理論的推導與演算法設計。

2.資料分析挖掘

傳統資料分析主要是從Excel與資料庫中取資料來分析，現在加上從資料倉庫中取資料進行大資料分析（或稱為資料探勘），而資料探勘就需要掌握機器學習演算法，如果只是使用的話其實挺容易，直接呼叫框架現成的API即可，我們掌握了演算法的使用場合與使用條件就可以很好地應用了，對數學的要求其實並不高，只是數學好對理解演算法的原理有很大幫助；碩士生可以把演算法工程師作為目標，進行演算法設計，資料科學家也主要是進行演算法研究與設計的。當然資料科學中常用的統計學基本概念還是要熟練掌握的。

3.大資料開發

以Hadoop為代表的大資料平臺主要用於儲存與處理海量資料，不過Hadoop的MapReduce資料處理框架需要將HDFS所在的磁碟作為臨時儲存，所以資料處理的效率不高，這樣Spark基於記憶體的資料處理框架就具備替代MapReduce的能力，目前情況也基本驗證了這一點。Spark大資料應用開發可以使用Scala/Java/Python來開發，Python開發大資料應用佔用的市場份額也在逐步提高。

4.Web企業級應用

Web企業級應用開發方向目前主流是Java與PHP語言，大型企業級應用使用Java，中小型應用可以選擇PHP，Python也可以使用Django或Flask框架開發企業級應用，但總體而言Java佔據了霸主地位，Python在企業級應用開發領域想撼動Java的位置現在還看不到希望。

5.自動化測試

自動化測試工程師應該屬於高階測試工程師範疇了，自動化功能測試透過測試指令碼模擬人的動作來測試產品的功能，自動化效能測試透過測試指令碼來模擬多執行緒併發等等。原來自動化指令碼C/Java語言居多,目前的現狀是Python佔據霸主地位，自動化測試工程師言必稱Python，很是恐怖！！

6.自動化運維

自動化運維現在流行的說法叫“智慧運維”，系統級別的任務往往使用Linux Shell指令碼程式設計，業務級別的運維功能使用Python佔絕大多數，筆者在深圳電信工作時就寫過不少Python的運維指令碼。不過高階運維才會讓你去寫Python指令碼咯，需要混不少年才可能有機會，而且需要進的是大公司。