對於初學者而言，的確需要明確自己的Python應用領域是哪些。

Python是一門語言、一個平臺，他的強大在於其平臺上的生態足夠廣泛。對於Python學習者而言，平臺上有哪些領域的庫，那麼你就可以用Python做事情。

下面列出我所知道的

資料處理

Python中的pandas是一個非常優秀的資料處理包，可以讓你靈活應對幾乎任何形式的資料形式。

學Python還不會處理Excel資料？帶你用pandas玩轉各種資料處理

"Python替代Excel Vba"系列（二）：pandas分組統計與操作Excel

資料分析與挖掘

這是一個非常有趣味的事情，想象一下你可以透過一份資料，挖掘事情背後的一些邏輯。

與上一點一致，你可以使用 pandas + 其他輔助包(作圖用 seaborn或其他，快速探索性分析用Profiling包)，讓你快速探索你的資料。

我的相關文章可以檢視:

Python資料分析：挖掘《泰坦尼克號》的秘密

20行程式碼教會Python分析商品評價

Python程式實戰：入門Python不僅讓你少加班，他還可以這麼炫酷

遊戲

使用Python可以做出很多優秀的2d遊戲。使用的庫是pygame。這方面我比較少接觸，你可以網上查閱資料。

當然，有時候你可以做一些無需大量漂亮介面的遊戲。

你可以參考我的相關文章：

用Python做一個有趣的拿石子游戲

Python做人工智慧？讓電腦自己學會玩遊戲，實戰帶你入門機器學習

爬蟲

這個我就不細說了，如果你是用python做資料相關的事情，那麼爬蟲可能是你的必修課。python有足夠多和強大的爬蟲相關的包可以用。目前我也在構想一些爬蟲相關的文章。

我的相關文章：

讓Python爬蟲告訴你-吳彥祖今天不舒服了！網站

python建立網站也十分容易。這方面我從來不使用python做網站，但如果你需要快速建立簡單的網站，可以考慮使用python，而非其他的程式語言。

還有其他很多我不知道的領域～～～

最後

最後想說一下，學習以上每一個領域，最根本的是領域知識而非是否使用python，我之所以選用python做以上的事情，是因為使用python有大量的包可以讓你快速做出事情。

挑選一個你自己感興趣的領域，然後用上你學的python吧。

1、人工智慧方向。目前較為火爆的包括演算法崗，計算機視覺，NLP等，但這塊門檻和難度都較高，而且主要不在Python在演算法。

2、資料處理與分析方向。這個方向主要學習對資料的處理及分析，目前市面上形形色色的崗位很多，包括最近很火的量化工程師，這塊來講主要是學習Python的幾個資料分析相關庫，然後也需要相關領域的知識，做分析的話對數學建模又要求。

3、Python爬蟲，這個方向主要是從指定網站或APP獲取相關資料，然後進行資料清洗篩選出有用的資料，除了相關Python技能外還需要對前端知識有所瞭解。

4、Python後端，這個是最接近常規軟體開發的，大多數Python工程師做的其實也只是這塊。

5、駭客、計算機桌面程式等，這些方向相對來說比較冷門，但Python也是可以做的。

python的優勢就是庫多，基本上只要你能想到的，都可以用python呼叫別人的庫，輕鬆完成工作。

比如說django、flask、pyramid等web框架，可以快速做出一個網站。我一直有計劃做一個各個網站的聚合類簽到器，但是一直沒開工。你可以嘗試一下。

最近我買了個樹莓派。你隨便搜一下，很多樹莓派智慧小車、影象識別的例子。配合樹莓派強大的介面，可以輕鬆做出物聯網產品來。

如果你常用Word、Excel的辦公軟體，也有對應的類庫可以控制文件。最近我學了一點openpyxl，它可以用來操縱Excel文件。你把下面的程式碼儲存成py檔案，然後用pip安裝openpyxl和faker這兩個類庫，就可以執行下面的程式碼了。執行完之後會生成一個Excel文件，裡面包含了一些模擬資料。你甚至還可以用openpyxl生成圖表，openpyxl的功能還有很多，想詳細學習建議自己看文件。

總之，python功能非常強大。你不用非得把python學的多麼好，只要學了一點知識，就可以馬上把它用出來。有了python，生活可以變得更簡單。

from openpyxl import Workbookimport randomfrom faker import Fakerfake = Faker("zh_CN")book = Workbook()ws = book.activews.title = "學生成績表"# 表頭ws["a1"] = "姓名"ws["b1"] = "語文"ws["c1"] = "數學"ws["d1"] = "英語"ws["e1"] = "物理"ws["f1"] = "化學"ws["g1"] = "生物"# 生成50個人的成績for row in range(2, 52): ws[f"a{row}"] = fake.name() ws[f"b{row}"] = random.gauss(66, 20) ws[f"c{row}"] = random.gauss(66, 20) ws[f"d{row}"] = random.gauss(66, 20) ws[f"e{row}"] = random.gauss(66, 20) ws[f"f{row}"] = random.gauss(66, 20) ws[f"g{row}"] = random.gauss(66, 20)# 總計、平均數、方差、標準差ws["a53"] = "總計"ws["a54"] = "平均數"ws["a55"] = "方差"ws["a56"] = "標準差"column = ["b", "c", "d", "e", "f", "g"]for col in column: ws[f"{col}53"] = f"=sum({col}2:{col}51)"for col in column: ws[f"{col}54"] = f"=average({col}2:{col}51)"for col in column: ws[f"{col}55"] = f"=varp({col}2:{col}51)"for col in column: ws[f"{col}56"] = f"=stdevp({col}2:{col}51)"book.save("book.xlsx")

回答一下題主的問題

學Python能用來做什麼~

1.Web應用開發

在因大資料、人工智慧為人所熟知之前，Python 就已經在 Web 開發領域被廣泛使用，產生了 Django、Flask、Tornado 等 Web 開發框架。得益於其簡潔的語法和動態語言特性，Python 的開發效率很高，因而深受創業團隊的青睞。

一些知名網際網路企業和產品將 Python 作為主要開發語言：

Dropbox : 提供檔案分享服務

Twitter : 一家美國社交網路及微部落格服務的網站

Quora : 社交問答網站

知乎 : 社交問答平臺

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。

Battlefield 2 ： 遊戲《戰地2》

gedit ： Linux平臺的文字編輯器

Minecraft: Pi Edition ：遊戲《Minecraft》的樹莓派版本

2.自動化運維

在 Web 開發領域，Python 只是眾多語言選擇之一；但在自動化運維領域，Python 則是必備技能。

靈活的功能和豐富的類庫使其成為運維工程師的首選語言。大量自動化運維工具和平臺或以 Python 開發，或提供 Python 的配置介面。單從 Linux 內建 Python 這一點來看也足見其在伺服器和運維領域的地位。

因此很多公司雖然核心業務不是使用 Python，但在管理系統、運維等方面也大量使用。比如 Facebook 工程師維護了上千個 Python 專案，包括基礎設施管理、廣告 API 等。

3.網路爬蟲

網路爬蟲也叫網路蜘蛛，是指從網際網路採集資料的程式指令碼。對於很多資料相關公司來說，爬蟲和反爬蟲技術都是其賴以生存的重要保障。儘管很多語言都可以編寫爬蟲，但靈活的 Python 無疑也是當前的首選。基於 Python 的爬蟲框架 Scrapy 也很受歡迎。

這個星球上最大的“爬蟲”公司 -- Google 一直力推 Python，不僅在公司內部大量使用 Python，也為開發社群做了巨大貢獻。就連 Python 之父 Guido van Rossum 也曾在 Google 工作七年。

2005年12月，吉多·範羅蘇姆加入 Google。他用 Python 語言為 Google 寫了面向網頁的程式碼瀏覽工具。

4.資料分析

當透過爬蟲獲取了海量資料之後，需要對資料進行清洗、去重、儲存、展示、分析，在這方面 Python 有許多優秀的類庫：NumPy、Pandas、Matplotlib 可以讓你的資料分析工作事半功倍。

5.科學計算

雖然 Matlab 在科學計算領域有著不可取代的地位，但 Python 作為一門通用的程式語言，可以帶來更廣泛的應用和更豐富的類庫。NumPy、SciPy、BioPython、SunPy 等類庫在生物資訊、地理資訊、數學、物理、化學、建築等領域發揮著重要作用。

大名鼎鼎的 NASA早已把 Python 作為主要開發語言，NOAA也不斷藉助Python進行資料下載和分析。

6.人工智慧

Python 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。

同時Python 的優勢在於資源豐富，擁有堅實的數值演算法、圖示和資料處理基礎設施，建立了非常良好的生態環境，吸引了大批科學家以及各領域的專家使用，從而把雪球越滾越大。

*機器學習：Scikit-learn

*自然語言處理：NLTK

*深度學習：Theano、Keras、Google 的 TensorFlow、Facebook 的 PyTorch、Amazon 的 MxNet

這些已經佔據業內主流的工具要麼是用 Python 開發，要麼也提供了 Python 版本。Python 無疑已成為 AI 領域的必修語言。

7.膠水語言

Python 簡潔、靈活、通用，幾乎可以在各種場景與各種平臺、裝置、語言進行連線，因此被稱為膠水語言。有人把它比作小巧而又多功能的瑞士軍刀。除了上面提到的，在其他領域也常常見到 Python 的身影：

*金融：大量金融分析和量化交易工具使用 Python 作為的開發指令碼語言

*遊戲：一些引擎使用 Python 作為開發指令碼，比較有名的遊戲有《文明》系列、網易的《陰陽師》

*桌面應用：雖然不算主流，但 PyQT、wxPython、Tkinter 等 GUI 庫也足以應付一般的桌面程式

最後，在各家公司裡，Python 還常被用來做快速原型開發，以便更快驗證產品概念。而眾多極客也把 Python 作為實現自己天馬行空想法的神兵利器。

有著如此廣泛的應用，再加上簡單易懂的語法，使得 Python 成為一門既適合初學，又值得深入的語言。即使不是程式設計師，能用 Python 寫上一小段程式，呼叫幾個介面，也能極大提升工作效率。

末尾，引用C++大牛Bruce Eckel的一句話

Life is short, you need Python

Python是一門程式語言，應用非常廣泛，我用來做金融資料分析，量化投資。

探討問題與分析思路

本文以Python為量化工具，主要探討以下三個問題：

（1）指數定投的優勢與劣勢在哪？

（2）指數定投受哪些因素影響，是不是時間越長越好？

（3）指數定投策略如何最佳化？

程式設計軟體：基於Python3.7的Jupyter Notebook，使用到的庫包括numpy、pandas、matplotlib、pyecharts和tushare等。

01

國內指數價格走勢

首先，對A股幾個常用的指數歷史走勢進行視覺化分析，直觀反映不同期間股價漲跌情況，其次，計算各期間股指的累計收益率，為後面的指數定投對比分析做鋪墊。

各指數自上市交易以來累計收益率情況：區間拉長，各有千秋。

牛市區間累計收益率情況："2013-01-01"："2015-06-12"：牛市來了，創業板身板輕，飛得更高（摔下來也疼）。

倒V形區間收益率情況："2011-01-01"："2018-12-24"：辛辛苦苦八九年，最後回到解放前。

2018年以來累計收益率："2018-01-01"："2018-12-24"。怎一個“慘”字了得，中小板跌到媽都不認得。

各指數自上市以來累計收益率和年化平均收益率：上證綜指自1990年12月以來累計收益率達到322.98%，但是幾何年平均收益率也只有5.29%，低於中證500、滬深300和中小板指。

02 指數定投策略

指數定投策略：即每月於固定日期使用固定金額投資指數基金。如將每月月初發的工資3000元用於投資指數基金。

下面運用Python定義指數定投的回測函式，假定無風險理財產品收益率為4%（假設而已），每月月初（或者月末）定投3000元購買指數基金，計算各期間累計收益率和累計定投資金。先來看第一個問題，指數定投在什麼情況下優於一次性投資以及無風險理財（銀行定期存款）呢？

微笑曲線（V或W形態）：不難理解，指數定投的優勢在於規避擇時，不怕踩坑，透過長期定額投資分攤成本，當股指呈微笑形走勢的時候，一定是優於一次性投資的，但是否能獲得較高回報，還得看右側回升的幅度大小。如選取區間2007年10月17日至2015年6月12日，該期間是股指自1990年以來的歷史高點6124點開始下跌，然後反彈至5178點，即假設你運氣碰巧那麼差，在最高點當接盤俠，然後每個月繼續傻乎乎的補倉，然後終於運氣來了，在2015年高點全部清倉。如下圖所示，如果你在高點一次性買入然後長期持有，期間累計收益率是-16.48%，而定投的累計收益率卻高達101.03%（每月月初投入），無風險理財的期間累計收益率也只有16.28%。

小微曲線：上圖選擇的“微笑曲線”很優美，剛好是股指兩頭高（右側高才是關鍵），中間低，因此透過每月定投不斷分攤長期成本，獲得超額收益率。那如果右側不是很高呢？再來看另一個區間，2007年10月17日（6124高點）至2009年07月20日（3333低點），如下圖所示，區間累計收益率為-62.31%（佛性），理財累計收益率3.62%，每月月初定投的累計收益率仍然有15.64%（每月月底定投是17.96%，其實統計分析二者並無顯著差異）。可見，一次性買入長期持有策略對擇時的要求非常高，一旦踩了坑（高點接盤），將很難翻身，而長期定投策略則規避了擇時的困擾，在股指短期波動向下，中長期向上反彈的走勢中優勢凸顯。

難過曲線（倒V或M形態）：有微笑曲線，當然也有難過曲線。正所謂，有陰必有陽，有漲必有跌，有得必有失。什麼情況下定投指數策略處於劣勢呢？將回測區間拉長，考察指數從低點-高點-低點、經歷兩次大的牛熊轉換時，指數定投策略的累計收益率情況。如下圖所示，選取區間2006年10月01日（2000多點）至2018年12月24日（2000多點），相當於經過了12年多，股指差不多又回到起點。一次性買入期間累計收益率為36.6%，理財定投累計收益率為27.63%，但是指數定投累計收益率卻為-7.39%（-7.46%），可見，指數定投並非時間越長越好，也並非一直比一次性買入持有策略好。

單邊牛市：即起點為最低點，終點為最高點。選取區間2014年07月1日至2015年06月12日進行回測。如下圖所示，一次性投入並持有的策略明顯優於定投策略。透過上述分析，不難發現，一次性買入並持有策略對擇時要求非常高，即同時在買點和賣點精準把握才能獲取超額收益率，而定投指數策略對買點並無要求，但要求賣點出現在右側才能獲取超額收益。換句話說，指數定投並非毫無目的的一直做長期定額投資，而是要結合一些擇時指標判斷拐點進行“止盈”，才能獲取較高的累計收益率。

03

其他指數情況

股票指數是反映股票市場總的價格水平變化的指標。一般是選取有代表性的一組股票，採取價格加權平均計算得到。各種指數具體的股票選取和計算方法是不同的，只看單一股票指數可能難以反映總體情況。下面對照分析上證指數、深證指數、滬深300、上證50、中小板和創業板指數，由於創業板是2010年才推出，因此下面的分析主要考察2011年-2018年區間。

單邊牛市：考察期間2014年07月01日至2015年06月12日，創業板定投累計收益率最高，達到124.3%，並且定投累計收益率居然高於一次性投入的累計收益率；而上證50定投累計收益率最低，只有63.22%。

倒V形（右側高於左側）：考察區間2011年08月01日至2016年12月24日，創業板累計收益率仍然是最高的，除了創業板外，指數定投策略的收益率均高於一次性投入持有策略。

難過曲線：考察期間2011年08月01日至2018年12月24日，該區間內，上證綜指、深證成指、中證500和中小板指累計收益率均出現了負數，但定投策略虧損較少，其他幾個指數仍有正的收益率，除創業板外，指數定投策略仍然優於一次性投入持有策略。

單邊下行：考察期間2015年06月12日至2018年12月24日，毫無疑問，單邊下行的時候，定投不斷分攤了長期成本，累計虧損率要低於一次性投入。此外，單邊下行的時候，期間內創業板累計跌幅是最大的，正所謂風水輪流轉，山水有相逢。

2018年情況：2018年國內外形勢雲詭波譎，內外夾擊，經濟持續下行，股票市場首當其衝，各大指數均出現了大幅下跌，股民怨聲載道。年初至今，中小板累計虧損高達45.12%（定投：-24.66%）。可見，起風的時候，身子輕的豬可以飛得更高，但摔下來的時候也更慘！

透過上述分析，不難看出指數定投的優勢與劣勢，以及什麼條件下可以獲得較好的累計收益率。巴菲特建議個人投資者最好的投資方式是指數定投，尤其是對於收入來源於每月固定薪酬的普通散戶。為什麼倡導指數定投？其實背後的邏輯是很清晰的，即股市受當前受各方因素疊加影響，短期波動較大，形勢不明朗，但是對股市長期走勢抱有很大希望，這時候做指數定投將是一個不錯的投資策略，儘管短期內可能承受較大的虧損壓力。最後引用基金觀察網上的一張圖片進行總結：“長期國運向好，中期估值合理，短期情緒恐慌，所以此時不定投，啥時再定投？”

05 結語

本文使用Python對A股幾個常見的指數歷史行情進行了視覺化分析，透過構建指數定投策略函式，對不同區間指數定投策略進行了歷史回測，全面展示了指數定投策略的優劣勢、適用性與侷限性。華爾街曾流傳著一句話：“要在市場中準確地踩點入市，比在空中接住一把飛刀更難。”可見擇時是非常困難的，指數定投則規避了這一選擇，透過採取分批買入法，克服了只選擇一個時點進行買進和賣出的缺陷，不斷分攤和均衡長期成本，因此指數定投在中長期看好、短期波動較大的行情中優勢明顯。股票市場短期內是噪音交易佔主導，無論你使用的量化技術多麼複雜高深，可以戰勝市場的唯一方式依然是獲取機率優勢。大道至簡，只有簡單的策略，才能在長期投資中保持高度的穩定機率優勢。

下載影片唄，Python提供了2個免費而又非常實用的網頁影片下載工具，分別是you-get和youtube-dl，無需編碼就可以輕鬆下載包括B站、優酷在內的主流影片網站的影片，下面我簡單介紹一下這2個工具的安裝和使用，感興趣的朋友可以嘗試一下：

you-get

1.首先，安裝you-get，這個直接在命令列視窗輸入命令“pip install you-get”就行，如下，安裝包也就215K，安裝非常迅速：

2.安裝完成後，我們就可以直接在命令列下下載影片了，基本使用方法—“you-get+影片網頁地址”即可，如下，這裡以下載B站影片為例，速度還是非常不錯的：

3.當然，這裡你也可以先檢視網站提供的影片格式（包括高畫質、超清等），然後再選擇需要下載的格式，只需要在you-get命令後面新增一個引數i就行，如下，這裡以優酷上的影片為例，已經列出了所有可供下載的格式：

4.更多功能，包括批次下載影片、本地線上播放等，可以參考官方的幫助文件，直接輸入命令“you-get -h”就行，每個引數及其功能都解釋的非常清楚，一目瞭然：

youtube-dl

1.首先，安裝youtube-dl，這個也直接在命令列視窗輸入命令“pip install youtube-dl”就行，如下，安裝包大概1.8M左右，安裝也非常迅速：

2.安裝完成後，我們就可以直接使用命令列下載影片了，基本使用方式和you-get一樣，輸入“youtube-dl+影片地址”即可，如下：

3.至於批次下載的話，需要先將所有影片的網頁地址複製到一個文字檔案中，然後在命令後新增一個引數a匯入檔案，便可批次開始下載，效果如下：

4.更多功能的話，可以參考幫助命令“youtube-dl -h”，實用引數非常多，包括網路配置、下載設定等，官方解釋的非常詳細，清清楚楚：

至此，我們就完成了you-get和youtube-dl這2個免費Python影片下載工具的安裝和使用。總的來說，這2個工具都非常不錯，使用起來也非常簡單，只要你熟悉一下官方文件，很快就能掌握的，當然，Python的應該非常廣泛，不僅僅侷限於這些，像機器學習、資料處理、網路爬蟲等，都有涉及，網上也有相關教程和資料，解釋的非常詳細，感興趣的話，可以搜一下，希望以上分享的內容能對你有所幫助吧，也歡迎大家評論、留言進行補充。