Python 的排名从去年开始就借助人工智能持续上升，现在它已经成为了第一名。但排在前四名的语言 Python、C、Java 和 C++都拥有广大的用户群体，并且他们的用户总量也十分相近。实际上，Diakopoulos 在对公司招聘所要求的基本语言分析中，C 语言的需求甚至还要在 Python 之前。

下面是日常Python在公司的一些基础应用：

1、验证算法：就是对公司一些常见设计算法或者公式的验证，公式代码化。

2、快速开发：这个大家应该都比较熟悉，快速开发，就是用成熟框架，更少的代码来开发网站，Python在网站前后台有大量的成熟的框架，如django，flask，bottle，tornado，flask和django的使用较多，国内用Python开发的网站有：知乎、豆瓣、扇贝、腾讯、阿里巴巴；

3、测试运维：用python实现的测试工具及过程，包含服务器端、客户端、web、andriod、client端的自动化测试，自动化性能测试的执行、监控和分析，常用selenium appium等

框架。做运维同学应该清楚，在Linux运维工作中日常操作涵盖了监控，部署，网络配置，日志分析，安全检测 等等许许多多的方面，无所不包。python可以写很多的脚本，把“操作”这个行为做到极致。与此同时，python在服务器管理工具上非常丰富，配置管理(saltstack) 批量执行( fabric, saltstack) 监控(Zenoss, nagios 插件) 虚拟化管理( python-libvirt) 进程管理 (supervisor) 云计算(openstack) ...... 还有大部分系统C库都有python绑定。

4、数据分析：Python有三大神器：numpy,scipy,matplotlib,其中numpy很多底层使用C语言实现的，所以速度很快，用它参加各种数学建模大赛，完全可以替代r语言和MATLAB。spark，Hadoop都开了Python的接口，所以使用Python做大数据的mapreduce也非常简单，加上py对数据库支持都很好，或者类似sqlalchemy的orm也非常强大好用。

特别是目前，Python在云基础设施，DevOps，大数据处理等领域都是炙手可热的语言。

领域————————流行语言

云基础设施————Python, Java, Go

DevOps——Python, Shell, Ruby, Go

网络爬虫————Python, PHP, C++

数据处理 Python, R, Scala

云平台分为私有云和公有云。私有云平台如日中天的OpenStack，就是Python写的。如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和Java的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。提到基础设施搭建，不得不提Hadoop，很多第三方库封装了Hadoop的API接口(pydoop，hadoopy等等)。这里还是要推荐下小编的Python学习裙:【五 八 八，零 九 零，九 四 二】不管你是小白还是大牛，小编我都欢迎，不定期分享干货，包括小编自己整理的一份2018最新的Python资料和0基础入门教程，欢迎初学和进阶中的小伙伴。在不忙的时间我会给大家解惑。

DevOps

DevOps有个中文名字，叫做开发自运维。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。

自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox, flake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预安装什么软件。

自动化测试方面，基于Python的Robot Framework企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。Locust在自动化性能测试方面也开始受到越来越多的关注。

自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代Ansible和SaltStack——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。

在系统监控与度量方面，传统的Nagios逐渐没落，新贵如Sensu大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。

除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如Cloudify和Deis，虽未成气候，但已经得到大量关注。

网络爬虫

网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。

数据处理

Python也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言提供了非常好的支持。

对了，还有iPython，这个工具如此有用，iPython Notebook的笔记本文件可以共享给其他人。

为什么是Python

正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。

对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行import this，Python社区一直非常有活力，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。

对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。

对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——如何解决问题。

顺便提一句，微软高调宣布提高Python在Windows上的编程体验，包括Visual Studio支持Python，优化Python的C扩展在Windows上的编译等等。脑补下未来Python作为Windows默认组件的场景。

如此可见Python号称全栈式语言是肯定有道理的。

目前来学的人群分为以下几类：

第一类：入行编程新手：大学刚毕业或者其他行业转岗，想从事编程开发的工作，目前认为Python比较火，想入行；

第二类：Linux系统运维人员：Linux运维以繁杂著称，对人员系统掌握知识的能力要求非常高，那么也就需要一个编程语言能解决自动化的问题，Python开发运维工作是首选，Python运维工资的薪资普遍比Linux运维人员的工资高。

第三类：做数据分析或者人工智能：不管是常见的大数据分析或者一般的金融分析、科学分析都比较大程度的应用了数据分析，人工智能的一些常见应用也使用了Python的一些技术。

第四类：在职程序员转Python开发：平常只关注div+css这些页面技术，很多时候其实需要与后端开发人员进行交互的，现在有很多Java程序在转到Python语言，他们都被Python代码的优美和开发效率所折服

第五类：其他：一些工程师以前在做很多SEO优化的时候，苦于不会编程，一些程序上面的问题，得不到解决，只能做做简单的页面优化。 现在学会Python之后，可以编写一些查询收录，排名，自动生成网络地图的程序，解决棘手的SEO问题。