دریافت آموزش پایتون برای من بسیار سخت بود، اما لازم نبود اینقدر سخت باشد.
کمی بیش از یک دهه پیش، من یک فارغ التحصیل دانشگاه در رشته تاریخ بودم و فرصت‌های شغلی کمی برایم وجود داشت. اکنون، من یک مهندس یادگیری ماشین موفق، مشاور علوم داده و مدیر عامل Dataquest هستم.
این داستان درباره موفقیت یک شبه نیست، ولی باید بگویم که مسیر من در آموزش پایتون طولانی، ناکارآمد و اغلب دلسرد کننده بود.
اگر قرار بود دوباره این مسیر را طی کنم، مراحلی را که در این مقاله نوشته‌ام، دنبال می‌کردم. این امر می‌توانست ورود من به عرصه حرفه‌ای را تسریع کند، هزاران ساعت از وقتم تلف نمی‌شد، و استرس بسیار کمتری را تحمل می‌کردم.
این راهنما به شما نشان می‌دهد که روش صحیح فراگرفتن آموزش های پایتون چیست.
مرحله 1 – درک اینکه چرا بیشتر افراد در آموزش پایتون شکست می‌خورند
آموزش پایتون نباید سخت باشد. در واقع، اگر از منابع مناسبی استفاده کنید، این کار می‌تواند آسان (و سرگرم کننده) باشد.
مشکل اکثر منابع آموزشی
بسیاری از دوره‌های آموزشی موجود، آموزش پایتون را تبدیل به کاری دشوارتر از آنچه که باید باشد، می‌کنند. برای روشن شدن منظورم، یک مثال شخصی برایتان می‌زنم.
وقتی برای اولین بار یادگیری آموزش های پایتون را شروع کردم، می‌خواستم کارهایی را انجام دهم که برایم هیجان انگیز است، مانند ساختن وب سایت. متأسفانه، دوره‌ای که در حال گذراندن آن بودم، مجبورم کرد چندین ماه برای یادگیری سینتکس صرف کنم. این عذاب آور بود.
در طول این دوره، کدهای پایتون برایم عجیب و گیج کننده به نظر می‌رسیدند. این مثل یک زبان بیگانه بود. جای تعجب نیست که من به سرعت علاقه خود را از دست دادم.
متأسفانه، بیشتر آموزش های پایتون بسیار شبیه به آموزشی هستند که من از آن استفاده می‌کردم. آن‌ها فرض می‌کنند که شما باید قبل از اینکه بتوانید کار جالبی انجام دهید، تمام سینتکس پایتون را یاد بگیرید. با این اوصاف، آیا عجیب است که اکثر مردم تسلیم می‌شوند؟
به جای اتلاف وقت روی این کارهای پیش پا افتاده، می‌توانید هیجانات واقعی پایتون را تجربه کنید. به تجزیه و تحلیل داده‌ها، ساختن یک وب سایت یا ایجاد یک پهپاد مستقل با هوش مصنوعی فکر کنید!
یک راه ساده‌تر
پس از تلاش‌های ناموفق زیاد، فرآیندی را پیدا کردم که برای من بهتر کار کرد. در واقع، من معتقدم این بهترین راه برای یادگیری برنامه نویسی پایتون است.
پیش از هر چیز، من تا حد امکان زمان کمتری را صرف حفظ سینتکس پایتون کردم. سپس، از آنچه که یاد گرفته بودم استفاده کردم و بلافاصله به سراغ پروژه‌ای رفتم که واقعاً برایم جالب بود.
دنبال کردن مراحل ذکر شده در زیر نه تنها سرگرم کننده‌تر است، بلکه به شما امکان می‌دهد با سرعتی باورنکردنی آموزش های پایتون را یاد بگیرید!
مرحله 2 – چیزی که به شما انگیزه می‌دهد را شناسایی کنید
خبر خوب این است: هر کسی که به اندازه کافی انگیزه داشته باشد، می‌تواند به سطح بالایی از مهارت در پایتون برسد.
به عنوان یک مبتدی که پایتون یاد می‌گرفت، هنگام تلاش برای به خاطر سپردن سینتکس، شب‌بیداری‌های زیادی را به سختی تحمل کردم. با این حال، زمانی که برای ساختن یک پروژه جالب نیاز به استفاده از اصول پایتون داشتم، با خوشحالی تمام شب را بیدار ماندم تا آن را به پایان برسانم.
درسی که اینجا می‌گیریم چیست؟ شما باید آنچه را که به شما انگیزه می‌دهد پیدا کنید و در موردش هیجان زده شوید! برای شروع، یک یا دو حوزه مورد علاقه خود را پیدا کنید:
- علم داده / یادگیری ماشین
- اپلیکیشن‌های موبایل
- وب سایت‌ها
- علوم کامپیوتر
- بازی‌ها
- پردازش و آنالیز داده‌ها
- سخت افزار / حسگر / ربات
- خودکارسازی وظایف کاری
مرحله 3 – سینتکس پایه را به سرعت یاد بگیرید
میدونم میدونم. من گفتم تا حد امکان زمان کمتری را برای سینتکس صرف کنیم. متأسفانه، نمی‌توان این مرحله از آموزش پایتون را به طور کامل نادیده گرفت.
در اینجا چند منبع خوب برای کمک به یادگیری اصول پایتون وجود دارد که انگیزه شما را هم از بین نمی‌برد.
- Dataquest – دوره پایتون برای اصول بنیادی علوم داده : من Dataquest را تأسیس کردم تا آموزش پایتون و علم داده را آسانتر کنم. Dataquest سینتکس پایتون را در زمینه یادگیری علم داده آموزش می‌دهد. به عنوان مثال، هنگام تجزیه و تحلیل داده‌های مربوط به آب و هوا، دستورات پایه پایتون را خواهید آموخت.
- Learn Python the Hard Way – کتابی که مفاهیم پایتون را از اصول اولیه تا برنامه‌های عمیق تر، آموزش می‌دهد.
- The Python Tutorial – آموزش پایتون در سایت اصلی پایتون.
من نمی توانم به اندازه کافی بر این موضوع تأکید کنم: سینتکسی را که می‌توانید یاد بگیرید پیدا کنید و همان مسیر را ادامه دهید. در حالت ایده آل، شما چند هفته را صرف این مرحله خواهید کرد، اما نباید این زمان بیشتر از یک ماه شود.
هر چه زودتر بتوانید روی پروژه‌ها کار کنید، سریعتر یاد خواهید گرفت. در صورت لزوم، بعداً هم می‌توانید به سینتکس مراجعه کنید.
نکته سریع: Python 3 را یاد بگیرید، نه Python 2. متاسفانه، بسیاری از منابع “آموزش پایتون” که به صورت آنلاین هستند، هنوز پایتون 2 را آموزش می‌دهند. اما Python 2 دیگر پشتیبانی نمی‌شود، بنابراین باگ‌ها و حفره‌های امنیتی کدهایتان برطرف نمی‌شوند!
مرحله 4 – ساخت پروژه‌های ساختاریافته برای آموزش پایتون به خود
هنگامی که سینتکس پایه پایتون را یاد گرفتید، شروع به انجام پروژه کنید. به کارگیری دانش خود به سرعت به شما کمک می‌کند تا همه چیزهایی را که یاد گرفته اید، به خاطر بسپارید.
در شروع مسیر آموزش پایتون، بهتر است با پروژه‌های ساختاریافته (Structured) شروع کنید و این کار را تا زمانی ادامه دهید که بتوانید به تنهایی پروژه بسازید.
در اینجا چند نمونه از پروژه‌های واقعی Dataquest آورده شده است. کدام یک باعث تحریک حس کنجکاوی شما می‌شود؟
- فرار از زندان: بیشتر فرارهای هلیکوپتری از زندان کجا و چه زمانی اتفاق می افتد؟ با این پروژه هدایت‌شده برای مبتدیان پایتون آشنا شوید.
- پاکسازی و تجسم داده‌ها به سبک جنگ ستارگان: طرفداران جنگ ستارگان که طالب آموزش پایتون هستند، هرگز نباید این پروژه ساختاریافته را که با استفاده از داده‌های واقعی این فیلم ساخته شده است، از دست بدهند.
- پیش بینی قیمت املاک و خودرو: از گردش کار یادگیری ماشین برای پیش بینی قیمت املاک و خودرو استفاده کنید.
- پیش بینی آب و هوا با استفاده از یادگیری ماشین: یاد بگیرید که چگونه یک مدل یادگیری ماشین را برای پیش بینی آب و هوا آموزش دهید.
- کاوش در داده‌های فروش خودروی eBay: یک مجموعه داده واقعی درباره فروش خودرو از eBay را تجزیه و تحلیل و مرتب کنید.
- پیش‌بینی بیماری‌های قلبی: یک k-nearest neighbors classifier بسازید تا پیش‌بینی کنید که آیا بیماران ممکن است در معرض خطر بیماری قلبی باشند یا خیر.
الهام گرفتن از پروژه‌های ساختاریافته در آموزش پایتون
وقتی صحبت از پروژه‌های ساختاریافته می‌شود، هیچ نقطه مناسبی برای شروع وجود ندارد. همه چیز شما بستگی به انگیزه شما و همچنین اهداف شما برای آموزش مفاهیم برنامه نویسی پایتون دارد.
آیا به علم عمومی داده یا یادگیری ماشین علاقه دارید؟ آیا می‌خواهید چیزی خاص مانند یک برنامه یا وب سایت بسازید؟ در اینجا برخی از منابع توصیه شده برای الهام گرفتن را برایتان دسته‌بندی کرده‌ایم:
علم داده / یادگیری ماشین
- Dataquest – پایتون و علم داده را به صورت تعاملی به شما آموزش می‌دهد. شما در این منبع آموزشی، مجموعه‌ای از مجموعه داده‌های جالب را تحلیل می‌کنید، از اسناد سیا گرفته تا آمار بازیکنان NBA. این در نهایت به جایی می‌رسد که بتوانید الگوریتم‌های پیچیده‌ای از جمله شبکه‌های عصبی و درخت‌های تصمیم بسازید.
- Scikit-learn Documentation – Scikit-learn کتابخانه اصلی یادگیری ماشین با پایتون است. این مرجع مستندات و آموزش‌های بسیار خوبی دارد.
- CS109 – این یک کلاس در هاروارد است که آموزش پایتون را به هدف آموزش علوم داده انجام می‌دهد. آن‌ها برخی از پروژه‌ها و متریال خود را در وب سایت‌شان آپلود کرده‌اند.
اپلیکیشن‌های موبایل
- Kivy Guide – Kivy ابزاری است که به شما امکان می‌دهد با پایتون اپلیکیشن‌های موبایل بسازید. آن‌ها یک راهنمای عالی برای شروع این کار دارند.
وب سایت‌ها
- Bottle Tutorial – Bottle یکی دیگر از فریم‌ورک‌های وب برای پایتون است. در اینجا یک راهنما اولیه برای کار با آن وجود دارد.
- How To Tango With Django – راهنمای استفاده از Django ، یک فریم‌ورک وب پیچیده برای پایتون.
بازی‌ها
- Pygame Tutorials – در اینجا لیستی از آموزش‌های Pygame، کتابخانه محبوب پایتون برای ساخت بازی وجود دارد.
- Making Games with Pygame – کتابی که نحوه ساخت بازی در پایتون را آموزش می‌دهد.
- Invent Your Own Computer Games with Python – کتابی که نحوه ساخت بازی‌های مختلف را با استفاده از پایتون به شما آموزش می‌دهد.
سخت افزار/حسگر/روبات
- Using Python with Arduino — نحوه استفاده از پایتون برای کنترل سنسورهای متصل به یک Arduino را بیاموزید.
- Learning Python with Raspberry Pi – ساخت پروژه‌های سخت افزاری با استفاده از Python و Raspberry Pi.
- Learning Robotics using Python – نحوه ساخت ربات با استفاده از پایتون را بیاموزید.
- Raspberry Pi Cookbook – یاد بگیرید که چگونه با استفاده از Raspberry Pi و Python ربات بسازید.
اسکریپت‌هایی برای اتوماسیون کار شما
- Automate the Boring Stuff with Python – یاد بگیرید که چگونه کارهای روزمره خود را با استفاده از پایتون خودکارسازی کنید.
انجام پروژه‌ها در مسیر آموزش پایتون بسیار مهم هستند. آن‌ها توانایی‌های شما را گسترش می‌دهند، به شما کمک می‌کنند مفاهیم جدید پایتون را یاد بگیرید و به شما امکان می‌دهند توانایی های خود را در مصاحبه‌های شغلی به کارفرمایان بالقوه نشان دهید. هنگامی که چند پروژه ساختاریافته را انجام دادید، می‌توانید به کار روی پروژه‌های شخصی‌تر خود ادامه دهید.
مرحله 5 – خودتان روی پروژه‌های پایتون کار کنید
بعد از اینکه چند پروژه ساختاریافته را انجام دادید، وقت آن است که توانایی برنامه نویسی خود را تقویت کنید. شما می‌توانید با کار بر روی پروژه‌های مستقل پایتون، سرعت یادگیری خود را افزایش دهید.
کلید اینجاست: با یک پروژه کوچک شروع کنید. بهتر است یک پروژه کوچک را به پایان برسانید، تا اینکه وارد یک پروژه بزرگ شوید که هرگز تکمیل نخواهد شد.
8 نکته برای کشف پروژه‌های جذاب پایتون به منظور آموزش پایتون
- من می‌دانم که پیدا کردن یک پروژه پایتون خوب برای کار کردن، می‌تواند کار سختی باشد. در اینجا چند نکته برای یافتن پروژه‌های جذاب آورده شده است:
- پروژه‌هایی را که قبلاً روی آن‌ها کار می کردید، گسترش دهید و قابلیت‌های بیشتری به آن‌ها اضافه کنید.
- لیست پروژه‌های پایتون ما برای مبتدیان را بررسی کنید.
- به جلسات پایتون در منطقه خود بروید و افرادی را پیدا کنید که روی پروژه‌های جالب کار می‌کنند.
- پکیج‌های اپن سورس را برای مشارکت پیدا کنید.
- ببینید آیا شرکت خصوصی خاصی در محل زندگی شما وجود دارد که به دنبال توسعه‌دهندگان داوطلب باشد؟
- پروژه‌هایی را که دیگران ساخته اند پیدا کنید و ببینید که آیا می‌توانید آن‌ها را گسترش داده یا با پروژه‌های خود تطبیق دهید. Github مکان خوبی برای شروع است.
- برای یافتن ایده‌های جذاب پروژه، پست های وبلاگ دیگران را مرور کنید.
- به ابزارهایی فکر کنید که زندگی روزمره شما را آسانتر می‌کند. سپس، آن‌ها را بسازید.
17 ایده برای پروژه پایتون به منظور آموزش پایتون
به ایده‌های بیشتری نیاز دارید؟ در اینجا چند ایده اضافی برای آغاز مسیر خلاقیت شما در آموزش پایتون وجود دارد:
- ایده‌های پروژه علم داده / یادگیری ماشین
- نقشه‌ای که نظرسنجی انتخابات را بر اساس ایالت به تصویر می کشد
- الگوریتمی که آب و هوای محلی را پیش بینی می‌کند
- ابزاری که بازار سهام را پیش بینی می‌کند
- الگوریتمی که بطور خودکار مقالات خبری را خلاصه می‌کند
ایده‌های پروژه اپلیکیشن موبایل
- یک اپلیکیشن برای محاسبه مسافتی که هر روز پیاده‌روی می‌کنید
- اپلیکیشنی که ناتیفیکیشن‌های مربوط به آب و هوا را برای شما ارسال می‌کند
- یک اپلیکیشن برای چت Real-time و مبتنی بر مکان
ایده‌های پروژه وب سایت
- سایتی که به شما در برنامه ریزی وعده‌های غذایی هفتگی کمک می‌کند
- سایتی که به کاربران امکان بررسی بازی‌های ویدیویی را می‌دهد
- پلتفرمی برای یادداشت برداری
ایده‌های پروژه بازی پایتون
- یک بازی موبایل مبتنی بر مکان، که در آن قلمرو دیگران را تصرف می‌کنید
- بازی‌ای که در آن با برنامه نویسی، پازل ها را حل می‌کنید
ایده‌های پروژه سخت افزار/حسگر/روبات
- حسگرهایی که خانه شما را از راه دور کنترل می‌کنند
- ساعت زنگ دار هوشمندتر!
- یک ربات خودران که موانع را تشخیص می‌دهد
ایده‌های پروژه اتوماسیون کار
- اسکریپتی برای وارد کردن خودکار داده‌ها
- ابزاری برای حذف داده‌ها از وب
در نهایت چیزی که در مسیر آموزش پایتون به شما بیشترین کمک را می‌کند، توانایی انتخاب یک پروژه و انجام دادن آن است. اگر برای یافتن پروژه عالی بیش از حد وقت بگذارید، این خطر پیش می‌آید که هرگز آن کار را شروع نکنید.
اولین پروژه مستقل من شامل تطبیق الگوریتم خودکار امتیاز‌دهی مقاله‌ام از زبان برنامه نویسی R به پایتون بود. این پروژه چندان جذاب به نظر نمی رسید، اما به من احساس موفقیت داد و من را وارد مسیر پیشرفت کرد.
به یاد داشته باشید: موانع اجتناب ناپذیر هستند. زمانی که پروژه خود را می‌سازید، با مشکلات و ارورهایی در کد خود مواجه خواهید شد. در اینجا چند منبع برای کمک به شما آورده شده است.
بهترین منابع آموزش پایتون برای زمانی که گیر کرده‌اید!
اجازه ندهید شکست‌ها شما را دلسرد کنند. در عوض، این منابع را بررسی کنید که می‌توانند به شما کمک کنند:
- StackOverflow – یک سایت پرسش و پاسخ جامع که در آن افراد در مورد مسائل و مشکلات برنامه نویسی بحث می‌کنند. در این بخش سایت می‌توانید سوالات اختصاصی مرتبط با آموزش پایتون را بیابید.
- Google – متداول ترین ابزار مورد استفاده برای هر برنامه نویس با تجربه، جستجو در گوگل است. این کار هنگام تلاش برای رفع ارورها بسیار مفید است.
- Python Documentation – مکان خوبی برای یافتن مطالب مرجع درباره آموزش پایتون.
مرحله 6 – به کار روی پروژه‌های سخت‌تر (و خیلی سخت‌تر) ادامه دهید
در همین حین که با پروژه‌های مستقل به موفقیت دست پیدا می‌کنید، سختی و گستره پروژه‌های خود را افزایش دهید. آموزش پایتون یک فرآیند طولانی است و برای عبور از آن، به شتاب بیشتری نیاز دارید.
وقتی ساختن پروژه‌هایتان کاملاً راحت می‌شود، وقت آن است که کارهای سخت‌تر را امتحان کنید. پروژه‌های جدیدی پیدا کنید که مهارت‌های شما را به چالش می‌کشند و شما را به سمت پیشرفت سوق می‌دهند.
5 Prompt برای تسلط بر پایتون
در اینجا چند ایده برای مسلط شدن به آموزش های پایتون وجود دارد:
- سعی کنید به یک تازه‌کار آموزش دهید که چگونه یکی از پروژه‌های خود را بسازد.
- از خود بپرسید: آیا می‌توانید ابزار خود را مقیاس‌بندی کنید؟ آیا ابزار شما می‌تواند با داده‌های بیشتری کار کند؟ یا می‌تواند ترافیک بیشتری را مدیریت کند؟
- سعی کنید برنامه خود را در سرعت بالاتری اجرا کنید.
- به این فکر کنید که ابزار شما چگونه می‌تواند برای افراد بیشتری مفید باشد.
- به این فکر کنید که چگونه چیزی را که ساخته‌اید تجاری کنید.
پیشرفت در آموزش پایتون
به یاد داشته باشید، پایتون به طور مداوم در حال پیشرفت است. تنها چند نفر در جهان هستند که می‌توانند ادعا کنند، پایتون را کاملاً درک می‌کنند. و این افراد کسانی هستند که پایتون را خلق کرده‌اند!
اما چگونه از این مسیر عقب نمانیم؟
به طور مداوم آموزش های پایتون خود را به روز کنید و بی‌وقفه روی پروژه‌های جدید کار کنید. این گونه می‌توانید مهارت خود را بیش از پیش تقویت کنید.
شش ماه بعد از شروع این مسیر، متوجه خواهید شد کدهایتان چقدر وحشتناک به نظر می‌رسند! اما ناامید نشوید قتی به این نقطه رسیدید، متوجه خواهید شد که در مسیر درستی قرار دارید.
اگر از آن دسته افرادی هستید که با ساختارهای حداقلی شکوفا می‌شوند، پس تمام آنچه که برای شروع سفر خود نیاز دارید، در اختیارتان است
سوالات رایج درباره آموزش پایتون (FAQs)
آیا آموزش پایتون سخت است؟
آموزش پایتون مطمئناً می‌تواند چالش برانگیز باشد. با این حال، اگر رویکرد گام به گامی که در این مطلب شرح دادم راانتخاب کنید، متوجه خواهید شد که بسیار ساده‌تر از آن چیزی است که فکر می‌کردید.
آیا می‌توانید پایتون را رایگان یاد بگیرید؟
منابع یادگیری رایگان زیادی برای آموزش پایتون وجود دارند. برای مثال، در Dataquest، ده‌ها آموزش رایگان پایتون وجود دارد.
یادگیری رایگان یک نقطه ضعف دارد: برای یادگیری موثر، باید چندین منبع رایگان را به هم وصل کنید. این به این معنی است که شما زمان بیشتری را برای تحقیق در مورد آنچه که در آینده باید یاد بگیرید و چگونگی یاد گرفتن آن، صرف خواهید کرد.
پلتفرم‌های پرمیوم ممکن است روش‌های آموزشی بهتری را ارائه دهند (مانند برنامه‌نویسی تعاملی درون مرورگر Dataquest). آن‌ها همچنین در زمان شما برای پیدا کردن و ساختن برنامه درسی، صرفه جویی می‌کنند.
آیا آموزش پایتون از ابتدا (بدون تجربه کدنویسی) ممکن است؟
بله. پایتون یک زبان عالی برای افراد مبتدی در زمینه برنامه نویسی است، زیرا برای کدنویسی در آن، نیازی به تجربه قبلی ندارید. Dataquest به دانش‌آموزان بدون تجربه کدنویسی کمک می‌کند تا به عنوان تحلیلگر داده، مدیر ارشد داده و مهندس داده شغل پیدا کنند.
آموزش پایتون چقدر طول می کشد؟
یادگیری یک زبان برنامه نویسی کمی شبیه به یادگیری یک زبان خارجی است. شما هرگز به انتهای مسیر نمی‌رسید! این به این دلیل است که زبان‌ها تکامل پیدا می‌کنندبنابراین همیشه چیزهای بیشتری برای یادگیری وجود دارد! با این حال، در نوشتن کدهای ساده اما کاربردی پایتون، می‌توانید به سرعت تسلط پیدا کنید.
چه مدت طول می کشد تا برای کار آماده شوید؟ این بستگی به اهداف شما، شغل خاصی که به دنبال آن هستید و مدت زمانی که می‌توانید به مطالعه اختصاص دهید، بستگی دارد.
چگونه می‌توانم پایتون را سریعتر یاد بگیرم؟
پلتفرمی را پیدا کنید که پایتون را به طور خاص برای مهارتی که می‌خواهید یاد بگیرید آموزش دهد(به عنوان مثال، پایتون برای توسعه دهنده بازی یا پایتون برای علم داده). یا می‌توانید یک برنامه درسی برای خودتان بسازید.
به این ترتیب، وقت خود را برای یادگیری چیزهای غیرضروری برای کارهای تکراری پایتون، تلف نمی‌کنید.
آیا برای پیدا کردن کار به مدرک یا سرتیفیکیت پایتون نیاز دارید؟
احتمالا نه. در علم داده، سرتیفیکیت‌ها تأثیر زیادی ندارند. کارفرمایان به مهارت‌ها اهمیت می‌دهند، نه مدارک کاغذی.
یک اکانت GitHub پر از کدهای عالی پایتون، بسیار مهم‌تر از یک سرتیفیکیت است.
باید پایتون 2 را یاد بگیریم یا پایتون 3؟
پایتون 3، تمام. چند سال پیش این موضوع هنوز موضوع بحث بود. برخی از افراطیون حتی ادعا کردند که پایتون 3، “پایتون” را خواهد کشت. امروز می‌بینیم که این اتفاق نیفتاده است، زیرا پایتون 3 همه جا هست.
آیا پایتون در پروژه‌هایی به جز علم داده و یادگیری ماشین کاربرد دارد؟
بله. پایتون یک زبان محبوب و انعطاف پذیر است که به طور حرفه‌ای در زمینه‌های مختلفی استفاده می‌شود. پایتون به جز علوم داده و یادگیری ماشین، در امور مالی، توسعه وب، مهندسی نرم افزار، توسعه بازی و موارد دیگر هم استفاده می‌شود.
داشتن برخی از مهارت‌های تجزیه و تحلیل داده‌ها با پایتون، می‌تواند برای بسیاری از مشاغل دیگر نیز مفید باشد. به عنوان مثال، اگر با صفحات گسترده کار می‌کنید، به احتمال زیاد کارهایی وجود دارد که می‌توانید با پایتون سریعتر و بهتر انجام دهید.
