學(xué)Python的電腦要什么樣的配置？謝謝你的邀請！作為IT行業(yè)從業(yè)者和計算機專業(yè)教育者，讓我回答這個問題。首先，如果您從學(xué)習(xí)Python語言本身的角度出發(fā)，您不需要配置太高的計算機。普通辦公電腦完全可

學(xué)Python的電腦要什么樣的配置？

謝謝你的邀請

！作為IT行業(yè)從業(yè)者和計算機專業(yè)教育者，讓我回答這個問題。

首先，如果您從學(xué)習(xí)Python語言本身的角度出發(fā)，您不需要配置太高的計算機。普通辦公電腦完全可以滿足要求，或者大部分在售筆記本電腦都可以滿足基本的學(xué)習(xí)要求。

但是，學(xué)習(xí)Python通常必須有明確的學(xué)習(xí)方向。不同的學(xué)習(xí)方向在計算機配置上仍有一些具體的要求。目前Python的主要學(xué)習(xí)方向包括web開發(fā)、大數(shù)據(jù)開發(fā)、人工智能開發(fā)和嵌入式開發(fā)，其中大數(shù)據(jù)開發(fā)和人工智能開發(fā)對計算機配置仍有一定的要求。

大數(shù)據(jù)領(lǐng)域的發(fā)展通常對計算機內(nèi)存有更高的要求。一個重要原因是，大數(shù)據(jù)平臺通常對內(nèi)存有更高的要求。很多大數(shù)據(jù)平臺至少需要8g內(nèi)存，而一些商業(yè)大數(shù)據(jù)平臺對內(nèi)存的要求更高。因此，如果你想學(xué)習(xí)Python，從事大數(shù)據(jù)開發(fā)，就需要配置一個內(nèi)存，計算機越大越好。另外，對于初學(xué)者來說，通常需要通過虛擬機在自己的計算機上構(gòu)建偽分布式集群，這對內(nèi)存容量提出了更高的要求。

人工智能的發(fā)展通常需要一個強大的GPU，所以如果你想學(xué)習(xí)Python進行機器學(xué)習(xí)（深度學(xué)習(xí)）、計算機視覺等方面的開發(fā)，就必須配備一個更好的顯示卡，這樣會大大提高實驗速度。另外，人工智能的發(fā)展方向?qū)PU和內(nèi)存也有一定的要求。

最后，在硬盤的配置上，最好選擇速度更快的固態(tài)盤，而且容量不需要太大。

為什么C#排名和Python相差越來越大？

以下是我的一些個人觀點。如果我錯了，請糾正我：

首先，從語言本身的角度來看：

C#可以看作是一種編譯語言（嚴(yán)格地說，是一種混合語言），Python是一種解釋性語言。

C的優(yōu)勢？速度越來越快。由于編譯只進行一次，運行時不需要編譯，因此編譯語言的程序執(zhí)行效率很高。

同時，編譯是一把雙刃劍。如果修改了代碼，則需要重新編譯整個模塊，并根據(jù)操作系統(tǒng)環(huán)境編譯不同的可執(zhí)行文件。

魚和熊掌不能兼得。Python的優(yōu)點是它具有很強的跨平臺能力。代碼修改不需要停止。缺點是每次運行時都要解釋。

然而，隨著軟硬件的快速發(fā)展，解釋運行時間與編譯后運行時間的時差將越來越小，Python語言“優(yōu)雅”、“清晰”、“簡單”的優(yōu)勢也越來越明顯。

其次，從類庫生態(tài)的角度來看：

Python有大量的第三方類庫。在其他一些語言中，實現(xiàn)一個函數(shù)可能需要幾十到幾百行代碼，而Python可能會調(diào)用其他語言的下一個輪子，只需要幾行代碼甚至一行代碼。然而，c#一開始是基于Windows平臺的，后來可以是跨平臺的、開源的。第三方類庫的數(shù)量沒有python那么多。

最后，從發(fā)展前景來看：

人工智能，大數(shù)據(jù)時代已經(jīng)到來，數(shù)據(jù)清洗和分析是python的強項，人工智能中有很多基于python的優(yōu)秀框架。如果有人說Python效率低下，如果我的硬件不符合標(biāo)準(zhǔn)，我需要效率，那么人們更愿意使用C/C而不是C#。

總之，c和Python之間的排名差距越來越大。

操控excel,選擇Python還是vba？

對于大量數(shù)據(jù)，建議使用Python。VBA通常將數(shù)據(jù)存儲在內(nèi)存中。當(dāng)數(shù)據(jù)沒有分割，計算機配置不高時，會出現(xiàn)更多的卡。經(jīng)過數(shù)據(jù)處理后，如果內(nèi)存沒有釋放，電腦也會多卡。VBA一般啟動兩個CPU核進行數(shù)據(jù)計算，運算效率較低?，F(xiàn)在微軟已經(jīng)停止更新VBA了，更建議大家學(xué)習(xí)python。如果只操作excel，兩種學(xué)習(xí)難度相差不大，但是Python的開發(fā)空間會更好

另一種更方便的方法是使用power Bi的三個組件進行數(shù)據(jù)處理，power query進行數(shù)據(jù)處理，PowerPivot進行分析，power Bi進行數(shù)據(jù)處理的優(yōu)點數(shù)據(jù)可視化的主要觀點是學(xué)習(xí)周期短，數(shù)據(jù)可以自動刷新，啟動時間相對較快。使用這種方法，效率可能比excel快，但速度仍然不如python快。當(dāng)然，為了長期的可持續(xù)發(fā)展，建議大家學(xué)習(xí)python，但是起步時間會比較長

python它有以下幾個發(fā)展方向：

除了基本的python編程知識外，還需要熟悉numpy，pandas，pytables，blaze，dask，等等

除了基本的python編程知識，還需要了解HTTP協(xié)議、簡單的HTML等

除了基本的python編程知識，還需要熟悉spark等

除了基本的python編程知識，還需要熟悉Django、HTTP、RSET、JSON，等等

除了基本的python編程知識，還需要熟悉Linux。

除了基本的python編程知識，還需要熟悉CI/CD連續(xù)編譯、連續(xù)集成、Jenkins、k8s等