Python现在几乎是全民学习的状态了，小到小学教材，大到高中大学，都用对应的教材和考试。
为什么学Python？因为Python简单、入门快。
首先说你问的，Python有什么用途？
偶发现有Python主要有以下五大主要用途：
一、Web开发
Python的诞生历史比Web还要早，由于Python是一种解释型的脚本语言，开发效率高，所以非常适合用来做Web开发。
Python有上百种Web开发框架，有很多成熟的模板技术，选择Python开发Web应用，不但开发效率高，而且运行速度快。
常用的web开发框架有：Django、Flask、Tornado等。
许多知名的互联网企业将python作为主要开发语言：豆瓣、知乎、果壳网、Google、NASA、YouTube、Facebook……
由于后台服务器的通用性，除了狭义的网站之外，很多App和游戏的服务器端也同样用Python实现。
二、网络爬虫
许多人对编程的热情始于好奇，终于停滞。
距离真枪实干做开发有技术差距，也无人指点提带，也不知当下水平能干嘛？就在这样的疑惑循环中，编程技能止步不前，而爬虫是最好的进阶方向之一。
网络爬虫是Python比较常用的一个场景，国际上，google在早期大量地使用Python语言作为网络爬虫的基础，带动了整个Python语言的应用发展。以前国内很多人用采集器搜刮网上的内容，现在用Python收集网上的信息比以前容易很多了，如：
从各大网站爬取商品折扣信息，比较获取最优选择；
对社交网络上发言进行收集分类，生成情绪地图，分析语言习惯；
爬取网易云音乐某一类歌曲的所有评论，生成词云；
按条件筛选获得豆瓣的电影书籍信息并生成表格……
应用实在太多，几乎每个人学习爬虫之后都能够通过爬虫去做一些好玩有趣有用的事。
三、人工智能
人工智能是现在非常火的一个方向，AI热潮让Python语言的未来充满了无限的潜力。现在释放出来的几个非常有影响力的AI框架，大多是Python的实现，为什么呢？
因为Python有很多库很方便做人工智能，比如numpy,scipy做数值计算的，sklearn做机器学习的，pybrain做神经网络的，matplotlib将数据可视化的。在人工智能大范畴领域内的数据挖掘、机器学习、神经网络、深度学习等方面都是主流的编程语言，得到广泛的支持和应用。
人工智能的核心算法大部分还是依赖于C/C++的，因为是计算密集型，需要非常精细的优化，还需要GPU、专用硬件之类的接口，这些都只有C/C++能做到。
而Python是这些库的APIbinding，使用Python是因为CPython的胶水语言特性，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的门槛要低不少，尤其是使用Cython的时候。
四、数据分析
数据分析处理方面，Python有很完备的生态环境。“大数据”分析中涉及到的分布式计算、数据可视化、数据库操作等，Python中都有成熟的模块可以选择完成其功能。对于Hadoop-MapReduce和Spark，都可以直接使用Python完成计算逻辑，这无论对于数据科学家还是对于数据工程师而言都是十分便利的。
五、自动化运维
Python对于服务器运维而言也有十分重要的用途。由于目前几乎所有Linux发行版中都自带了Python解释器，使用Python脚本进行批量化的文件部署和运行调整都成了Linux服务器上很不错的选择。Python中也包含许多方便的工具，从调控ssh/sftp用的paramiko，到监控服务用的supervisor，再到bazel等构建工具，甚至conan等用于C++的包管理工具，Python提供了全方位的工具集合，而在这基础上，结合Web，开发方便运维的工具会变得十分简单。
更多学习干货，偶哦！
从入门级选手到专业级选手都在做的——爬虫
用Python写爬虫的教程网上一抓一大把，据偶所知很多初学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。
Web程序
除了爬虫，Python也广泛应用到了Web端程序，比如你现在正在使用的知乎，主站后台就是基于Python的tornado框架，豆瓣的后台也是基于Python。除了tornado(TornadoWebServer)，Python常用的Web框架还有Flask(Welcome|Flask(APythonMicroframework))，Django(TheWebframeworkforperfectionistswithdeadlines)等等。通过上述框架，你可以很方便实现一个Web程序，比如偶认识的一些朋友，就通过Python自己编写了自己的博客程序，包括之前的zhihu.photo，偶就是通过Flask实现的后台(出于版权等原因，偶已经停掉了这个网站)。除了上述框架，你也可以尝试自己实现一个Web框架。
桌面程序
Python也有很多UI库，你可以很方便地完成一个GUI程序(话说偶最开始接触编程的时候，就觉得写GUI好炫酷，不过搞了好久才在VC6搞出一个小程序，后来又辗转Delphi、Java等，最后接触到Python的时候，偶对GUI已经不感兴趣了)。Python实现GUI的实例也不少，包括大名鼎鼎的Dropbox，就是Python实现的服务器端和客户端程序。
人工智能(AI)与机器学习
人工智能是现在非常火的一个方向，AI热潮让Python语言的未来充满了无限的潜力。现在释放出来的几个非常有影响力的AI框架，大多是Python的实现，为什么呢?因为Python足够动态、具有足够性能，这是AI技术所需要的技术特点。比如基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。
机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。
早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。
而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。
值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。
科学计算
Python的开发效率很高，性能要求较高的模块可以用C改写，Python调用。同时，Python可以更高层次的抽象问题，所以在科学计算领域也非常热门。包括scipy、numpy等用于科学计算的第三方库的出现，更是方便了又一定数学基础，但是计算机基础一般的朋友。