python主要可以做Web和Internet开发、科学计算和统计、桌面界面开发、软件开发、后端开发等领域的工作。
Python是一种解释型脚本语言。Python可以应用于众多领域，如：数据分析、组件集成、网络服务、图像处理、数值计算和科学计算等众多领域。互联网公司广泛使用Python来做的事一般有：自动化运维、自动化测试、大数据分析、爬虫、Web等。
扩展资料：
Python的设计哲学是“优雅”、“明确”、“简单”。因此，Perl语言中“总是有多种方法来做同一件事”的理念在Python开发者中通常是难以忍受的。
Python开发者的哲学是“用一种方法，最好是只有一种方法来做一件事”。在设计Python语言时，如果面临多种选择，Python开发者一般会拒绝花俏的语法，而选择明确的没有或者很少有歧义的语法。
由于这种设计观念的差异，Python源代码通常被认为比Perl具备更好的可读性，并且能够支撑大规模的软件开发。这些准则被称为Python格言。在Python解释器内运行importthis可以获得完整的列表。
学完Python之后，可以从事以下工作岗位：
1、web开发：Python拥有非常完善的与web服务器进行交互的库，以及大量免费前端网页模板，有非常优秀而且成熟的diangoWEB框架，功能齐全。
2、Linux运维：通过shell脚本去实现自动化运维，但是编程能力较弱，可以使用功能的库很少，而Python作为胶水语言，可以很方便的与其他想结合，对各类工具进行二次开发，形成一套自己的运维管理系统。
3、游戏开发：在游戏开发方面可能Python无法匹敌C++，但是由于Python脚本化的优点，类似于游戏剧本、游戏玩法逻辑等这种非常灵活的设计上，修改起来非常方便。如果用于开发一款游戏程序，Python是非常具有优势的。
4、网络爬虫：在爬虫方面，Python可以说是独领风骚了，Python具有非常丰富的库去网页文档的接口api以及后期网页文档的快速处理。
5、桌面软件：在Windows系统桌面开发领域，C++等语言应用十分广泛，而Python可以实现与C++无缝对接，并且同时支持QT以及GTK。
6、数据分析：python作为一门工程性语言，对于数据处理的类库是相当丰富的，比如有高性能的科学计算类库NumPy和SciPy。
7、人工智能：其实可以写人工智能语言有很多，为何Python是首先呢?因为Python是胶水语言，具有独特优势才具有如此好的效果，主要使用python是因为CPython和底层原因的融合使得开发起来更加方便。
更多技术干货，可关注：
1、做日常任务，比如下载视频、MP3、自动化操作excel、自动发邮件。
2、做网站开发、web应用开发，很多著名的网站像知乎、YouTube就是Python写的。
许多大型网站就是用Python开发的，例如YouTube、Instagram，还有国内的豆瓣。很多大公司，包括Google、Yahoo等，甚至NASA（美国航空航天局）都大量地使用Python。
3、做网络游戏的后台，很多在线游戏的后台都是Python开发的。
4、系统网络运维
Linux运维是必须而且一定要掌握Python语言，它可以满足Linux运维工程师的工作需求提升效率，总而提升自己的能力，运维工程师需要自己独立开发一个完整的自动化系统时，这个时候才是真正价值的体现，才能证明自身的能力，让老板重视。
5、3D游戏开发
Python也可以用来做游戏开发，因为它有很好的3D渲染库和游戏开发框架，目前来说就有很多使用Python开发的游戏，如迪斯尼卡通城、黑暗之刃。
6、科学与数字计算
我们都知道现在来临了大数据的时代，数据可以说明一切问题的原因，现在很多做数据分析的不是原来那么简单，Python语言成为了做数据分析师的第一首选，它同时可以给工作带来很大的效率。
7、人工智能
人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。Python语言对于人工智能来说是最好的语言。目前好多人都开始学习人工智能+Python学科。
8、网络爬虫
爬虫是属于运营的比较多的一个场景吧,比如谷歌的爬虫早期就是用跑Python写的. 其中有一个库叫 Requests ,这个库是一个模拟HTTP请求的一个库,非常的出名! 学过Python的人没有不知道这个库吧,爬取后的数据分析与计算是Python最为擅长的领域，非常容易整合。不过目前Python比较流行的网络爬虫框架是功能非常强大的scrapy。
9、数据分析
一般我们用爬虫爬到了大量的数据之后，我们需要处理数据用来分析，不然爬虫白爬了，我们最终的目的就是分析数据，在这方面 关于数据分析的库也是非常的丰富的，各种图形分析图等 都可以做出来。也是非常的方便，其中诸如Seaborn这样的可视化库，能够仅仅使用一两行就对数据进行绘图，而利用Pandas和numpy、scipy则可以简单地对大量数据进行筛选、回归等计算。
而后续复杂计算中，对接机器学习相关算法，或者提供Web访问接口，或是实现远程调用接口，都非常简单。
