2019年，企业对Python开发人员有什么期望？

Python无处不在。

根据StackOverflow 2019 年开发者调查，它是世界上第二受欢迎的编程语言。

在过去的 4 年里，Python 一直是GitHub 贡献者中最受欢迎的第三大语言。

即使在CV Compiler，我们也使用 Python 作为简历处理引擎的核心语言。

我们对 Python 的热爱促使我们更进一步——利用NLTK和spaCy，我们创建了自己的文本分析工具。（如果没有它，你就无法阅读这篇经数据验证的 Python 编程入门指南。）

实际上，这就是我们努力的成果——作为一名 Python 开发人员，为了在 2019 年保持市场竞争力，你需要掌握的一套全面的技能。

2019年，要想成为一名成功的Python开发人员，我需要掌握哪些技能？

我们团队共同收集了 300 份 Python 开发人员的职位描述，这些描述来自 StackOverflow、AngelList、LinkedIn 以及一些全球快速发展的科技公司。我们从所有这些描述中提取了提及频率最高的技能，结果如下。（数字表示提及次数。）

除图表中重点列出的技能外，其他经常被提及的技能包括单元测试（32）、持续部署（30）、MongoDB（30）和面向对象编程（30）。如果谈到机器学习技能，最常被提及的是Pandas（29）、NumPy（24）、SciPy（15）和Scikit-Learn（11）。

当然，这些技能的必要性取决于你如何使用 Python。如果你是一名机器学习工程师，你就不需要精通 Django，以此类推。

请注意：这项研究反映的是就业市场的整体趋势，而非Python开发者自身的偏好。此排名可能与大多数开发者在工作中偏好使用的技术列表有所不同。如需了解更多Python相关见解，请参阅Python软件基金会发布的《 Python开发者调查》或GitHub的Octoverse项目。

专家们对当前的Python发展趋势有何看法？

如今，熟悉 Git、GitHub 和 Travis 等持续集成工具已成为开发人员的标配。测试，最好使用 pytest 并（合理地）使用 unittest.mock，对于一个运行良好的项目也至关重要。从 Docker 到 LXC，再到 AWS、Azure、Kubernetes 和 OpenStack，容器和虚拟化技术在开发和部署中都非常“常见”。能够创建构建工件，部署基础设施的测试版本，对其进行测试，然后部署到生产环境，并在必要时回滚到之前的版本，所有这些操作都应该像按按钮一样简单。Django

仍然像以往一样流行，掌握这项技能非常实用。Flask 和 SQLAlchemy 也是同样强大的组合，但需求量不如 Django 那么高。至于数据科学，它是 Python 世界中一颗冉冉升起的新星。Pandas、Numpy 和 SciPy 以及 Jupyter Notebook 都是非常热门的工具。数据库知识在这里也必不可少。——

Michael Foord，Python 核心开发人员。
“mock”（现为 unittest.mock 标准库）的创建者
Twitter |个人网站

这项研究清晰地展现了开发领域的发展方向。AWS、Docker、云计算和Kubernetes虽然出现时间不长，但已经成为程序员日常工作的一部分。这并不意味着作为一名Python开发者，你需要了解这些技术的全部细节，但你每天都会接触到它们。

机器学习在十有八九的情况下都需要用到Python，但它与Python完全是两个不同的领域。如果你是一名Python开发者，你不需要掌握机器学习技能。但如果你选择机器学习或人工智能，那么你肯定需要Python。 “微服务”这个词与Go、REST和API在图上非常接近。然而，这个看似不起眼的词却在悄然改变着整个市场

。我建议你开始花时间去了解它所带来的影响。Mikhail

Kashkin，
系统架构师和Python专家，前谷歌
员工，乌克兰PyCon组织者。YouTube | GitHub

对于一般的 Python 开发者来说，我认为他们并不需要掌握某一项特定的技能才能脱颖而出。数据科学、DevOps、Web 开发和自动化虽然是完全不同的领域，但都属于“Python 开发者”的范畴。然而，我的客户现在比以前更频繁地向我咨询数据科学工具。他们最常问的是 Pandas，其次是 Jupyter Notebook。Trey Hunner

，
Python 和 Django 团队培训师，
Python 软件基金会前任总监。Twitter |
网站

过去一两年我参加了一些面试，确实有很多雇主都希望求职者拥有AWS或云计算经验。此外，我也看到数据科学/机器学习领域发展迅猛。而且，正如这项研究已经表明的那样，如果你会Web开发，那也很有帮助。

迈克·德里斯科尔，Python书籍作者、博主，Real Python
教程团队成员。推特|博客

为了提升我的技能，我应该使用哪些资源？

为了帮助您，我收集了一些资源，这些资源既受到我们团队的认可，也受到世界各地 Python 社区经验丰富的开发者的推崇。

Python 相关资源（包括 Web 开发）：

• RealPython是一套全面的 Python 教程。（他们还有一个非常棒的YouTube 频道，由Dan Bader创建。）
• Python Weekly——一份精选的每周新闻简报，内容包括文章、版本发布和招聘信息。
• 这个网站包含了丰富的Python资源，面向经验丰富的开发者、工程师和科学家。（由Kenneth Reitz创建。）
• Sentdex YouTube频道拥有大量关于Django、机器学习、Python与金融等方面的播放列表。（由Harrison Kinsley整理。）
• Miguel Grinberg在他的博客中发表了约 80 篇关于 Flask 的文章。

数据科学、机器学习和人工智能：

• 关于数据科学和人工智能实施的技术说明。内容涵盖AWS和Linux等主题。（作者：Chris Albon。）
• Keras 是 Python 中最流行的神经网络库之一，它还有一个很有用的主题博客。
• 一套面向希望掌握科学 Python 编程的用户的 Scikit-learn 教程。
• 计算机视觉和深度学习资源指南，作者：Adrian Rosebrock。

我应该在网上关注哪些人才能随时掌握最新动态？

以下是我在 Twitter 上乐于关注的一些 Python 程序员：

• @kennethreitz — Pipenv 和 Requests 的创建者。
• @dabeaz — Python Cookbook 的作者。
• @raymondh — Python 核心开发者。
• @1st1 — Python 核心开发者，EdgeDB 创始人。
• @adrianholovaty — Django 的联合创始人。
• @jacobian — Django 的联合创始人。
• @pydanny — 《Two Scoops of Django》一书的合著者，开源程序员。
• @ixek — 微软云开发者倡导者。
• @karpathy — 特斯拉人工智能总监。
• @AndrewYNg — Coursera 联合创始人。

熟能生巧，所以，列出你想学习或提升的技能，然后开始向新的高度迈进吧！希望这份指南能帮助你提升IT职业生涯！

本文最初发表于CV Compiler的博客，CV Compiler 是一款面向技术专业人士（尤其是 Python 开发人员）的机器学习简历优化工具。如果您需要一份完美的简历，请点击此处。立即查看您的简历评分。（完全免费！）