学Python一定要会算法吗？

刚开始入门时，不是必须学好算法的。但是随着技术的深入，算法还是需要的，不然只能干点"搬砖"的活儿。

1、学好软件开发离不开计算机理论基础，如数据结构、操作系统、网络技术、算法研究等。如果热爱这门技术，这些都是不问题，先入门，这些慢慢的都可以补上。

2、关于算法，它是软件开发的灵魂，没有好的算法写不出优秀的程序。

3、如何学习算法，首先选取经典算法教材。基础的可以先从《数据结构》学起，里面有些基础算法，然后再去学专门的算法(其实把数据结构范畴的算法学好，一般就够用了)。还有网上有很多论坛，算法网站，为了吸引眼球 一般都做的浅显易懂。还有大部分算法为c语言，但语言在算法层面都相通的，明白算法模型才是最重要的。

4、万事开头难，只要入门，剩下的就是慢慢经营这门技术就行了。算法在实践中学的最快也最牢固。

希望能帮到你

Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？

对于用过几种开发语言（java，c#，nodejs，erlang），而后转Python做机器学习的人，我说说我的看法。

首先，大家说python慢是真的吗？我的回答是真的。非常慢，for循环比cpp慢两个数量级。

那为什么还用Python?假如我们遍历过亿的数据，两个数量级的差异是无法接受的。但如果我们用python做最上层的逻辑，把上亿数据进行分块，python只循环十几次，剩下扔给cpu和gpu。那么两个数量级是否就无所谓了呢？1毫秒和100毫秒在整个系统中真的无所谓了。

python最大的优势在于，可以非常非常优雅的把数据扔给高效的c，cuda去做计算。numpy，pandas，numba这些优秀的开源库可以非常方便的高效的处理海量的数据，借助zmq，celery等还可以做分布式计算，gevent借助系统的epoll进行io优化。所以，不需要花太多精力，就可以优雅，高效的实现海量的数据处理，机器学习的任务。这是python火爆的原因。

想想，同样的性能，代码只有cpp或java的三分之一甚至更少，是不是很有诱惑力？

python是怎样的编程语言？

python非常容易上手，而且能干很多事情，WEB开发，机器学习人工智能，数据分析，量化投资，爬虫等，基本可以应用到各行各业，而且大家都在做基于PYTHON的库，使得PYTHON语言变成一门直接拿来就能用的语言，更像一种工具了，比如机器学习，可能理论很复杂，但是实际在PYTHON中仅仅几行代码就能实现，不用花太多时间用在码代码上面， 学过python之后就再也不想写其他语言了，python 现在是越来越火。

为什么有些算法岗位，需要用C 而不是python？

C/C 是比较底层的语言，可以对CPU/内存等计算机资源特别是硬件进行非常精细的控制，算法运算做到最精细自然要使用它们。

但是它们的优点自然也是他们的缺点，精细的操作自然需要精细的编程，精细的编程自然需要繁复的语言设定，比如什么是指针什么是指针函数什么是函数指针……等你搞清这些佶屈聱牙的概念，你大概也没有写代码的冲动了。更何况，你想写出高性能的代码，这些概念是必须精通的

python有一个很重要的特性，就是所谓的“胶水语言”，“胶水”的意思就是，它可以把不同语言编写的代码模块组合在一起，然后统一通过python去调用。其实绝大多数算法库都是使用C/C 编写，然后提供python的接口供用户使用，毕竟大部分人只需要知道怎么调用封装好的算法就好。但你要想实现自己的算法就必须会C/C

打个不是很恰当的比方，python就像电视遥控器，C/C 就像遥控器里的电板，平时你想换换台，你只要按按钮就好。但是有一天你就是要个把画面旋转九十度的功能，而遥控器上没有这个功能，但是拆了遥控器电板插几个元件就能实现，你咋办？

作为一名研究生，除了可以用python写各种算法之外，还应该如何提高自己的python水平？

如题，作为一个研究生，你用Python写算法，我觉得你应该是想往大数据，人工智能方面发展。

Python这些年随着大数据人工智能的大爆发也变得流行起来，你想再提升自己Python的水平，我觉得你可以从以下着手！

分布式计算框架spark

Apache Spark是一个计算速度快，易用，支持复杂分析的大数据处理框架，大有取代mapreduce之势。

Python虽说在机器学习和人工智能方面有极好的应用，但是Python有一个大缺陷，不支持分布式计算，但是不要紧，spark提供了极好的Python接口Pyspark，借助他，Python在分布式计算、流计算方面有了极大提高。

另外，spark的核心RDD弹性分布式数据集和Python中pandas中的DataFrame十分相似，可以十分方便的相互转化。所以说spark让Python有了分布式处理大数据集的能力。

web后端

Python有十分多的强大的web后端框架，如Django，flask等，学习这这可以巩固Python的基础，又会使用到Python的高级用法，如装饰器，类及魔法方法，数据库等。

学习spark和web后端的优势

你不可能一直在单机上使用模型，你可能会在大数据框架和网站来部署模型，这需要你了解后端和分布式计算，学习这两方面，既能提升Python水平，也能让你在日后的大数据和人工智能领域如虎添翼。

python基础教程廖雪 python算法教程pdf下载 图解算法使用python

版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。