Stack Overflow 最近的调查显示，Python 已经成了发展最快的主流编程语言，也是 Stack Overflow 上来自高收入国家的访问中，点击量最高的标签。

为什么 Python 发展得这么快？Python 的应用范围非常广，从网站开发到数据科学，再到 DevOps，到处都可以看到它的身影。所以值得认真研究一下 Python 最近到底是在哪些具体的方面应用得更广了。我是一个使用 R 语言的数据科学家，我对 Python 在我从事的领域内的发展很感兴趣。在本文中，我会从另一个角度解读 Stack Overflow 的数据，理解具体是哪些方面的 Python 应用在增长，以及在什么样的公司和组织中 Python 用得最多。

分析得出了两个结论。首先，对 Python 的使用发展得最快的主要有以下几个领域：数据科学、机器学习和学术研究。这一点从 Pandas 包的使用增长率就可以很容易看出，这也是网站上和 Python 相关的标签中访问量增长最快的。至于是哪些行业在使用 Python，我们发现在下面几个行业使用得更多些：电子、制造、软件、政府，尤其是大学。不过，总体来看 Python 的增长在各个行业之间的分布还是比较均衡的。总之，我们可以从结论中看出数据科学和机器学习已经在许多不同类型的公司中普及开了，而 Python 则是在这个过程中为大家所普遍接受的选择。

我们的分析数据都来自于世界银行组织认可的高收入国家。

python 发展的类型

Python 是可以适用于多种用途的编程语言，可以用于网站开发、数据科学等各种不同类型的任务。那我们该怎样整理出 Python 最近在这些领域之间的发展情况呢？

作为新手，我们可以查看每个领域内最有名的 Python 包，看看代表它们的标签的访问量的增长情况。可以把网站开发框架 Django 和 Flask 与数据科学的包 NumPy、Matplotlib 和 Pandas 等进行对比。（你也可以用 Stack Overflow Trends 来比较问题的提问率，而不仅仅是访问量）

从来自于高收入国家的 Stack Overflow 访问量来看，很明显 Pandas 是增长最快的 Python 包：它在 2011 年才刚刚出现，现在 Stack Overflow 上却有约 1% 的问题是关于它的。随着时间的增长，关于 NumPy 和 Matplotlib 的问题量也有了很大增长。与之形成对比的是，与 Django 相关的问题量在这段时间内保持得很平稳，Flask 虽然有所增长，但占比还比较小。这表明 Python 的增长应该主要归功于数据科学，而不是网站开发。

但这么看还不全面，因为这里只显示出了那些应用很广的 Python 特有的包。系统管理员和 DevOps 工程师们也在很多地方用到了 Python，他们提的 Python 问题也会涉及 Linux、Bash 和 Docker 等。同样，很多与 Python 有关的网站开发问题没有提到 Django 或 Flask，那些开发者提的问题关联的是 JavaScript、HTML 和 CSS 之类的“技术支持”标签。但我们不能把 Linux、Bash、JavaScript 等标签也直接考虑进来，武断地假设它们就是与 Python 相关的。因此，我们只探讨那些与 Python 被一起提到的标签。

常浏览与 Python 有关标签的人还会喜欢浏览哪些标签？

Pandas 毫无悬念地成为 Python 开发者们访问得最多的标签，经过上文的分析我们就不会对此感到惊奇了。Python 开发者们访问得第二多的标签是 JavaScript，这代表了用 Python 做网站开发的那群人，下面不远的 Django 也是这样。这证实了我们的想法，我们应该考虑那些与 Python 一起被访问的标签，而不只是一般意义上与 Python 有关的标签的增长情况。

在列表的下面部分可以看到其它的技术“簇”。我们考虑哪些标签是倾向于被关联起来的，以此来发现它们之间的关系：即 Python 用户对两个标签的访问量是否会相差甚远。用高度皮尔森相关算法将标签成对过滤之后，我们可以得到如下的网络图。类似这样的可视化技巧还有很多。

从图中可以看到，几个比较大的技术簇可以粗略地描述出一般可以用 Python 解决的几类问题。图上面中间部分展示的是数据科学和机器学习的簇：中间是 Pandas、NumPy 和 Matplotlib，它们与 R、Keras 和 TensorFlow 等技术紧密相连。下面的簇代表了网站开发，与 JavaScript、HTML、CSS、Django、Flask 和 JQuery 等相连。图中还有两个小簇，一个是系统管理和 DevOps，另一个是右边的数据工程（Spark、Hadoop 和 Scala）。

结论

作为一个以前使用 Python，现在使用 R 的数据科学家，看了这个分析之后我是不是该换回来继续使用 Python 呢？

我不觉得。一方面，R 的增长势头也很好，之前的一篇文章显示它在发展最快的编程语言排行榜中仅次于 Python。另一方面，我喜欢用 R 做数据分析，这与它被应用的广泛度关系不大。我也在计划再写一篇文章讲讲我从 Python 换到 R 的经历，我喜欢这两种语言的哪些特性，以及为什么我不愿意被迫换回去。

不管怎样，数据科学都是令人兴奋而又发展迅速的领域，自然也会有多种语言在其中共同发展。我的主要目的是想鼓励刚入行的开发者们考虑培养他们在数据科学领域内的技能集。毫无疑问这是软件开发领域发展得最快的部份，也在许多行业里都得到了充分的推广。

关于Python技术储备

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（文末获取！） 温馨提示：篇幅有限，已打包文件夹，获取方式在“文末”！！！

二、Python必备开发工具

三、精品Python学习书籍

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

六、Python练习题

检查学习结果。

七、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

这份完整版的Python全套学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】