Python的確挺厲害的~但不是生來就那么厲害。
Python是在1991年被創造出來的，但真正開始被廣泛使用是Python 2.6以后的事情了。從2012年開始到現在，Python的熱度持續累積，成為關注度增長最快的語言。
有圖有真相：Python如此快的增長，說明了它確實十分神奇
所以說，Python并沒有像Golang等語言那么幸運，生來就備受關注；而是因為語言本身的設計特點對生態環境有著極強的適應能力，同時適時抓住了成長機遇，從而厚積薄發。
精妙的設計哲學早期的Python，在Java、PHP、JS、C++等重重包圍下，盡管受眾不廣，但仍舊得以生存，主要因為Python的設計哲學使其具備了十足的生命力。
忍不住要分享一下精妙的Python之禪（摘自Python官網），它并非出自Python創始人之手，但已被官方認可為編程原則。而精妙之處在于它不僅適用于編程，更適用于人生。原來每一個熱愛代碼的優秀編程者都是哲學家。
The Zen of Python, by Tim PetersBeautiful is better than ugly.Explicit is better than implicit. Simple is better than complex. Complex is better than complicated. Flat is better than nested. Sparse is better than dense. Readability counts. Special cases aren't special enough to break the rules. Although practicality beats purity.Errors should never pass silently. Unless explicitly silenced. In the face of ambiguity, refuse the temptation to guess. There should be one-- and preferably only one --obvious way to do it. Although that way may not be obvious at first unless you're Dutch. Now is better than never. Although never is often better than right now. If the implementation is hard to explain, it's a bad idea. If the implementation is easy to explain, it may be a good idea. Namespaces are one honking great idea -- let's do more of those!帶著這種哲學，Python逐漸發展成了一個特別簡明友好、容易上手、功能強大的語言，發展過程中，Python抓住了三次飛速發展的機會。
適時抓住成長機遇第一個機會，Web與敏捷開發
在受到廣泛關注之前，Python更多地是作為簡單腳本語言，配合一些系統相關工作而被運用（主要是跟Perl搶地盤）。Python開始受到廣泛關注，得益于Google的推動。Google或許不是第一家使用Python的公司，但它是第一家大規模使用Python進行Web相關開發的全球著名公司，從而有力地證明了Python能夠很好地完成Web開發相關的許多工作。
而此時互聯網正開始向快速開發轉型，開發速度對于企業，尤其是初創企業而言至關重要，因此Python簡潔便利與高效開發的特點吸引了眾多企業和組織，同期衍生出來的社區環境又為Python提供了無數優質到可以進行生產級使用的模塊和包；對比彼時PHP的模板式開發，Java的龐大繁雜，Ruby的語法新奇多變，Python為中小型企業的快速開發提供了尤為可能的解決方案，從而使得Python開始小有名氣。
第二個機會，科學計算
相較于商業開發，科學計算面向更多的是非專業的編程人員，從這個方向上來說，拋開商業化軟件不談，Python的競爭對手也是前有Fortran，后有R、Julia語言的存在，雖然歷史積累不如Fortran，抽象形式不及R，現代化和綜合性能不如Julia，但是這些卻仍然沒有妨礙Python在這個領域里大顯身手。
歷史積累不如Fortran？沒關系！借助C接口把Fortran包包裹起來讓Python用就好；
抽象形式不及R？沒關系！Python語法簡單庫還多，學習起來也不難，效率還高一丟丟，更重要的是借助這些特點能直接做產品，比R更具市場親和力；
現代化不如Julia？沒關系！Python社區大，要啥包有啥包。
更讓人們驚喜的是，借助Python的各種模塊和包，能夠十分簡單地實現之前需要折騰很久的繁雜工作，諸如訪問數據庫和表格文件，哪怕是在R語言中，仍舊需要從ODBC里一點點拿出數據；而用Python，以Pandas，一句話就能解決數據的讀甚至寫。
并且，隨著計算金融和大數據的興起，大量程序員開始投入科學計算，相較于Fortran的陳腐、R的濃厚統計數學意味以及Julia的不發達社區，Python自然而然的成了很多人的首選；而經驗豐富的程序員又更進一步推動了Python社區的發展，更多優秀的包和模塊得到了迅速推廣：
矩陣、符號、科學計算？有NumPy、SymPy和SciPy；
統計分析？有Pandas；
可視化？有matplotlib、seaborn；
……
于是，Python很快便在該領域占據了半壁江山。
第三個機會，深度學習
在較早的很長一段時間里，提到機器學習，人們往往會使用C++、Java等作為主要工具。GPGPU的出現使得計算龐雜的機器學習任務開始由CPU向GPU轉變，但研究者直接進行GPU編程，在計算復雜的模型時，不僅需要大量心智來分析算法的設計，還不得不投入大量精力解決顯卡計算開發中的工程問題，為研究增添了非常大的難度。
隨著時間的積累，更多的開源庫出現，使得機器學習中主要算法實現抽象成了一個個模塊，研究者才得以從繁雜的工程開發中解放出來。此時，代碼成了模塊的調用和描述，使用諸如C++或Java這樣繁雜的工程化語言不再是必要選擇，特別是更通用化的深度學習出現，促使研究者需要一種更加易讀、易分析的描述性語言（DSL）來解決問題。
而Python因此前在科學計算領域已有廣泛應用，加之它能很容易接入現有的C/C++庫，以及良好的可讀性，成為不少框架的必然選擇，如Theano和Caffe。同時，由于AlphaGo亮眼的表現聚焦了眾人的注意力，并隨后開源了以Python為接口Tensorflow，使得由AI熱潮帶來的學習者紛紛奔向了Python和Tensorflow。
之后，越來越多的框架都開始提供Python接口——Python能夠容易而清晰地描述模型結構，輕松解決計算中的數據輸入（無論從硬盤、數據庫、網絡中的任何一種）問題，簡單地實現可視化，并能輕易地設計為Web服務。甚至連使用Lua的Torch都實現了以Python為接口的演進版本PyTorch。至此，Python幾乎已經統治了深度學習的模型設計、訓練領域。
Python在深度學習上有多神？
正如前文所述，Python極大地減輕了深度學習研究者的心智負擔，使之得以將更多的精力集中在模型的設計、改進上。而當深度學習的研究可以集中在對模型結構、對優化算法等方面的研究上，這個領域的進展迅速也就可以被理
不妨看一個簡單的例子，此處使用Keras框架中對MNIST（手寫數字識別）數據集的深度卷積網絡的實現代碼：
讓我們詳細看看這段不到70行的代碼：加載標準數據集不過僅僅5 行，訓練部分也就寥寥數行，而其中的模型，更是簡單直白：數據順序地經過若干卷積層（Conv2D）、池化層（MaxPooling2D）、展平（Flatten）和全連接層（Dense）。
加載標準數據集僅僅5 行
訓練部分寥寥數行
這樣的一段程序，經過訓練，對于手寫數字的識別率可以達到99.25%，如果你愿意，也可以為此程序接入微信、網站，或包裝成應用程序，一切都只需要簡單的幾行代碼即可完成。
更多Python可以做到的事情請參看你都用 Python 來做什么？
所以你看，Python其實是屬于厚積薄發型選手，與其說它神，倒不如說它早就做好了準備，一直在尋找爆發的機會，Python的語言哲學值得認真品讀一番。
感謝頭條問答受邀！我來分享一下我的經驗吧！
Python是近年來發展的非常快的語言，或許你現在還不知道它可以做什么，那我來告訴你吧。
第一web應用開發
許多大型網站就是基于Python開發的。
可以做后臺，比如python Django，flask等等，后臺網絡框架后臺應用開發。
我以前自學使用過python +Django +mysql框架做后臺開發。
第二網絡爬蟲
網絡爬蟲是屬于應用的非常多的一個場景，Google瀏覽器的爬蟲早期就是用跑Python來寫的。
我們可以寫腳本爬蟲網絡數據，比如體育數據，比賽數據，音樂數據等等。但是要合法，不能爬相關規定禁止的數據。
第三人工智能
在AI人工智能與數據科學領域，python已經攀爬到了編程語言生態鏈的頂級位置，可以說Python基本上與AI已經緊密捆綁在了一起了。
除了簡潔高效、可移植性強等優勢，Python在科學計算領域一直有著較好的聲譽，深受開發者喜愛。
人工智能比如識別物體識別圖像等等。
第四數據分析
Python關于數據分析的庫是非常豐富的，各種圖形分析圖都可以做出來。
Python程序寫起來簡單易懂，入門容易，相對其他語言更簡單明了，代碼優雅，程序員可以盡情自由發揮哈。
總之Python可以做很多事情。python可以干什么，這下你明白了嗎。
謝謝邀請！
首先答案是肯定的，市場營銷人員掌握Python語言是有一定必要的。
對于市場人員來說，數據分析是非常重要的，在大數據時代背景下，通過Python做數據分析是一個比較流行的做法。
通過Python做數據分析至少能為市場營銷人員帶來以下幾點好處：
第一：數據分析是制定營銷策略的依據。市場營銷人員制定策略的一個重要依據就是數據分析的結果，數據分析可以從客觀的角度來呈現出基本的市場規律，所以數據分析對于市場營銷來說是非常關鍵的。
第二：Python數據分析符合大數據時代要求。在大數據時代對數據分析提出了更高的要求，早期的Excel等數據分析方式很明顯已經不能滿足大數據時代的要求了，無論從數據分析的量上還是維度上，Python都能給出一個比較好的解決方案。
第三：Python語言易于市場營銷人員掌握。Python語言自身比較簡單易學，對于非計算機專業的人來說也能夠比較輕松的掌握，所以從這個角度來說，Python語言是比較適合市場營銷人員學習的。Python語言在數據分析領域有豐富的庫可以使用，比如Numpy、Scipy、Matplotlib、pandas等庫在數據分析領域有廣泛的使用。
Hadoop和Spark平臺都支持Python的應用開發和數據分析任務，由于Python語言既具備腳本式語言的簡單性又具備面向對象語言的靈活性，所以Python深受開發人員歡迎。
目前采用機器學習的方式完成數據分析是一個比較常見的做法，而Python在機器學習領域也有廣泛的應用。我在早期做算法實現的時候采用的是Java語言，后來改用Python語言之后在代碼量上有了明顯的下降，而且在功能調整方面也方便了許多。
總之，無論是對于市場營銷人員來說，還是對于大數據從業者來說，掌握Python語言都是有必要的。
作者簡介：中國科學院大學計算機專業研究生導師，從事IT行業多年，研究方向包括動態軟件體系結構、大數據、人工智能相關領域，有多年的一線研發經驗。
歡迎關注作者，歡迎咨詢計算機相關問題。
下載視頻唄，Python第三方模塊中提供了2個專門用于下載視頻的工具—you-get和youtube-dl，可以直接下載B站、優酷等主流視頻網站的視頻，使用起來非常容易，下面我簡單介紹一下這2個工具的安裝和使用，以Python3.6為例（其他版本也可以）：
you-get1.首先，安裝you-get，這個直接在cmd窗口輸入命令“pip install you-get”就行，如下，大概也就幾百K，很快就能安裝成功：
2.安裝完成后，我們就可以直接使用you-get工具下載視頻了，基本使用方式“you-get 視頻網址”就會自動開始下載過程，速度非?？?，如下，這里以B站為例：
3.這里你也可以查看網站提供的視頻格式，高清、超清等，選擇適合質量好的視頻下載，只需要用參數i，就會打印出所有視頻格式，如下，這里以優酷為例：
4.要批量下載視頻的話，首先需要將視頻的網址復制到一個txt文件中，如下，一行一個網址：
接著就可以直接使用you-get命令讀取這個文件，實現批量下載的功能，命令非常簡單，只需要用參數I指定文件地址就行：
5.當然，還有許多其他高級的功能，如本地在線播放等，這里直接使用命令“you-get -h”就可以查看，參數及功能解釋的非常詳細，可以本地一試：
youtube-dl1.首先，安裝youtube-dl，這個和you-get類似，也直接在cmd窗口輸入命令“pip install youtube-dl”就行，如下，安裝可能會比較慢：
2.下載完成后，就可以直接開始下載視頻了，基本使用方式也是“youtube-dl 視頻網址”就會開始下載，如下，下載速度也非常不錯：
3.這里也可以查看網站提供的視頻格式，使用參數F或者list-format就行，就會打印出所有的視頻格式，下載對應格式視頻的話，使用參數format指定就行，如下，需要下載超清的，命令則是“youtube-dl --format=3 視頻網址”:
4.批量下載的話，也需要先創建一個txt文件存儲視頻網址，然后使用參數a指定這個文件，youtube-dl會自動讀取文件內容，并開始下載過程，如下：
5.更多高級的功能的話，也是使用命令“youtube-dl -h”就可以進行查看，官方對于每個參數的功能都解釋的非常詳細，可以直接試用，非常多：
至此，這里就介紹完了Python是如何下載視頻的，也算是一個不錯的應用吧。當然，作為一門膠水語言，Python能做的事情還是非常多的，像Web開發、桌面開發、測試運維、數據處理、機器學習、網絡爬蟲、科學計算等，網上也有相關教程和資料，介紹的非常詳細，感興趣的話，可以搜一下，希望以上分享的內容能對你有所幫助吧，也歡迎大家評論、留言進行補充。