pythonrestfulapi

A. python要学些什么

Python主要应用在大数据分析，爬虫开发，全栈开发，自动化开发和人工智能。Python之所以薪资高火，是因为在国内刚起步，但在国外和Java一样流行。国内很多人不会，人工智能刚起步。很多国内技术是由国外进来的，例如:微博这样的系统在国外叫Facebook，网络这样的业务在国外叫谷歌。华为这样的业务在国外叫思科，阿里这样的业务在国外叫亚马逊。都是由国外传到国内的；
1:Python薪资高，现在刚火起来在国内，在北上广深行发展一段时间在回二三线城市直接进管理层
2:Python是开发语言里面最简单的上手容易，简单不是说这个语言没含金量，是社会发展到这里了
3:Python是人工智能，自动化开发，数据分析，无人驾驶，无人机开发必备和基础的功底，这代表未来不希望10多年后还要不断学习或者被淘汰就像手动挡汽车，自动挡汽车，无人驾驶，越来越简单越来越方便.用最简单的逻辑实现最复杂的功能是开发语言趋势
4:就业以内部推荐为主，很多单位项目都用Python整改，兼容性，可靠性稳定性更好
5:Python做为国家战略规划已经加入到高中教材和二级考试，没有任何语言这么被重视从小学生抓起，现在少儿编程学的就是Python
课程内容大概讲什么能说下吗？
第一阶段：python开发入门
第二阶段：函数编程+常用标准库
第三阶段：面向对象+网络编程
第四阶段：核心网络编程+数据库
第五阶段：前端开发
第六阶段：web框架开发
第七阶段：web框架开发进阶
第八阶段：爬虫实战
第九阶段：企业项目实战
第十阶段：算法设计模式
第十一阶段：高并发业务解决方案

B. python学什么方面

学习python主要有自学和报班学习两种方式。

Python目前是比较火，学习之后可以从事软件开发、数据挖掘等工作，发展前景非常好，普通人也可以学习。

下面简单列举一些学完Python之后可以从事的工作：

• 软件开发，用python做软件是很多人正在从事的工作，不管是B/S软件，还是C/S软件，都能做。并且需求量还是挺大的；

• 数据挖掘，python可以制作出色的爬虫工具来进行数据挖掘，而在很多的网络公司中数据挖掘的岗位也不少；

• 游戏开发，python扩展性很好，拥有游戏开发的库，而且游戏开发绝对是暴力职业；

• 大数据分析，如今是大数据的时代，用python做大数据也是可以的，大数据分析工程师也是炙手可热的职位；

• 全栈工程师，如今程序员都在向着全栈的方向发展，而学习python更具备这方面的优势；

• 系统运维，python在很多linux中都支持，而且语法特点很向shell脚本，学完python做个系统运维也是很不错的。

想要系统学习，你可以考察对比一下开设有IT专业的热门学校，好的学校拥有根据当下企业需求自主研发课程的能力，建议实地考察对比一下。

祝你学有所成，望采纳。

C. 瀛︿範Python闇瑕佹帉鎻″摢浜涚煡璇

浠ヤ笅鏄痯ython鍏ㄦ爤寮鍙戣剧▼瀛︿範璺绾匡纴鍙浠ユ寜镦ц繖涓璇剧▼澶х翰链夎勫垝镄勮繘琛屽︿範锛氶桩娈典竴锛歅ython寮鍙戝熀纭

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔婸ython寮鍙戝熀纭鐭ヨ瘑瀛︿範鍐呭瑰寘𨰾锛歅ython锘虹璇娉曘佹暟鎹绫诲瀷銆佸瓧绗︾紪镰併佹枃浠舵搷浣溿佸嚱鏁般佽呴グ鍣ㄣ佽凯浠ｅ櫒銆佸唴缃鏂规硶銆佸父鐢ㄦā鍧楃瓑銆

阒舵典簩锛歅ython楂樼骇缂栫▼鍜屾暟鎹搴揿紑鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔婸ython楂樼骇缂栫▼鍜屾暟鎹搴揿紑鍙戠煡璇嗗︿範鍐呭瑰寘𨰾锛氶溃钖戝硅薄寮鍙戙丼ocket缃戠粶缂栫▼銆佺嚎绋嬨佽繘绋嬨侀槦鍒椼両O澶氲矾妯″瀷銆丮ysql鏁版嵁搴揿紑鍙戠瓑銆

阒舵典笁锛氩墠绔寮鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嫔墠绔寮鍙戠煡璇嗗︿範鍐呭瑰寘𨰾锛欻tml銆丆SS銆丣avaScript寮鍙戙丣query&bootstrap寮鍙戙佸墠绔妗嗘灦VUE寮鍙戠瓑銆

阒舵靛洓锛欧EB妗嗘灦寮鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔媁EB妗嗘灦寮鍙戝︿範鍐呭瑰寘𨰾锛欴jango妗嗘灦锘虹銆丏jango妗嗘灦杩涢桩銆丅BSBlog瀹炴垬椤圭洰寮鍙戙佺紦瀛桦拰阒熷垪涓闂翠欢銆丗lask妗嗘灦瀛︿範銆乀ornado妗嗘灦瀛︿範銆丷estfulAPI绛夈

阒舵典簲锛氱埇铏寮鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嬬埇铏寮鍙戝︿範鍐呭瑰寘𨰾锛氱埇铏寮鍙戝疄鎴樸

阒舵靛叚锛氩叏镙堥”鐩瀹炴垬

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嫔叏镙堥”鐩瀹炴垬瀛︿範鍐呭瑰寘𨰾锛氢紒涓氩簲鐢ㄥ伐鍏峰︿範銆丆RM瀹㈡埛鍏崇郴绠＄悊绯荤粺寮鍙戙佽矾椋炲﹀煄鍦ㄧ嚎鏁栾偛骞冲彴寮鍙戠瓑銆

阒舵典竷锛氭暟鎹鍒嗘瀽

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嬫暟鎹鍒嗘瀽瀛︿範鍐呭瑰寘𨰾锛氶噾铻嶉噺鍖栧垎鏋愩

阒舵靛叓锛氢汉宸ユ櫤鑳

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嬩汉宸ユ櫤鑳藉︿範鍐呭瑰寘𨰾锛氭満鍣ㄥ︿範銆佹暟鎹鍒嗘瀽銆佸浘镀忚瘑鍒銆佽嚜铹惰瑷缈昏疟绛夈

阒舵典节锛氲嚜锷ㄥ寲杩愮淮&寮鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嬭嚜锷ㄥ寲杩愮淮&寮鍙戝︿範鍐呭瑰寘𨰾锛欳MDB璧勪骇绠＄悊绯荤粺寮鍙戙両T瀹¤′富链虹＄悊绯荤粺寮鍙戙佸垎甯冨纺涓绘満鐩戞带绯荤粺寮鍙戠瓑銆

阒舵靛崄锛氶珮骞跺彂璇瑷GO寮鍙

Python鍏ㄦ爤寮鍙戜笌浜哄伐鏅鸿兘涔嬮珮骞跺彂璇瑷GO寮鍙戝︿範鍐呭瑰寘𨰾锛欸O璇瑷锘虹銆佹暟鎹绫诲瀷涓庢枃浠禝O镎崭綔銆佸嚱鏁板拰闱㈠悜瀵硅薄銆佸苟鍙戠紪绋嬬瓑銆

瀵逛簬Python寮鍙戞湁鍏磋叮镄勫皬浼欎即浠锛屼笉濡ㄥ厛浠庣湅鐪婸ython寮鍙戞暀绋嫔紑濮嫔叆闂锛丅绔欎笂链夊緢澶氱殑Python鏁椤﹁嗛戯纴浠庡熀纭鍒伴珮绾х殑閮芥湁锛岃缮鎸轰笉阌欑殑锛岀煡璇嗙偣璁茬殑寰堢粏镊达纴杩樻湁瀹屾暣鐗堢殑瀛︿範璺绾垮浘銆备篃鍙浠ヨ嚜宸卞幓鐪嬬湅锛屼笅杞藉︿範璇曡瘯銆

D. Node.js 与 Python 作为后端服务的编程语言各有什么优劣

一. NodeJS的特点

我们先来看看NodeJS官网上的介绍：

Node.jsis a platform built on Chrome’sJavaScriptruntime for easily building fast, scalable network applications.node.jsuses an event-driven, non-blocking I/O model that makes it lightweight and efficient, perfect for data-intensive real-time applications that run across distributed devices.

其特点为：
1. 它是一个Javascript运行环境

2. 依赖于Chrome V8引擎进行代码解释

3. 事件驱动

4. 非阻塞I/O

5. 轻量、可伸缩，适于实时数据交互应用

6. 单进程，单线程

二. NodeJS带来的对系统瓶颈的解决方案

它的出现确实能为我们解决现实当中系统瓶颈提供了新的思路和方案，下面我们看看它能解决什么问题。

1. 并发连接

举个例子，想象一个场景，我们在银行排队办理业务，我们看看下面两个模型。

（1）系统线程模型：

这种模型的问题显而易见，服务端只有一个线程，并发请求（用户）到达只能处理一个，其余的要先等待，这就是阻塞，正在享受服务的请求阻塞后面的请求了。

（2）多线程、线程池模型：

这个模型已经比上一个有所进步，它调节服务端线程的数量来提高对并发请求的接收和响应，但并发量高的时候，请求仍然需要等待，它有个更严重的问题。到代码层面上来讲，我们看看客户端请求与服务端通讯的过程：

服务端与客户端每建立一个连接，都要为这个连接分配一套配套的资源，主要体现为系统内存资源，以PHP为例，维护一个连接可能需要20M的内存。这就是为什么一般并发量一大，就需要多开服务器。

那么NodeJS是怎么解决这个问题的呢？我们来看另外一个模型，想象一下我们在快餐店点餐吃饭的场景。

（3）异步、事件驱动模型

我们同样是要发起请求，等待服务器端响应；但是与银行例子不同的是，这次我们点完餐后拿到了一个号码，拿到号码，我们往往会在位置上等待，而在我们后面的请求会继续得到处理，同样是拿了一个号码然后到一旁等待，接待员能一直进行处理。

等到饭菜做号了，会喊号码，我们拿到了自己的饭菜，进行后续的处理（吃饭）。这个喊号码的动作在NodeJS中叫做回调（Callback），能在事件（烧菜，I/O）处理完成后继续执行后面的逻辑（吃饭），这体现了NodeJS的显着特点，异步机制、事件驱动整个过程没有阻塞新用户的连接（点餐），也不需要维护已经点餐的用户与厨师的连接。

基于这样的机制，理论上陆续有用户请求连接，NodeJS都可以进行响应，因此NodeJS能支持比Java、PHP程序更高的并发量虽然维护事件队列也需要成本，再由于NodeJS是单线程，事件队列越长，得到响应的时间就越长，并发量上去还是会力不从心。

总结一下NodeJS是怎么解决并发连接这个问题的：更改连接到服务器的方式，每个连接发射（emit）一个在NodeJS引擎进程中运行的事件（Event），放进事件队列当中，而不是为每个连接生成一个新的OS线程（并为其分配一些配套内存）。

2. I/O阻塞

NodeJS解决的另外一个问题是I/O阻塞，看看这样的业务场景：需要从多个数据源拉取数据，然后进行处理。

（1）串行获取数据，这是我们一般的解决方案，以PHP为例

假如获取profile和timeline操作各需要1S，那么串行获取就需要2S。

（2）NodeJS非阻塞I/O，发射/监听事件来控制执行过程

NodeJS遇到I/O事件会创建一个线程去执行，然后主线程会继续往下执行的，因此，拿profile的动作触发一个I/O事件，马上就会执行拿timeline的动作，两个动作并行执行，假如各需要1S，那么总的时间也就是1S。它们的I/O操作执行完成后，发射一个事件，profile和timeline，事件代理接收后继续往下执行后面的逻辑，这就是NodeJS非阻塞I/O的特点。

总结一下：Java、PHP也有办法实现并行请求（子线程），但NodeJS通过回调函数（Callback）和异步机制会做得很自然。

三. NodeJS的优缺点

优点：1. 高并发（最重要的优点）

2. 适合I/O密集型应用

缺点：1. 不适合CPU密集型应用；CPU密集型应用给Node带来的挑战主要是：由于JavaScript单线程的原因，如果有长时间运行的计算（比如大循环），将会导致CPU时间片不能释放，使得后续I/O无法发起；

解决方案：分解大型运算任务为多个小任务，使得运算能够适时释放，不阻塞I/O调用的发起；

2. 只支持单核CPU，不能充分利用CPU

3. 可靠性低，一旦代码某个环节崩溃，整个系统都崩溃

原因：单进程，单线程

解决方案：（1）Nnigx反向代理，负载均衡，开多个进程，绑定多个端口；

（2）开多个进程监听同一个端口，使用cluster模块；

4. 开源组件库质量参差不齐，更新快，向下不兼容

5. Debug不方便，错误没有stack trace

四. 适合NodeJS的场景

1. RESTful API

这是NodeJS最理想的应用场景，可以处理数万条连接，本身没有太多的逻辑，只需要请求API，组织数据进行返回即可。它本质上只是从某个数据库中查找一些值并将它们组成一个响应。由于响应是少量文本，入站请求也是少量的文本，因此流量不高，一台机器甚至也可以处理最繁忙的公司的API需求。

2. 统一Web应用的UI层

目前MVC的架构，在某种意义上来说，Web开发有两个UI层，一个是在浏览器里面我们最终看到的，另一个在server端，负责生成和拼接页面。

不讨论这种架构是好是坏，但是有另外一种实践，面向服务的架构，更好的做前后端的依赖分离。如果所有的关键业务逻辑都封装成REST调用，就意味着在上层只需要考虑如何用这些REST接口构建具体的应用。那些后端程序员们根本不操心具体数据是如何从一个页面传递到另一个页面的，他们也不用管用户数据更新是通过Ajax异步获取的还是通过刷新页面。

3. 大量Ajax请求的应用

例如个性化应用，每个用户看到的页面都不一样，缓存失效，需要在页面加载的时候发起Ajax请求，NodeJS能响应大量的并发请求。总而言之，NodeJS适合运用在高并发、I/O密集、少量业务逻辑的场景。

Python的优缺点

优点

简单————Python是一种代表简单主义思想的语言。阅读一个良好的Python程序就感觉像是在读英语一样，尽管这个英语的要求非常严格！Python的这种伪代码本质是它最大的优点之一。它使你能够专注于解决问题而不是去搞明白语言本身。

易学————就如同你即将看到的一样，Python极其容易上手。前面已经提到了，Python有极其简单的语法。

免费、开源————Python是FLOSS（自由/开放源码软件）之一。简单地说，你可以自由地发布这个软件的拷贝、阅读它的源代码、对它做改动、把它的一部分用于新的自由软件中。FLOSS是基于一个团体分享知识的概念。这是为什么Python如此优秀的原因之一——它是由一群希望看到一个更加优秀的Python的人创造并经常改进着的。

高层语言————当你用Python语言编写程序的时候，你无需考虑诸如如何管理你的程序使用的内存一类的底层细节。

可移植性————由于它的开源本质，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）。如果你小心地避免使用依赖于系统的特性，那么你的所有Python程序无需修改就可以在下述任何平台上面运行。这些平台包括Linux、Windows、FreeBSD、Macintosh、Solaris、OS/2、Amiga、AROS、AS/400、BeOS、OS/390、z/OS、Palm OS、QNX、VMS、Psion、Acom RISC OS、VxWorks、PlayStation、Sharp Zaurus、Windows CE甚至还有PocketPC、Symbian以及Google基于linux开发的Android平台！

解释性————这一点需要一些解释。一个用编译性语言比如C或C++写的程序可以从源文件（即C或C++语言）转换到一个你的计算机使用的语言（二进制代码，即0和1）。这个过程通过编译器和不同的标记、选项完成。当你运行你的程序的时候，连接/转载器软件把你的程序从硬盘复制到内存中并且运行。而Python语言写的程序不需要编译成二进制代码。你可以直接从源代码 运行 程序。在计算机内部，Python解释器把源代码转换成称为字节码的中间形式，然后再把它翻译成计算机使用的机器语言并运行。事实上，由于你不再需要担心如何编译程序，如何确保连接转载正确的库等等，所有这一切使得使用Python更加简单。由于你只需要把你的Python程序拷贝到另外一台计算机上，它就可以工作了，这也使得你的Python程序更加易于移植。

面向对象————Python既支持面向过程的编程也支持面向对象的编程。在“面向过程”的语言中，程序是由过程或仅仅是可重用代码的函数构建起来的。在“面向对象”的语言中，程序是由数据和功能组合而成的对象构建起来的。与其他主要的语言如C++和Java相比，Python以一种非常强大又简单的方式实现面向对象编程。

可扩展性————如果你需要你的一段关键代码运行得更快或者希望某些算法不公开，你可以把你的部分程序用C或C++编写，然后在你的Python程序中使用它们。

可嵌入性————你可以把Python嵌入你的C/C++程序，从而向你的程序用户提供脚本功能。

丰富的库————Python标准库确实很庞大。它可以帮助你处理各种工作，包括正则表达式、文档生成、单元测试、线程、数据库、网页浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI（图形用户界面）、Tk和其他与系统有关的操作。记住，只要安装了Python，所有这些功能都是可用的。这被称作Python的“功能齐全”理念。除了标准库以外，还有许多其他高质量的库，如wxPython、Twisted和Python图像库等等。

概括————Python确实是一种十分精彩又强大的语言。它合理地结合了高性能与使得编写程序简单有趣的特色。

规范的代码————Python采用强制缩进的方式使得代码具有极佳的可读性。

缺点

强制缩进

这也许不应该被称为局限，但是它用缩进来区分语句关系的方式还是给很多初学者带来了困惑。即便是很有经验的Python程序员，也可能陷入陷阱当中。最常见的情况是tab和空格的混用会导致错误，而这是用肉眼无法分别的。

单行语句和命令行输出问题

很多时候不能将程序连写成一行，如import sys;for i in sys.path:print i。而perl和awk就无此限制，可以较为方便的在shell下完成简单程序，不需要如Python一样，必须将程序写入一个.py文件。（对很多用户而言这也不算是限制）

NO.1 运行速度，有速度要求的话，用C++改写关键部分吧。

NO.2 国内市场较小（国内以python来做主要开发的，目前只有一些web2.0公司）。但时间推移，目前很多国内软件公司，尤其是游戏公司，也开始规模使用他。

No.3 中文资料匮乏（好的python中文资料屈指可数）。托社区的福，有几本优秀的教材已经被翻译了，但入门级教材多，高级内容还是只能看英语版。

NO.4 构架选择太多（没有像C#这样的官方.net构架，也没有像ruby由于历史较短，构架开发的相对集中。Ruby on Rails 构架开发中小型web程序天下无敌）。不过这也从另一个侧面说明，python比较优秀，吸引的人才多，项目也多。

E. python库有哪些

Python比较常见的库有：Arrow、Behold、Click、Numba、Matlibplot、Pillow等：

1、Arrow

Python中处理时间的库有datetime，但是它过于简单，使用起来不够方便和智能，而Arrow可以说非常的方便和智能。它可以轻松地定位几个小时之前的时间，可以轻松转换时区时间，对于一个小时前，2个小时之内这样人性化的信息也能够准确解读。

2、Behold

调试程序是每个程序员必备的技能，对于脚本语言，很多人习惯于使用print进行调试，然而对于大项目来说，print的功能还远远不足，我们希望有一个可以轻松使用，调试方便，对变量监视完整，格式已于查看的工具，而Behold就是那个非常好用的调试库。

3、Click

现在几乎所有的框架都有自己的命令行脚手架，Python也不例外，那么如何快速开发出属于自己的命令行程序呢?答案就是使用Python的Click库。Click库对命令行api进行了大量封装，你可以轻松开发出属于自己的CLI命令集。终端的颜色，环境变量信息，通过Click都可以轻松进行获取和改变。

4、Numba

如果你从事数学方面的分析和计算，那么Numba一定是你必不可少的库。Numpy通过将高速C库包装在Python接口中来工作，而Cython使用可选的类型将Python编译为C以提高性能。但是Numba无疑是最方便的，因为它允许使用装饰器选择性地加速Python函数。

5、Matlibplot

做过数据分析，数据可视化的数学学生一定知道matlab这个软件，这是一个收费的数学商用软件，在Python中，Matlibplot就是为了实现这个软件中功能开发的第三方Python库。并且它完全是免费的，很多学校都是用它来进行数学教学和研究的。

6、Pillow

图像处理是任何时候我们都需要关注的问题，平时我们看到很多ps中的神技，比如调整画面颜色，饱和度，调整图像尺寸，裁剪图像等等，这些其实都可以通过Python简单完成，而其中我们需要使用的库就是Pillow。

7、pyqt5

Python是可以开发图形界面程序的。而pyqt就是一款非常好用的第三方GUI库，有了它，你可以轻松开发出跨平台的图形应用程序，其中qtdesigner设计器，更是加速了我们开发图形界面的速度。

除了上述介绍的之外，Python还有很多库，比如：Pandas、NumPy、SciPy、Seaborn、Keras等。