不管你是待业还是失业，在这个被互联网围绕的时代里，选择python软件开发学校，就多了一项技能，还怕找不到工作？，还怕不好找工作？小编就来告诉你这个专业的优势到底体现在哪里：为什么我不建议你学python？，为什么我不建议你通过 Python 去找工作？，学python用什么开发软件？，搭建 Python 高效开发环境： Pycharm + Anaconda??。
1.为什么我不建议你学python？
作者 | 玉面玲珑颜如玉转载自 | 脚本之家（ID：jb51net）原文地址 | 为什么我不建议你搞Python之所以从事Python是因为很不爽PHP的语法，虽然PHP被称为世界上*的编程语言。于是，为了这个原因，付出了沉重的代价,失业了好几回。身边有些人时不时总是会问我一些Python的技术问题，但是大多数情况下都是比较基础的。要不是近几年Python火了起来,说不定我真的转行送外卖了。对于Python这么语言，可以当作一门兴趣或爱好来学习，但是若是想找到份好的工作还是谨慎为主，这也是为什么不建议你搞Python的原因。Python学习热 VS Python就业市场广阔Python流行起来实话说是意料之中的事情，只是没有想到它是那么的快。在14年的时候,实在无法忍受PHP那美元符号和分号的结尾，于是开始入坑Python。那时的Python，市面上只有寥寥几本的书籍可以参考。至于廖雪峰的Python入门教程，看了2篇就放弃了，写的实在太浅显。当然，后来他也写了些高级的教程，有兴趣的可以看看。然而,Python仍然是门小众的语言。有多么小众呢？你可以上拉钩或BOSS直聘上搜索下，基本上一线城市除了北京、上海外，其他区域来来去去就那么10-20家公司，而且这些公司中80%都是创业公司。曾经,我在1年中入职了2家Python的公司，前1家公司我才进去3个月就倒闭了。为什么呢？没人用它搞业务啊。当前Python比较适合的业务主要有：数据分析、信息安全、系统运维、应用测试运维就不用说了，现在基本都是自动化时代了。而数据分析中，说的最多的就是爬虫。实际上，它跟分析没有太多的关系。常见的反倒是一些报表的导出功能。再高级一些的就是什么大数据了。对于信息安全，完全可以说是石器往青铜时代过渡。虽然有这样的大杀器，然而很多事情还待人为实现。对于如下的一些业务还是谨慎使用:GUI开发嵌入式开发首先GUI开发,现在不是热门业务。即使有这业务,也只会是Windows的GUI，人家有MFC，跟你Python没有半毛钱关系。如果你要用PyQt5写个界面，还不如用Electron，人家内存管理方面做得反倒更好些。至于嵌入式开发，还是老老实实学习C语言和汇编吧，不要指望Python能在里面帮上什么忙。当然，做做应用级别的业务，什么语言都是可以的。对于Web开发，可以选择的余地就更多了。前有Java深耕市场多年，后有nodejs来势汹汹，下有Golang虎视眈眈。而Python在这个市场中能分到的梗真心不多，而且很大一部分都是Django带来的。这几年Flask的流行，让不少人体会到了Python的简洁。然而，真的好用的还是Pyramid这个名不见经传的框架(仅本人自身观点,可以挖掘很多有意思的东西)。理性的回归2021年是个疯狂的一年,资本的市场风起浪涌。相比2021年，反倒平静了许多。理性的回归，资本也逐渐回归到正常。有位哥们说他公司现在前端最火，他的Java都要退居二线了。随便随便1个3年的前端，动不动就要求薪资*16K。如果放在16-17年完全是有可能的事情,而放在19年只能说是痴人说梦。因此19年还是要多从自身的学习做起，多沉淀自身的技术。当然随便学习下技术之外的东西，一些赚钱的方式总是在你认知之外的地方。你完全可以把学习Python当作一门投资，至于有没有回报就不要太看重了。错入一行误半生之所以不建议从事Python的问题在于，你以为从事Python是门轻松的事情，然而却选择了条艰难的不归之路。不得不说,在从事Python的这几年中，每天都在朝九晚六中度过，还时不时要找点事情做做。虽然薪水没有Java大佬们那么高,然而生活还是过得有滋有味。为什么呢?Python效率高的。效率有多高,直接pip装个包就好了。每次看到Java的大佬在用maven或grade安装依赖时，就默念还是pip好用，至少还有个进度条知道还需要多久能完成。至于npm就不谈论了，再说下去就会沦为语言之争了。如果你觉得从事Python是件轻松的事情，那么混吃等死的日子就会到达尽头。有时你拍着胸脯跟BOSS说，这个东西我半天就能完成，结果现实狠狠的闪了你一个耳光。举个简单的例子，比如报表导出word是个很常见的业务输出，如果要在word中输出对应的目录，那真的是件可怕的事情。因为python常用的docx库根本不支持，而Java的POI及PHP的phpword是支持的,结果为了你的无知不得不加班。然而，闲着无事又会激发自身的瞎折腾，不然没法对上级交待。这里也要庆幸总是遇到些好的领导，鼓励你多学习一点。于是，逐渐的就变成了1个打酱油的人物，救火版的存在。别人搞不定的东西，你花个半个小时完美解决。什么Win32 API编程，GUI编程，数据报表、分析，打补丁甚至开发外挂样样都过了一遍。结果，2-3个人做了1个团队5-6个人的活，钱还是那么多。当你从事Python久了，就会发现自己的知识是多么的零少。结果，又不得不推动着你系统的学习一遍，从而每天都在信息量巨大的日子中度过漫漫长夜。举个最简单的例子，在股票技术面的分析中，什么K线分析是常用的方法。此时你用Python来折腾，是个很不错的主意。结果，你不得不学习点金融的知识来扩充。于是事情就开始变得不可控制和确定了。当然,结果会是有意思的。曾经在某个夜里，自己通过Python分析的几只股票的组合的收益率达到了20%，我几近失眠了。我从来没有想到，事情是那么的简单且来的不容易。作为1个发了工资就还花呗的人来说,余额宝的收益率才3%而已。即使我1年存了1W，1年后利息也才300。而我用1-2个月的时间，却达到了20%的收益，那种欣喜有点佩服自己，只是后悔当初投入太少。于是，后来慢慢了解到Python在量化分析中大有用途，虽然没有什么大公司用它进行实时交易。但是，不得不说Python是门很不错的分析语言。Python作为1门派语言，只有在重点高校才会存在的语言，有其独到的先天优势。相比其他分析的工具，如R、Matlab，Python使用起来更人性化些。特别是开发外挂的时候，当然这涉及到黑产的部分内容，就不展开说明了。你会发现Python写起来的效果只是比易语言稍微复杂一些。抛开信息安全的领域，虽然数据分析动不动就是7位数的收入。但是，要成为1位数据科学家也不是件容易的事情。之所以能给你这个价位的薪资，是因为你自身能提供对应的数据观点，换句话你能挖掘出大数据后的商机。这必定是个缓慢的过程。很多人没有坚持到那么一步就放弃了，还不如早点找些收入稳定的渠道，避免错过机遇与财富的积累。如果能理性对待，清楚认知自己的当前情况，才知道该岗位是否适合自己。结语对于Python，建议可以学习下，但是如果想靠他找到份工作就要谨慎些。毕竟，决定你工资的是你的稀缺程度，如果没有业务的支撑，即使你再精通也是瞎扯。如果期望高薪资的话，还是建议从事Java或C、C++的岗位。如果想快速找到工作，还是建议从事前端或PHP的岗位。而对于想多方面发展，想折腾自己的人，建议来混混Python的岗位,每天"混吃等死"。
2.为什么我不建议你通过 Python 去找工作？
二哥，你好，我是一名大专生，学校把 Python 做为主语言教给我们，但是我也去了解过，其实 Python 门槛挺高的，所以我在自学 Java，但是我现在并不清楚到底要不要全心的去学 Java，学校里的课程也越来越繁重，而学 Java 又会要投入很多精力，我很纠结疑惑。希望二哥可以给一点建议。二哥看到的话还望百忙之中抽一点时间。感谢！ 这是读者“前进一点”在微信上问我的一个问题，我当时给他的回复是“Python 挺火的，学 Python 就好。”但当我在 B 站上看了羊哥的一期视频后，深感懊悔，觉得自己给出的建议是不负责任的。意识到自己的问题之后，我就赶紧给读者“前进一点”发了一条信息道歉。另外，回想起之前还有一些读者问过我类似的问题，我的答案都不够严谨，因此打算特意写一篇文章来反省一下。羊哥视频里面分享的内容还是非常严谨的，他认为，Python 应用的方向主要有 5 个方面：人工智能和机器学习数据分析爬虫Web 开发自动化测试有理有据，所以我完全认同羊哥的观点。01、人工智能和机器学习人工智能和机器学习是 Python 应用的重头戏，但这方面的岗位对学历的要求非常高，高到我自己都应聘不上，非常残酷。在招聘网站上大致浏览了一下，我发现，这方面的岗位不算多，但工资挺给力的，在 15K- 30K。不过，招聘信息上直接说了，“我们的程序员小伙伴都毕业于 211/985 学校”，就这一条，我就会被拒之门外。学历硬伤啊，所以应聘“人工智能和机器学习”这方面的岗位很难，扎心，谁叫咱不是学霸呢。考虑到我的读者已经蔓延到了*生群体，我得郑重其事地说一句，“如果你喜欢学习，那就好好学，别在该学习的年纪浪费了青春。”哎呀，我去，说这句话真有点拿自己做反面教材的感觉。我上*的时候，一直是*名，因为学校的招生范围就我们村那么大，一共也就三四十名学生。等到上了*，一直保持前四，因为学校的招生范围就我们乡那么大，一共也就三四百名学生。等到上了高中，一直保持学校，但在整个县城是没有任何优势的。真的是天外有天，人外有人，大部分人都是平凡的，普通的，所以这方面的岗位竞争真的很难。02、数据分析一般的小公司，比如说我就职过的公司，完全就没有数据分析的必要性，因为重点是在产品上，如何做好产品吸引来用户才是重点。如果说产品的用户数量少，数据就完全发挥不出价值。那也就意味着，数据分析工程师的岗位会相对较少，毕竟有大数据的公司屈指可数。但说实话，这个岗位的薪资还是非常给力的，发展前景也好。如果学习能力强的话，硬指标过关的话，可以尝试。工资高，通常的原因是供不应求，也就是说岗位多，但人才少。但实际情况是，数据分析的岗位少，符合要求的人才更少。在公司只是在重复操作 SQL、Excel 等基础工具的数据分析员很容易被自动化工具替代，又扎心了。大专院校把 Python 作为主语言来教的话，我想肯定不是奔着这两个方向（人工智能、机器学习和数据分析）来的。*个原因就是学历的问题，第二个原因就是教师不一定能教得会，更别说学生能不能学会了。03、爬虫关于爬虫，不得不提一下羊哥视频评论区的一句话，不管是不是段子，我觉得挺值得深思的。 我有个同学搞爬虫被带走了，还好他不是主犯，就是登记了一下。 爬虫是近些年非常火热的一个话题，连我都买了一本爬虫入门的书，准备学一学，无奈 Java 方面可写的素材越来越多，这个计划一直未能成行。什么是爬虫呢？可能有些不是程序员的读者不太清楚，我找百科问了问，它说，“爬虫，又称网页蜘蛛，是一种按照一定规则，自动抓取互联网信息的程序或者脚本。”在知识付费的大环境下，这种爬虫就有点麻烦。拿我来说吧，我希望自己的文章只发表在我希望发表的平台下，假如其他平台在未经我的授权下，就把我的文章爬走，放在自家平台上，我就觉得知识产权受到了破坏。文章还好，是我愿意公开的，如果涉及到一些隐私信息被爬取，那就更糟糕了，是吧？现在很多平台都在做反爬，并且做得越来越好，这就在一定程度上有点“魔高一尺道高一丈”的意味，所以，爬虫方面的工程师还是蛮不容易的。04、Web 开发用 Python 做 Web 开发的大型互联网公司我听说的不多，羊哥说豆瓣以前用的是 Python，现在也不用了。不管怎么说，如果拿 Java 来和 Python 相比的话，显然在 Web 开发方面的优势巨大。不管是从技术框架上，还是性能上，以及应用的规模上，同等条件下，Java 工程师显然更吃香啊。很多培训机构夸赞 Python 在 Web 开发方面有着巨大的优势，开发效率高，速度快。嗯，其实我觉得应该是因为 Python 的语法简单，容易教——这恐怕是主要原因啊，我这样说会不会被社会毒打？这样吧，我给小伙伴推荐一个网址： Django 的，一个广受欢迎且功能完整的服务器端网站框架，Python 写的，并且是 MDN 出品，最重要的是，免费的。05、自动化测试说句实在话，Python 的自动化测试还是应用非常广泛的，考虑到框架的脚本质量，测试用例的简单性，以及运行模块可能存在的技术弱点，我给大家推荐五款 Python 的测试框架。1）Robot Framework，主要用于测试驱动类型的开发与验收中。2）Pytest，特点是开源、易学。3）PyUnit，针对单元测试的 Python 类自动化测试框架，收到 Junit 的启发。4）Behave，允许团队执行 BDD（行为驱动开发，behavior-driven ） 测试。5）Lettuce，专注于具有行为驱动开发特征的普通任务。06、*以上观点都是我个人主观给出的，不一定正确哈，仅做参考。如果说，有些读者的学历非常牛逼，然后学习能力也非常强，那么选择人工智能、机器学习、数据分析，我觉得前途是光明的，既能赚钱，待遇又好，还不可替代，不学 Python 绝对亏。如果说，有些读者学历一般，做程序员仅仅是为了糊口饭吃，那么我觉得可以把 Python 作为第二语言来学，不要当做主语言。搞点范围许可内的爬虫，自动化测试，我就觉得挺好的。况且 Python 这门语言本身是非常优秀的，不然怎么搞人工智能，海量数据分析，对吧？如果觉得文章对你有点帮助，请微信搜索「 沉默王二 」*时间阅读。 本文已收录 GitHub，传送门~ ，里面更有大厂面试完整考点，欢迎 Star。 我是沉默王二，一枚有颜值却靠才华苟且的程序员。关注即可提升学习效率，别忘了三连啊，点赞、收藏、留言，我不挑，嘻嘻。
3.学python用什么开发软件？
Python开发软件可根据其用途不同分为两种，一种是Python代码编辑器，一种是Python集成开发工具，两者的配合使用可以极大的提高Python开发人员的编程效率，以下是常用的几款Python代码编辑器和Python集成开发工具。一、Python代码编辑器1. Sublime Text是一款非常流行的代码编辑器，支持Python代码编辑，同时兼容所有平台，并且丰富的插件扩展了语法和编辑功能，迅捷小巧，具有良好的兼容性，很受编程人士的喜爱！2. VimVim和Vi是一种模型编辑器，它将文本查看从文本编辑中分离，VIM在原始VI之上做了诸多改进，包括可扩展模型和就地代码构建，可用于各种Python开发任务！3. AtomAtom被称为“21世纪可破解的文本编辑器”，可以兼容所有平台，拥有时尚的界面、文件系统浏览器和扩展插件市场，使用Electron构建，其运行时安装的扩展插件可支持Python语言！4. GNU EmacsGNU Emacs是一款终身免费且兼容任何平台的代码编辑器，使用强大的Lisp编程语言进行定制，并为Python开发提供各种定制脚本，是一款可扩展、可定制、自动记录、实时显示的编辑器，一直萦绕在UNIX周围。5. Visual Studio Studio Code是一款兼容Linux、Mac OS X和Windows 平台的全功能代码编辑器，可扩展并且可以对几乎所有任务进行配置，对于Python的支持可以在Visual Studio Code中安装插件，只需快速点击按钮即可成功安装，且可自动识别Python安装和库。二、Python集成开发环境1. 是*一款专门面向Python的全功能集成开发环境，同样拥有付费版和免费开源版，PyCharm不论是在Windows、 Mac OS X系统中，还是在Linux系统中都支持快速安装和使用。PyCharm直接支持Python开发环境，打开一个新的文件然后就可以开始编写代码，也可以在PyCharm中直接运行和调试Python程序，它还支持源码管理和项目，并且其拥有众多便利和支持社区，能够快速掌握学习使用！2. Eclipse + 是Eclipse集成开发环境的一个插件，支持Python调试、代码补全和交互式Python控制台等，在Eclipse中安装PyDev非常便捷，只需从Eclipse中选择“Help”点击“Eclipse ”然后搜索PyDev，点击安装，必要的时候重启Eclipse即可，对于资深Eclipse开发者来说，PyDev可以很轻松上手！3. Visual Studio是一款全功能集成开发平台，提供了免费版和付费版，可以支持各种平台的开发，且附带了自己的扩展插件市场。在Visual Studio中可进行Python编程，并且支持Python智能感知、调试和其他工具，值得注意的是Visual Studio不支持Linux平台！4. 是一款为了数据科学工作流做了优化的开源Python集成开发环境，它是附在Anaconda软件包管理器发行版中的，Spyder拥有大部分集成开发环境该具备的功能，如强大语法高亮功能的代码编辑器、Python代码补全以及集成文件浏览器，其还具有其他Python编辑环境中所不具备的变量浏览器功能，十分适合使用Python的数据科学家们。5. 是针对新手的一款集成开发环境，适用于全部主流平台，默认情况下，Thonny会和自带捆绑的Python版本一起安装，十分方便新手使用！
4.搭建 Python 高效开发环境： Pycharm + Anaconda
介绍先来介绍下两位主角：Pycharm：目前一款主流的 Python 集成开发环境，它带有一整套帮助我们在Python开发时提高效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。总的来说，Pycharm 会极大地提高我们 Python 开发的效率和体验，用过都说好。Anaconda：主要针对 Python 的数据科学整合包，包括有 Numpy，Pandas，Sklearn等。重要的是，自带管理软件 conda，它拥有安装，更新，删除，解决包依赖关系的包管理功能。同时，conda拥有环境管理功能，能创建独立运行环境， 使各项目间包环境和版本互不冲突和影响。另外，Conda 还可以管理包括 Bowtie2，FastQC 等软件环境，甚至 R 包环境。总之，Anaconda 就是我们在编程时的管家，一切麻烦事扔给他，我们只要关注项目本身就行。安装 Pycharm1.网址： Pycharm 放进去，这样会极大的减少项目构建索引，载入导入时间。4.可以根据需要来选择配置，建议全选5.安装6.安装完成后，点击刚刚在桌面上的快捷方式7.同意协议8.数据是否分享，根据情况来看9.选择主题，我这里选择浅色10.根据需要安装插件IdeaVim：vim是Linux系统常用的编辑器，如果之前已经习惯用vim，可以安装R：统计学编程语言，因为学习生物信息的原因，这里选择安装AWS Tookit：是亚马逊云服务的扩增11.激活因为这里安装的是专业版，可以先选择试用。点击Evaluate 安装 Anaconda 1.根据系统选择合适的安装包，这里建议选择 Python 3.7 版本下载 Anaconda 的项目1.*次进入Pycharm，先新建项目，进入配置界面2.配置 Python 解释器为了方便管理，这里 Location 配置项目存放目录，该目录与 Anaconda 在同一目录下。当然，不按照这样的目录结构也可以。3.切换到 Conda ，找到我们刚刚安装 Anaconda 的目录并设置，同时勾选为所有项目应用该配置4.配置完成后，解释器被 Pycharm 识别，点击创建5.*次创建项目，Pycharm 有初始化工作要做，耐心等待即可Anaconda 环境的使用示例0.工作区介绍1.右键项目名，新建 Python 脚本2.输入名字，注意这里不需要添加 .py后缀，回车后创建3.编写脚本import pandas as pd import numpy as np dates = pd.date_range('20210501', periods=6) df = pd.DataFrame(np.random.randn(6,4), index=dates, columns=list('ABCD'))4.右键脚本名，运行，测试配置是否成功5.运行这个脚本，会自动激活 Mode，界面就像这样：在左下输入df.head()，可以直接在控制台查看数据框内容，也可以在右边点击查看。Conda 环境的使用示例有了 Anaconda 的支持，为什么还要 Conda 环境？前面新建的 Anaconda 环境包含各种数据分析，机器学习等包，可以直接拿来用，并不需要再安装一遍，方便实用。但是，有时候，我们并不需要这么多的包，而是需要特定版本的 Python 或者 Python 包，或是依赖冲突等问题，这就要求有一个独立运行的环境。而 Conda 建立的环境正好满足了这个需求。1.新建包含有 Conda 环境的项目2.查看启用的环境点击 Pycharm 下面的 Termianl 可以直接控制 Windows 的 CMD 命令行（这里不得不吐槽微软的 CMD 和 界面丑还超难用）。如果你的 Pycharm 运行在 Linux 下，这个工具会接管 Shell。可以看到在最前面多了一个 (example) ，这个代表激活的 conda 环境3.查看 conda 环境里有哪些包输入命令 conda list，可以查看我们建立的环境里包含哪些包。学习更多 conda 的包管理，环境管理和渠道管理等技巧可以参考： Anaconda 整合了数以百记的包不同，这里只有几个最基础的 Python 包，之后按需添加即可。4.切换环境点击右下角的 conda 环境名，可以切换环境。这里切换后，代表我们项目目录中所有的脚本都要依赖于这个环境。但是，需要注意，一些老鸟已经会熟练操作 Conda 了，比如像下面这样来切换环境：不幸的是，虽然命令行conda activate base 可以将当前环境 example 切换为 base，但是这里只是将命令行的环境切换了，我们 Pycharm 项目的 conda 环境纹丝不动。所以想切换当前项目的环境，*点击右下角图标5.使用 Conda 环境这里以绘制一张热图为例来简单使用下配置好的环境安装包写代码import random from import pyplot as plt # 准备数据 # 定义横纵坐标 xLabel = ['geneA', 'geneB', 'geneC', 'geneD', 'geneE'] yLabel = ['sample1', 'sample2', 'sample3', 'sample4', 'sample5'] # 定义填充数据 data = [] for i in range(5): temp = [] for j in range(5): k = random.randint(0, 100) temp.append(k) data.append(temp) # 开始作图 fig = plt.figure() # 画布 ax = fig.add_subplot(111) # 坐标刻度 ax.set_yticks(range(len(yLabel))) ax.set_xticks(range(len(xLabel))) ax.set_(xLabel) ax.set_(yLabel) # 作图 im = ax.imshow(data) # 图例 plt.colorbar(im) plt.show()出图这里同样也可以激活 Mode，可以这么来设置效果是这样的：如果想在 Pycharm 中使用 R 语言，可以参考这篇：在Pycharm 中使用 R 时，效果是这样的：接下来，享受搭建好的环境吧其他使用技巧Pycharm 中安装及使用 Jupyter （图文详解）如何在 Pycharm 中高效使用 R 语言 （图文详解）
就拿大数据说话，优势一目了然，从事IT行业，打开IT行业的新大门，找到适合自己的培训机构，进行专业和系统的学习。
