如果你是一名优秀的 Python 程序员，即使你没有学位或证书，你也可以在公司找到一份开发人员的工作。有许多公司根据计算机科学学位雇用程序员，还有其他公司不根据学位和证书来衡量你的技能。
但是，学习编程语言的语法并不足以获得开发人员的工作。根据我的经验，我可以说，如果你用 Python做过一些高质量的项目，你可以很容易地找到工作。
您必须有一个展示您已完成的所有项目的投资组合。您可以使用 GitHub 或 GitLab 等平台在线上传代码。我通常在我的 GitHub 个人资料上上传我的代码。
例如，您可以撰写文章、教程或创建一个 YouTube 频道来宣传您的名字。这些事情可以增加你的招聘机会。
Python 开发人员每年的收入为 116,379 美元 ，是美国收入最高的软件工程师。
政府，尤其是军事网络团队，以及其他主要组织广泛使用 Python，而且报酬非常丰厚。
随着人工智能和机器学习的蓬勃发展，对于熟练的 Python 程序员来说，出现了更多的职位空缺。
如果你是一个非常熟练的 Python 程序员，你可以创建自己的创业公司。要创建一家初创公司，您需要找到一个有机会赚钱的紧迫问题，并使用您的 Python 技能解决该问题。
例如，您可以创建一个 Web 应用程序或移动应用程序，对一个人的眼睛图像进行分类，以检查该人是否患有与眼睛有关的疾病。
同样，你可以想出很多想法。然而，想法很便宜。重要的是这些想法的实施。
然而，仅仅创建一家初创公司并不是小菜一碟。您需要出色的编程和营销技能来建立成功的创业公司。
如果您可以与一些朋友的公司一起创建初创公司，或者您可以寻求加入现有的初创公司，那将很容易。
“ 自由职业者” 是一个通常用于自雇人士的术语。你可以成为一名 Python 自由职业者并以此谋生。
您可以从当地客户那里获得项目并担任顾问，也可以使用在线平台担任自由职业者。有多种平台可用于自由职业，例如Upwork和Freelancer。
您可以访问这些网站并创建有吸引力的个人资料。您可以从这些平台找到多个客户和项目。拥有出色个人资料或投资组合的人可以很容易地找到工作。
您可以在一些社交媒体上寻找工作，例如 Facebook 群组、Linked In、Reddit 的子版块等。
Python 自由程序员的年薪通常为 106,905 美元（根据最近的调查），即每小时大约 51 美元。
如果你想成为一名 Python 自由职业者，我强烈建议你查看CleverProgrammer网站及其 YouTube 频道，该频道由 Rafeh Qazi 拥有。他是一个很酷的人，以有趣和引人入胜的方式教授 Python 自由职业者。
此外，Brad Hussey 的Freelancing Freedom也会对您的自由职业之旅有所帮助。
如果您不是一位经验丰富的 Python 开发人员，并且您发现很难获得您的第一个自由职业客户，那么您可以尝试在线教授 Python。
在这种情况下，您不想成为专家，或者您不需要大量的项目组合。您可以将您所知道的内容教给不了解该主题的人。
在许多情况下，您无需成为专家编码员即可成为专家教师。有时，一个刚学过 Python 语法的人对初学者的教导远胜于专家。因为前者可以理解初学者的心态，他可以更好地与那个人相处。
有许多人甚至希望学习该语言的最低限度的基础知识。您可以找到这些人并通过视频会议教授他们，或者如果您愿意，也可以亲自与他们会面。
您可以在Wyzant和TakeLessons等流行平台上找到教学客户。你可以去那里注册成为一名导师。您可以像自由职业者一样按小时收费。
总是有训练营和其他教练职位可用，尤其是高中和导师。如今，大多数大学都选择 Python 作为入门编程语言来教授学生。
通过向他人教授编码，您最终会学到很多并提高很多。您可以将您与客户的工作经验添加到您的投资组合中，您的投资组合将逐渐变得丰富。这也将导致您获得更多的自由职业者客户。
您可以创建一个 YouTube 频道并创建一些有用的 Python 视频教程。始终如一地为频道制作视频将提高您的视频质量、您的知识和观众数量。
大多数通过这条路线的人在达到指数增长曲线之前就过早退出了。因此，关键是始终如一地添加高质量的有用内容来帮助您的受众。
Python Programmer和CleverProgrammer是我最喜欢的制作 Python 相关内容的 YouTube 频道。
您还可以创建一个类似的YouTube 频道来赚钱。这也会让你更受欢迎，你找到工作的机会也会更多。
就像 YouTube 频道一样，您也可以创建博客。不同之处在于内容更多地基于文本。Pythonista Planet 是 Python 博客的一个示例。
要创建博客或网站，您无需编写整个网站的代码。您可以使用 WordPress 等流行平台来创建您的博客。WordPress 中有很多可用的主题和插件，可以让您的生活变得非常轻松。
您必须创建许多有用的文章和教程才能建立大量受众。但是，建立受众群体需要大量时间（通常超过一年）。
一旦建立了庞大的受众群体，您就可以通过广告和联属网络营销从您的网站中获利。此外，您可以创建电子书或视频课程等数字产品并在您的网站上销售。
您可以通过参加编码竞赛或黑客马拉松并赢得它们来赚钱。您可以在您所在地区的大学中找到许多此类比赛，也可以在线查找。
如果这篇文章有用，请与您的朋友分享以帮助他们。
当然!python这门优美的语言是非常适合Web开发的。
使用Python进行Web开发的优势：
第一、易于使用和阅读
有几个因素可以简化python在Web开发中的使用：
低入门门槛：python与我们日常生活中使用的英语相似，语法的简单性使您可以处理复杂的系统，并确保所有元素之间都具有明确的关系因此，更多的新手程序员可以学习该语言并更快地加入编程社区。
良好的可视化：效果通过使用不同的图和图表，可以以易于理解的格式表示数据。它们是可视化呈现和理解数据的有效方法，Web开发公司利用python库来可视化数据并创建清晰且易于理解的报告。
易于阅读：python非常易于阅读，因此开发人员通常在理解由其他程序员编写的代码时不会遇到任何问题，这可以促使从事同一项目的开发人员之间的通信效率更高。
第二、异步编码
由于没有死锁或研究争执或任何其他令人困惑的问题，因此使用python编写和维护异步代码无需花费太多精力。此类代码的每个单元分别运行，从而使您能够更快地处理各种情况和问题。
第三、较少限制的编程方法
与其他编程语言对比，python具有较少限制的编程方法。它具有多种范例，可以支持多种编程风格，包含过程性、面向对象和功能性。这使python成为初创公司的绝佳语言，因为项目可能需要随时更改方法。
第四、企业应用集成
python是企业软件应用程序的流行选择，这在很大程度上要归功于python与传统上用于企业开发的其他语言的流畅集成。
python直接与Java、C++或C代码进行调用，从而可以对大多数常用协议和数据格式进行大量的过程控制和实现。除此之外，它还可以用于组装基础结构的新旧片段，这是复杂移动应用程序中的典型情况。
第五、可以使用python框架快速进行Web开发
python的另一个优点是它具有许多简化开发过程的框架，根据您的工作，可能需要不同的框架。
第六、科学计算库方便
有各种各样的软件包和库可用于开发科学和数字应用程序，以及工具包，单独的成像库以及许多其他工具。
就像只要会JavaScript就可以写出完整的Web应用，只要会Python，就可以实现一个完整的大数据处理平台。\x0d\x0a\x0d\x0a云基础设施\x0d\x0a\x0d\x0a这年头，不支持云平台，不支持海量数据，不支持动态伸缩，根本不敢说自己是做大数据的，顶多也就敢跟人说是做商业智能（BI）。\x0d\x0a\x0d\x0a云平台分为私有云和公有云。私有云平台如日中天的 OpenStack\x0d\x0a \x0d\x0a，就是Python写的。曾经的追赶者CloudStack，在刚推出时大肆强调自己是Java写的，比Python有优势。结果，搬石砸脚，2015年\x0d\x0a初，CloudStack的发起人Citrix宣布加入OpenStack基金会，CloudStack眼看着就要寿终正寝。\x0d\x0a\x0d\x0a如果嫌麻烦不想自己搭建私有云，用公有云，不论是AWS，GCE，Azure，还是阿里云，青云，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青云只提供Python SDK。可见各家云平台对Python的重视。\x0d\x0a\x0d\x0a提到基础设施搭建，不得不提Hadoop，在今天，Hadoop因为其MapReduce数据处理速度不够快，已经不再作为大数据处理的首选，但\x0d\x0a是HDFS和Yarn——Hadoop的两个组件——倒是越来越受欢迎。Hadoop的开发语言是Java，没有官方提供Python支持，不过有很多第\x0d\x0a三方库封装了Hadoop的API接口（pydoop，hadoopy等等）。\x0d\x0a\x0d\x0aHadoop MapReduce的替代者，是号称快上100倍的 Spark ，其开发语言是Scala，但是提供了Scala，Java，Python的开发接口，想要讨好那么多用Python开发的数据科学家，不支持Python，真是说不过去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++实现，除C++外，提供了Java和Python的支持包。\x0d\x0a\x0d\x0aDevOps\x0d\x0a\x0d\x0aDevOps有个中文名字，叫做 开发自运维 。互联网时代，只有能够快速试验新想法，并在第一时间，安全、可靠的交付业务价值，才能保持竞争力。DevOps推崇的自动化构建/测试/部署，以及系统度量等技术实践，是互联网时代必不可少的。\x0d\x0a\x0d\x0a自动化构建是因应用而易的，如果是Python应用，因为有setuptools, pip, virtualenv, tox, \x0d\x0aflake8等工具的存在，自动化构建非常简单。而且，因为几乎所有Linux系统都内置Python解释器，所以用Python做自动化，不需要系统预\x0d\x0a安装什么软件。\x0d\x0a\x0d\x0a自动化测试方面，基于Python的 Robot Framework 企业级应用最喜欢的自动化测试框架，而且和语言无关。Cucumber也有很多支持者，Python对应的Lettuce可以做到完全一样的事情。 Locust 在自动化性能测试方面也开始受到越来越多的关注。\x0d\x0a\x0d\x0a自动化配置管理工具，老牌的如Chef和Puppet，是Ruby开发，目前仍保持着强劲的势头。不过，新生代 Ansible 和 SaltStack ——均为Python开发——因为较前两者设计更为轻量化，受到越来越多开发这的欢迎，已经开始给前辈们制造了不少的压力。\x0d\x0a\x0d\x0a在系统监控与度量方面，传统的Nagios逐渐没落，新贵如 Sensu 大受好评，云服务形式的New Relic已经成为创业公司的标配，这些都不是直接通过Python实现的，不过Python要接入这些工具，并不困难。\x0d\x0a\x0d\x0a除了上述这些工具，基于Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，虽未成气候，但已经得到大量关注。\x0d\x0a\x0d\x0a网络爬虫\x0d\x0a\x0d\x0a大数据的数据从哪里来？除了部分企业有能力自己产生大量的数据，大部分时候，是需要靠爬虫来抓取互联网数据来做分析。\x0d\x0a\x0d\x0a网络爬虫是Python的传统强势领域，最流行的爬虫框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能够独当一面的类库。\x0d\x0a\x0d\x0a不过，网络爬虫并不仅仅是打开网页，解析HTML这么简单。高效的爬虫要能够支持大量灵活的并发操作，常常要能够同时几千甚至上万个网页同时抓取，传统的\x0d\x0a线程池方式资源浪费比较大，线程数上千之后系统资源基本上就全浪费在线程调度上了。Python由于能够很好的支持协程（ Coroutine ）操作，基于此发展起来很多并发库，如Gevent，Eventlet，还有Celery之类的分布式任务框架。被认为是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了对高并发的支持，网络爬虫才真正可以达到大数据规模。\x0d\x0a\x0d\x0a抓取下来的数据，需要做分词处理，Python在这方面也不逊色，著名的自然语言处理程序包NLTK，还有专门做中文分词的Jieba，都是做分词的利器。\x0d\x0a\x0d\x0a数据处理\x0d\x0a\x0d\x0a万事俱备，只欠东风。这东风，就是数据处理算法。从统计理论，到数据挖掘，机器学习，再到最近几年提出来的深度学习理论，数据科学正处于百花齐放的时代。数据科学家们都用什么编程？\x0d\x0a\x0d\x0a如果是在理论研究领域，R语言也许是最受数据科学家欢迎的，但是R语言的问题也很明显，因为是统计学家们创建了R语言，所以其语法略显怪异。而且\x0d\x0aR语言要想实现大规模分布式系统，还需要很长一段时间的工程之路要走。所以很多公司使用R语言做原型试验，算法确定之后，再翻译成工程语言。\x0d\x0a\x0d\x0aPython也是数据科学家最喜欢的语言之一。和R语言不同，Python本身就是一门工程性语言，数据科学家用Python实现的算法，可以直\x0d\x0a接用在产品中，这对于大数据初创公司节省成本是非常有帮助的。正式因为数据科学家对Python和R的热爱，Spark为了讨好数据科学家，对这两种语言\x0d\x0a提供了非常好的支持。\x0d\x0a\x0d\x0aPython的数据处理相关类库非常多。高性能的科学计算类库NumPy和SciPy，给其他高级算法打了非常好的基础，matploglib让\x0d\x0aPython画图变得像Matlab一样简单。Scikit-learn和Milk实现了很多机器学习算法，基于这两个库实现的 Pylearn2 ，是深度学习领域的重要成员。 Theano 利用GPU加速，实现了高性能数学符号计算和多维矩阵计算。当然，还有 Pandas ，一个在工程领域已经广泛使用的大数据处理类库，其DataFrame的设计借鉴自R语言，后来又启发了Spark项目实现了类似机制。\x0d\x0a\x0d\x0a对了，还有 iPython ，这个工具如此有用，以至于我差点把他当成标准库而忘了介绍。iPython是一个交互式Python运行环境，能够实时看到每一段Python代码的结果。默认情况下，iPython运行在命令行，可以执行 ipython notebook 在网页中运行。用matplotlib绘制的图可以直接嵌入式的显示在iPython Notebook中。\x0d\x0a \x0d\x0aiPython Notebook的笔记本文件可以共享给其他人，这样其他人就可以在自己的环境中重现你的工作成果；如果对方没有运行环境，还可以直接转换成HTML或者PDF。\x0d\x0a\x0d\x0a为什么是Python\x0d\x0a\x0d\x0a正是因为应用开发工程师、运维工程师、数据科学家都喜欢Python，才使得Python成为大数据系统的全栈式开发语言。\x0d\x0a\x0d\x0a对于开发工程师而言，Python的优雅和简洁无疑是最大的吸引力，在Python交互式环境中，执行 import this\x0d\x0a \x0d\x0a，读一读Python之禅，你就明白Python为什么如此吸引人。Python社区一直非常有活力，和NodeJS社区软件包爆炸式增长不\x0d\x0a同，Python的软件包增长速度一直比较稳定，同时软件包的质量也相对较高。有很多人诟病Python对于空格的要求过于苛刻，但正是因为这个要求，才\x0d\x0a使得Python在做大型项目时比其他语言有优势。OpenStack项目总共超过200万行代码，证明了这一点。\x0d\x0a\x0d\x0a对于运维工程师而言，Python的最大优势在于，几乎所有Linux发行版都内置了Python解释器。Shell虽然功能强大，但毕竟语法不够优雅，写比较复杂的任务会很痛苦。用Python替代Shell，做一些复杂的任务，对运维人员来说，是一次解放。\x0d\x0a\x0d\x0a对于数据科学家而言，Python简单又不失强大。和C/C++相比，不用做很多的底层工作，可以快速进行模型验证；和Java相比，Python语法简\x0d\x0a洁，表达能力强，同样的工作只需要1/3代码；和Matlab，Octave相比，Python的工程成熟度更高。不止一个编程大牛表达过，Python\x0d\x0a是最适合作为大学计算机科学编程课程使用的语言——MIT的计算机入门课程就是使用的Python——因为Python能够让人学到编程最重要的东西——\x0d\x0a如何解决问题。
