avsnitt 2 av 9
Pågår

Vad kan man göra med Python?

Hur bra är Python och vad kan språket användas till?

Python är ett mångfasetterat språk som kan användas för många ändamål. Idag används Python i några av världens mest populära tjänster och program, så som YouTube, Spotify, Google, Instagram med flera. Python ökar snabbt i popularitet, vilket gör att antal individer som arbetar med att vidareutveckla, förbättra och expandera Pythons kapacitet ökar dagligen. Flera av Pythons bibliotek har över tusen medarbetare, vilket är fler än något annat bibliotek i exempelvis R. De senaste åren har intresset för Python ökat markant och allt talar för att Python är ett av de viktigaste språken att lära sig. Faktum är att Python är så enkelt och så kraftfullt att det numera finns barnböcker och mobilappar för att barn (i grundskoleålder) skall lära sig Python. Vad beträffar data science, statistik och machine learning så är Python ett komplett verktyg. I dagsläget är Python och R utan tvekan de mest kapabla verktygen för data science, statistik och machine learning. Övriga språk – som t ex SPSS, SAS, STATA – kan numera inte konkurrera med Python och R. Den största skillnaden mellan Python och R är som följer:

  1. Python är mer komplett som språk. Python kan användas till webbapplikationer, spel och annat.
  2. R har fler bibliotek (verktyg) för data science. Till R kan man exempelvis hitta hundratals bibliotek för exempelvis Cox regression, medan utbudet i Python är betydligt mindre, även om det kan ses som komplett.

 

Överleva med så få språk som möjligt: Python

Det vore trevligt om man enbart hade behövt lära sig ett språk och använda det språket för alla ändamål. Tyvärr är det väldigt få språk som är så kompletta och i de fall ett språk kan användas i flera domäner (statistik, webbutveckling etc) så tenderar språkets prestanda variera mycket inom olika domäner. Exempelvis är språket R alldeles utmärkt för statistiska beräkningar och machine learning men det lämpar sig inte för den som vill bygga webbapplikationer. PHP är världens mest använda språk för att bygga dynamiska hemsidor men PHP klarar inte de mest primitiva statistiska beräkningarna. Python är ett av få språk som faktiskt fungerar mycket väl både för att bygga webbapplikationer och genomföra beräkningar. Den som lär sig Python har därför utmärkta förutsättningar för att arbeta med data science och webbutveckling. Detta blir allt viktigare eftersom gränsen mellan data science och annan programmering suddas ut allt mer. Exempelvis blir det allt vanligare att data science projekt skall presenteras online och då passar det utmärkt att Python kan användas för alla moment i projektet.

Även om Python kan användas för en lång rad ändamål så är följande de vanligaste tillämpningarna av Python:

  • Webbutveckling
  • Data science (inklusive machine learning, statistisk, databearbetning, visualisering av data)
  • Scriptning (kodning)

 

Python för webbutveckling

Python används som back-end språk, vilket innebär att Python är språket som används på en server, för att generera webbsidorna. För att detta skall vara möjligt behövs en serverversion av Python, varav Django och Flask är de mest populära. När man använder Python för webbutveckling så programmerar man Python-kod som sköter back-end. Med hjälp av Django / Flask så kan Python skapa all back-end logik (t ex databaser). Därutöver måste man tillämpa andra språk som kan kommunicera till front-end (dvs webbläsaren) och det kan exempelvis vara HTML.

Vad är skillnaden mellan Django och Flask?

  • Flask är enklare än Django. Många anser dessutom att Flask är mer flexibelt och ger utvecklaren mer kontroll.
  • Flask brukar rekommenderas för den som är nybörjare.
  • Django är mer komplett i vissa aspekter; Django erbjuder t ex admin panel, interface mot databasen, ORM (object-relational mapping) och bättre katalogstruktur.

 

Python för data science: machine learning, statistik, artificiell intelligens (AI)

Data science har blivit ett enormt fält. Idag finns data science inom varenda disciplin, från sociologi till astronomi. Vi människor har aldrig samlat så mycket data som vi gör nu och aldrig någonsin har behovet av att analysera data varit så stort som det är idag. Därför är data science, machine learning och AI numera vardagliga ord.

Data science används för att upptäcka cancer; för att underlätta för människor att organisera fotoalbum i mobilen; för att landa flygplan; för att optimera försäljningen i en e-butik och mycket mer. Machine learning innebär att man använder olika algoritmer och statistiska modeller för att studera data och dra slutsatser ifrån den. Den exakta distinktionen mellan machine learning och artificiell intelligens är i mångt och mycket filosofisk men de allra flesta anser att machine learning ingår i artificiell intelligens. Sistnämnda, AI, innebär att man använder olika algoritmer, bearbetning och analys av data för att dra slutsatser och utföra handlingar/åtgärder. Ett exempel är en bil som använder information från sensorer runt bilen för att köra bilen framåt och väja för hinder på vägen.

Här följer exempel på vanliga algoritmer inom machine learning

  • Neurala nätverk (neural networks)
  • Deep learning
  • Linjär regression & multipel regression
  • Logistisk regression
  • Random forest (RF)
  • Gradient boosted models (GBM)

Vad är skillnaden mellan klassisk regressionsanalys och machine learning? Eftersom syftet med alla regressionsmodeller är att prediktera data så kan de också sorteras under machine learning.

Till Python finns flera stora bibliotek där ovanstående algoritmer har implementerats. Några av de viktigaste biblioteken är scikit-learn, statsmodels, TensorFlow etc.

Python kan användas för både grundläggande och mer avancerad visualisering av data. Exempelvis finns biblioteken matplotlib, seaborn och plotly till Python.

 

Enkla script i Python

Python kan användas för att skapa enkla skript, t ex för att automatisera vissa uppgifter. Man kan exempelvis skapa script som söker igenom vissa webbplatser regelbundet för att hämta viss information och spara i en databas.

 

Skapa spel med Python

Python inbegriper ett bibliotek kallat PyGame som kan användas för att utveckla enkla spel. Det finns dock språk som är bättre lämpade för detta ändamålet.

0/5 (0 Reviews)