Python实际上是一种编程语言，在许多领域中都有广泛的应用，例如最热门的大数据分析，人工智能，Web开发等。
1989年圣诞节，阿姆斯特丹，为了度过无聊的圣诞节，年轻人Guido决定开发一种新的编程语言。 Python(Boa Constrictor)的名字是因为他是Monty Python喜剧小组的粉丝。你看，技术是如此随意...
Python的语法非常接近英语，样式统一，非常漂亮，并且内置了许多有效的工具。例如，同一作业需要1000行C语言，100行Java和10行Python。
Python简洁，易于阅读且可扩展。大多数科研机构都使用Python进行研究。卡内基梅隆大学和麻省理工学院的编程课程以Python讲授。许多开源科学计算软件包都提供Python调用接口，例如著名的计算机视觉库OpenCV，三维可视化库VTK和医学图像处理库ITK。还有更多专门用于Python的科学计算扩展库，例如NumPy，SciPy和matplotlib，它们分别提供矩阵计算，科学计算和绘图功能。
你好，这主要是因为Python在处理大数据方面有着得天独厚的优势。以后您如果再遇到类似的问题，可以按照下面的思路去解决：
1、发现问题:往往生活在世界中，时时刻刻都处在这各种各样的矛盾中，当某些矛盾放映到意识中时,个体才发现他是个问题，并要求设法去解决它。这就是发现问题的阶段。从问题的解决的阶段性看，这是第一阶段，是解决问题的前提。
2、分析问题:要解决所发现的问题，必须明确问题的性质，也就是弄清楚有哪些矛盾、哪些矛盾方面，他们之间有什么关系,以明确所要解决的问题要达到什么结果，所必须具备的条件、其间的关系和已具有哪些条件,从而找出重要的矛盾、关键矛盾之所在。
3、提出假设:在分析问题的基础上，提出解决问题的假设,即可采用的解决方案,其中包括采取什么原则和具体的途径和方法，但所有这些往往不是简单现成的，而且有多种多样的可能。但提出假设是问题解决的关键阶段，正确的假设引导问题顺利得到解决,不正确不恰当的假设则使问题的解决走弯路或导向歧途。
4、校验假设:假设只是提出n种可能解决方案,还不能保证问题必定能获得解决，所以问题解决的最后一步是对假设进行检验。不论哪种检验如果未能获得预期结果，必须重新另提出假设再进行检验，直至获得正确结果，问题才算解决。
下面是Python的应用及岗位。
第一部分：各个领域应用的语言。
大家看这个内容，其实你很明显发现，其实各个语言都有他的用处。我们可以说Python是应用最广的。但是暂时还是不能说它是全能的，因为他也有它的短板，但是对于一般的小公司和小项目而言，是很难得的全能。
现在有个很奇怪的现象，就是大家把Python神话了。Python作为一门语言，确实有他的优势。但是建议大家在学好这个语言的同时，要学第二门语言，这样未来对大家有好的发展。
第二环节：Python工程师在企业里面的定位是什么？
四个重要的定位：验证算法、快速开发、测试运维、数据分析。
1、验证算法：就是对我们公司一些常见设计算法或者公式的验证，公式代码化。
2、快速开发：这个大家应该都比较熟悉，快速开发，就是用成熟框架，更少的代码来开发网站，Python在网站前后台有大量的成熟的框架，如django，flask，bottle，tornado，flask和django的使用较多，国内用Python开发的网站有：知乎、豆瓣、扇贝、腾讯、阿里巴巴；
3、测试运维：用python实现的测试工具及过程，包含服务器端、客户端、web、andriod、client端的自动化测试，自动化性能测试的执行、监控和分析，常用selenium appium等
框架。做运维同学应该清楚，在Linux运维工作中日常操作涵盖了监控，部署，网络配置，日志分析，安全检测 等等许许多多的方面，无所不包。python可以写很多的脚本，把“操作”这个行为做到极致。与此同时，python在服务器管理工具上非常丰富，配置管理(saltstack) 批量执行( fabric, saltstack) 监控(Zenoss, nagios 插件) 虚拟化管理( python-libvirt) 进程管理 (supervisor) 云计算(openstack) ...... 还有大部分系统C库都有python绑定。
4、数据分析：Python有三大神器：numpy,scipy,matplotlib,其中numpy很多底层使用C语言实现的，所以速度很快，用它参加各种数学建模大赛，完全可以替代r语言和MATLAB。spark，Hadoop都开了Python的接口，所以使用Python做大数据的mapreduce也非常简单，加上py对数据库支持都很好，或者类似sqlalchemy的orm也非常强大好用。
在结束这个部分之前，大家有没有一个疑问：为什么爬虫没有中重点讲？
其实这里给大家重点说一下，如果你要学好Python，仅仅停留在爬虫上，这个是很不靠谱的。Python 写爬虫的教程网上一抓一大把，据大家所知很多初学 Python 的人都是使用它编写爬虫程序。小到抓取一个小黄图网站，大到一个互联网公司的商业应用。通过 Python 入门爬虫比较简单易学，不需要在一开始掌握太多太基础太底层的知识就可以很快上手，而且很快可以做出成果，非常适合小白一开始想做出点看得见的东西的成就感。
除了入门，爬虫也被广泛应用到一些需要数据的公司、平台和组织，通过抓取互联网上的公开数据，来实现一些商业价值是非常常见的做法。
当然这些选手的爬虫就要厉害的多了，需要处理包括路由、存储、分布式计算等很多问题，与小白的抓黄图小程序，复杂度差了很多倍。
