学习Python可以参考回答：https://www.wukong.com/question/6621147311907012872/
Python可以用来做：
Web 应用开发、自动化运维、网络爬虫、数据分析、科学计算、人工智能，还可以用在各种场景与各种平台、设备、语言进行连接，因此被称为胶水语言。
相关岗位：
Linux运维
Python web网站工程师
Python web全栈工程师
Python自动化测试
Python 爬虫开发工程师
数据分析师
网络编程工程师
......
16岁学python什么都可以干。
学技术越早学习越容易成为高手。这就是为什么伟人说计算机要从娃娃抓起。可是一般的小孩儿为了高考年龄太小的时候，不可能花太多时间来学习计算机。当后来方向确定之后，完全可以开始。学习自己喜欢的东西，所以16岁学python是非常好的年龄。
谢谢邀请！
Python语言目前是IT行业内最流行的编程语言之一，而且近几年Python语言的上升趋势非常明显，所以学习并掌握Python语言对于初学者来说是不错的选择。由于Python的应用领域比较广泛，所以目前Python方面的岗位也比较多，就业还是相对比较容易的。
虽然Python语言的岗位比较多，但是由于Python语言比较简单易学，不少程序员也在陆续转向Python开发领域，其中Java程序员比较多，所以对于没有计算机基础的初学者来说，岗位竞争压力还是比较大的。
对于基础比较薄弱的初学者来说，要想提升自身的岗位竞争力，需要从以下几个方面入手：
第一：选择人才缺口相对比较大的方向。要想提升岗位竞争力，最好学习人才缺口比较大的方向，同时具有一定的发展前景，当前大数据、人工智能等方向就是不错的选择。Python语言在大数据和人工智能领域有广泛的使用，而且大数据相关方向的人才缺口比较大，竞争相对没有Web开发那么激烈。
第二：丰富知识结构。在学习Python语言的过程中，一定要逐渐补学计算机基础知识，包括操作系统体系结构、数据结构、算法设计、数据库等内容，这些内容对于后续的学习具有较大的帮助作用，而且要想在大数据和人工智能领域走得更远，一定要注重算法知识的学习。
第三：加强实践能力的培养。学习Python语言一定要多做实验，编程语言说到底就是一种工具，只有多使用才能逐渐熟悉并建立起自己的编程思想。
我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。
如果有互联网方面的问题，或者考研方面的问题，都可以咨询我，谢谢！
Python作为一种应用极为广泛的语言，几乎在任何领域都能派上用场。想做Web有Flask/Django/Tornado；想做分布式有Celery；想做手机App有Kivy；想做数据分析有Pandas；想做可视化有Matplotlib/Seaborn/Plotly/Bokeh；想做机器学习有Tensorflow/PyTorch/MxNet……
夸张一点说，几乎没有什么做不了的东西（笔芯）。小慕今天分享两个可以用Python做的非常好玩的事情，大家都可以试试看~一、面部识别得益于大量前人的工作，如今利用Python做一些简单的计算机视觉工作已经变得非常非常简单了。像人脸识别、面部特征提取之类的工作，就可以直接拿来用，极少需要自己实现繁琐的算法。
DLib就是一个这样的C++库，而同时它也提供了Python接口。
想必大家都有过在办公室遭遇boss探视的经历，而此时此刻你却在毫无自知地逛着淘宝/知乎/豆瓣，场面一度十分尴尬……
那我们就来尝试一下，用Python通过摄像头探测人脸。如果有人进入了摄像头范围，则让Python提出一个通知，告诉你——赶紧把不相关的东西关掉！
整个代码很短，无非几十行，为了能够使用，我们还需要安装一些包和库。这里需要用到的包括OpenCV和DLib。由于dlib需要boost-python，因此还需要安装boost和boost-python。（注意：boost-python默认情况下只编译python2依赖的库，如果使用python3，需要加编译开关；而dlib里是没有探测python版本的，所以可能还需要做一些小hack或者是直接改boost-python库里的文件名）
至于代码，可以简单地放出来：
import cv2import dlibfrom subprocess import callfrom time import timeFREQ = 5FACE_DETECTOR = dlib.get_frontal_face_detector()# macOS下可以使用AppleScript发送通知def notify(text, title):cmd = r'display notification "%s" with title "%s"'%(text, title)call(["osascript", "-e", cmd])if __name__ == '__main__':# 初始化摄像头cap = cv2.VideoCapture(0)# 创建绘图窗口# cv2.namedWindow('face')notify_time = 0while True:# 获取一帧ret, frame = cap.read()# 不需要太精细的图片frame = cv2.resize(frame, (320, 240))# 探测人脸，可能有多个faces = FACE_DETECTOR(frame, 1)for face in faces:# 提取人脸部分 画个方框# fimg = frame[face.top():face.bottom(), face.left():face.right()] # cv2.rectangle(frame, (face.left(), face.top()), (face.right(), face.bottom()), (255, 0, 0), 3) # 不超过FREQ秒一次的发提醒if time() - notify_time > FREQ:notify(u'检测到人脸', u'注意')notify_time = time()# 画到窗口里# cv2.imshow('face', frame)# 按Q退出if cv2.waitKey(500) & 0xff == ord('q'): break# 清理窗口 释放摄像头# cv2.destroyAllWindows()cap.release()代码的原理很简单：通过opencv捕获摄像头获取的图像，然后交由dlib的face detector进行检测。如果检测到脸部，则通过AppleScript发出系统提醒（notify函数即通过process执行AppleScript发出提醒，如果你使用的是Windows，也可以替换成别的内容，例如Win下使用VBScript发出弹窗提醒）。
当然，既然检测到人脸，那就不仅仅只是能做简单提醒了。还可以做的事情包括多张照片的脸部变形合成——比如，找出你和你女朋友的照片来做个夫妻相合成什么的……
或者，提取所有的标志性点，给人脸合成出意外的表情或者哈哈镜效果。
甚至可以借助其它的深度学习网络进行人脸识别。这算是超级弱化版的脸部识别，比不上FaceID但也挺好玩，不过计算量就不容乐观了。
顺便说一句，什么人脸识别关掉不该看的东西，对小慕来说不存在的，人家上班刷知乎可是经过老板点头的！（骄傲脸叉腰）
二、数据分析来分析下Marvel 今年的最后一部戏：「雷神3：诸神的黄昏」。前一段时间满天飞的预告片，神秘博士的客串，绿巨人的出演，看得人十分兴奋！来张大图：
大家对于这部电影的评价是怎么样的呢？小慕爬取了2w条豆瓣影评，做一个简单分析。
先来看看豆瓣的短评：
这里只抓取了前2w条评论，说一个小技巧，喜欢写爬虫的小伙伴们注意了：爬取的网页一定要缓存到本地！这可以减少解析网页时出错，避免需要重新再爬一遍的「尴尬」！另外这能给服务器减少负载，人家网站管理员看你的请求还算守规矩，也就不会封你账号/ip啦！
代码大概是这样的：
下面是缓存下来的网页文件：
既然有2w多条数据，怎么能直接写sql，那会累死的……于是要来封装一下操作数据库的逻辑：
来看看效果，除去部分出错的，还剩下19672条：
具体的数据是长这样的：
另外，赞同数量排名第一 卷耳 君的影评实在是太有意思了：
第一部：《爸爸，再爱我一次》
第二部：《哥哥，再爱我一次》
第三部：《姐姐，再爱我一次》
ps:托尔终于从锤神变成了雷神
锤子之神这个梗小慕表示能玩一年（手动微笑脸）。
光有数据还不足以说明什么，深入分析一波：细心的小伙伴一定发现了，雷神明明是11月3号才上映，为啥10月份就有影评了？小慕猜测，这肯定是漫威铁杆粉跑国外看了，一查发现，果然人家洛杉矶10月10号就上映了：
既然关心到日期，可以来统计一下周一到周日哪天去看电影的人比较多：
整体数据显示：果然还是周末去看电影的人更多……周一数据高于二、三、四的原因，不知道是不是没有周末的朋友调休去看的？
PS： 数据库里的日期是2017-10-25格式的：怎么快速让他显示成周X呢？ 这里只要写个小函数就行：
从数据库里读数据和统计的方式在这：（后面的统计方式也都类似，就不每次都把代码放出来啦）
说了这么多还是没提到电影的受欢迎程度，直接放图：
总体上看还是推荐的人比较多耶，这应该挺符合大家的预期，毕竟是漫威出品，光忠实粉丝就不计其数。更何况这个片子里出现了很多超级火爆的场面戏，还有各种超级英雄助阵，这样的统计结果也就不足为奇了。
最后将排名前100的评论内容做了一下分词，做成词云：
至于补充提问中提到的这为什么适合用Python做，其实说到底就是用Python来抓取和处理各种数据都非常「顺手」。
据小慕所知，目前的数据工作中，数据科学家使用最多的工具语言就是Python，排在第二的工具语言是R语言。但这里有一个有趣的现象，那就是同时使用Python或者R语言的人，推荐别人使用Python的却远高于R语言。Why?
答案是：1. Python简单易学，极其容易上手，语法简单，处理速度会比R语言要快，而且无需把数据库切割。
2. 市场前景好，是目前的趋势，就业也会更容易。
3. 标准库非常庞大，特别的“功能齐全”，可以处理各种工作，其中就包含抓取和处理数据。
所以，有一种说法是：python语言在工程方便比较实用，R语言则更受学术界欢迎。具体是否赞同这种说法，还要看大家自己的理解咯~其实除了小慕举例说的这两种有趣的事情，Python能做的还有很多，在此不一一列举，如果感觉get到了新姿势，记得回来点赞啦~
程序员学习交流请添加慕课网官方客服微信：mukewang666回复暗号“前端面试”可进前端交流群回复暗号“Java”可进Java交流群回复暗号“专栏”可进程序员交流群总结，以上就是关于学python可以做什么以及如何快速学习Python编程？学会后有什么用处，可以做什么职业的经验分享，卡友有疑问可以加wx或扫码加群！
版权说明：Copyright © 广州京杭网络科技有限公司 2005-2024 版权所有 粤ICP备16019765号
广州京杭网络科技有限公司 版权所有
免费热线：400-683-0016
扫二维码关注公众号
当前位置：