简单聊聊Python在算法、后端、量化工作中的应用
今天想聊聊Python在算法、后端、量化工作中的应用，该如何去学习呢？
本人是非计算Python专业（天坑之一），大四开始学Python，一路过来摸爬滚打，现在在某行业头部企业做大数据分析，经常用到Python处理数据。
Python现在几乎是使用人数最多的编程语言，主要是因为它在各个领域都有应用，十八般武艺虽然说不上样样精通，但至少是有拿得出手的东西。在国内，Python大概从2017年开始，由于AI、大数据的兴起，逐渐网红化，备受非IT从业者的吹捧，当然也催生一大批教育培训。
很多人在说Python找不到工作，花钱去学的都是韭菜。其实我相信大部分人学习Python，并不是指望着靠Python去找工作，而是解决问题，培养自己的编程能力，作为加分项。至于哪些岗位需要python，这就是我们要聊的问题。
能够用到Python的工作有哪些？
我以我高中、大学的几个同学的经历为例，分别介绍下他们用Python的场景。
1、同学A：TOP3电商平台 NLP算法工程师
他是校招进去的，做UGC内容的文本挖掘，去分析电商用户的评论、客服、问答等数据，给商品推荐、智能客服等场景做决策。这是属于纯粹的算法岗了，在大厂里那是相当吃香，校招打包价都快50。
面试的时候，对用哪门语言其实并没有严格限制，Python、Java、C++都可以，但是需要手写算法，也会考上面几种框架的使用。
同学A说他们组现在用到的技术栈是NLP、深度学习、大数据，像nltk、tensorflow、pytorch、hadoop、spark之类，都是主力工具。组里大部分人都用Python，有少部分大佬用C++，总得来说是可以跑就行。
我问同学A为什么用Python，他笑着说了四个字“人生苦短”啊，Python写脚本、做测试、跑数据实在是太方便，虽然跑算法没有C++快，但是并不会带来很大差异，因为他们不需要实时去出结果。
而且Python第三方库有大量的NLP、机器学习工具，NLP领域像nltk、Pattern、Gensim等，机器学习像sklearn、keras、tf等，集成得非常好，拿来就用。
2、同学B：某头部自主车企 后端开发工程师
同学B是原来在乙方软件公司工作，主要负责车机软件的开发，后来不想卷去了甲方做web安全后端，但发现活一点没变少，可能这几年汽车电子发展太快，都在更新迭代。
现在车企招聘比较青睐计算机背景的候选人，许多在互联网裁员大潮中全身而退的技术人去了车企做开发、做产品，其实也是个不错的选择，赶上新能源发展的机遇。
他们做的安全相关业务后端开发，平常主要用到Django、Django RESTFramework、docker等框架，还有MySQL、MongoDB、Redis等数据库，基本上都是基于Python去做开发。
说来也奇怪，安全产品一直是C/C++为主，占据绝大部分场景，为什么他们会用到Python？我这样问同学B。
他说你还是不了解，安全领域C/C++、Java、Python一直是三大主流技术栈，像NTA、防火墙、IDS、IPS都会用到Python，一些小型的后端服务也会采用Python进行开发。
3、同学C：一家小型基金管理公司 量化分析员
同学C是在英国待过一年，回国后面了好几家大券商、大基金公司，都止步在技术面，后来进了一家上海本地的一家小型基金管理公司，做CTA高频量化模型开发，平时搞搞交易策略的研发、调试、优化、维护及监控。
他说当时进来也是想锻炼下技术能力，为后面去大厂铺路，加上业绩的压力，所以基本每天996，写策略写到麻木。平常还要做数据的收集和处理、历史数据回测以及风险收益评估等，总之把人用到极致。
由于我不太懂Python在金融行业的应用，于是问他做量化一定要用Python吗？
他笑了笑说，你可以去招聘网站上搜搜看，金融行业做分析搞研究的现在清一色的需要编程能力，其中大部分要求python，国外像摩根、花旗这样的大公司基本上把python当作硬性门槛了。
量化领域基本是以C++和Python为主，C++一般用来写大型交易框架，稳定性强，而且速度快，Python则用来写策略、跑算法、验证模型，也支持一些小型应用的编写，对C++库进行包装等。
这主要是因为Python生态有大量的金融数据分析工具，像talib、pandas、numpy等，可以快速引用。
这三位同学是我身边拿Python当主力工具的典型代表，其实可以看到都是需要综合能力的岗位，NLP要求算法、后端开发要求安全经验，量化要求会写策略。所以基本不是说会Python就能够找到合适的工作。
对Python能力的要求是什么样的？
Python是用来解决业务问题的，所以不同岗位的要求必然不同，但前提都是要会熟练使用Python语法，对数据类型、逻辑语句、函数模块、类、进程线程、错误处理、网络编程、正则表达式...这些务必要了如指掌。
这里建议大家去官方文档一一对照着去学习：
其次针对不同岗位要学习不同的Python框架，这些框架的难度一点也不必Python本身容易，有些大的框架比如tensorflow其学习成本已经远远超出Python语法。
爬虫岗：requests、xpath、beautifulsoup、scrapy、selenuim
数据分析岗：pandas、numpy、sklearn、matplotlib、pymysql
算法岗：sklearn、keras、tensorflow、pytorch
nlp岗：nltk、Gensim、Pattern
大数据岗：pyspark、pyflink
BI岗：superset、dash
web岗：Django、Flask、Tornado（知乎用这个写的）、fastapi
测试运维岗：os、sys、selenium、pytest、appium、unittest
前端岗：PyQt、PyGUI、pyecharts、dash、plotly
其他办公用：xlwings、pandas、pptx、docx、email
以上这些是对应岗位需要用到的工具，也就是python的第三方库，大家可以一一对应看看自己需要什么，然后针对性的去学习。
加入知识星球【我们谈论数据科学】
500+小伙伴一起学习！
· 推荐阅读 ·