学完python后再学什么

Q1：Python学完还需要学什么才可以开发真正的应用软件？

你说的c，c++，mfc的关系，并不完全需要向你所说的先后顺序去学，只是说c语言属于面向过程的语言，c++属于面向对象的语言，而mfc只是c语言的一个类库，而且mfc只是基于微软的开发类库，是对window API的高级封装，所以mfc不能脱离c++和Windows单独运用，而c语言和c++则不同，都可以用来在window，Linux和Mac环境编程各自的应用软件。
至于你说的Python，是当前广泛应用的编程语言。但只学语言本身，对于开发应用软件并非绝对不可以，只开发过程更复杂，程序代码更多，而如果学习相应的类库模块和第三方模块，会使开发应用变得简单易行。
另外，真的程序设计是要解决实践问题的，只学编程语言，还不足以开发实际应用。你还需要对你想要编写应用的领域有所了解。比如编写财会软件的用友软件公司的创始人王文京就是因为即懂得编程，更精通财会业务才能引领用友在财会软件领域独占鳌头的。
wW.w.yIjITAo.com

Q2：学完python以后，从事哪方面的工作好呢？

现在互联网巨头，都已经转投到人工智能领域，而人工智能的首选编程语言就是python，未来前景显而易见。那么问题来了，想学Python，Python工程师工资一般多少?值得去学吗?
说句实在话，还得看你自己：自己足够用功，经验够，两三万月薪也不是不可能;如果资历浅，又不用功，想要高薪，除非运气够好！
学习Python可以从事以下工作：
一、人工智能
Python作为人工智能的黄金语言，选择人工智能作为就业方向是理所当然的，而且就业前景好，薪资普遍较高，拉勾网上，人工智能工程师的招聘起薪普遍在20K-35K，当然，如果是初级工程师，起薪也已经超过了12500元/月。
二、大数据
我们目前正处于大数据时代，Python这门语言在大数据上比Java更加有效率，大数据虽然难学，但是Python可以更好地和大数据对接，用Python做大数据的薪资也至少是20K以上了，大数据持续火爆，未来做大数据工程师，薪资还将逐渐上涨。
三、网络爬虫工程师
网络爬虫作为数据采集的利器，在大数据时代作为数据的源头，十分有用武之地。利用Python可以更快的提升对数据抓取的精准程度和速度，是数据分析师的福祉，通过网络爬虫，让BOSS再也不用担心你没有数据。做爬虫工程师的的薪资为20K起，当然，因为大数据，薪资也将一路上扬。
四、Python web全栈工程师
全栈工程师是指掌握多种技能，并能利用多种技能独立完成产品的人。也叫全端工程师(同时具备前端和后台能力)，英文Full Stack developer。全栈工程师不管在哪个语言中都是人才中的人才，而Python web全栈工程师工资基本上都高出20K，所以如果你能力足够，首选就是Python web全栈工程师。
五、Python自动化运维
运维工作者对Python的需求很大，小伙伴们快快行动起来吧，学习Python自动化运维也能有个10k-15k的工资，很不错哦
六、Python自动化测试
Python这门语言十分高效，只要是和自动化有关系的，它可以发挥出巨大的优势，目前做自动化测试的大部分的工作者都需要学习Python帮助提高测试效率。用Python测试也可以说是测试人员必备的工具了，Python自动化测试的起薪一般也都是15K左右，所以测试的小伙伴也需要学习Python哦！

Q3：学完Python可以做些什么

Python的特点是优雅简单，易学易用（虽然我感觉还是有一些概念不容易理解），Python的哲学是尽量用最少的，最简单易懂的代码实现需要的功能。Python适宜于开发网络应用，脚本写作，日常简单小工具等等。Python的缺点是效率较低，但是在大量的场合效率却不是那么重要或者说Python不是其性能瓶颈，所以不要太在意。其次是2.x-3.x的过渡使得许多3.x还缺少很多2.x下的模块，不过也在完善中。其次就是源代码无法加密，发布Python程序其实就是发布源代码。

Q4：学完python基础能去找些什么工作呢？

Python是一门简单而文字简约的语言。阅读好的Python程序感觉就像阅读英语，尽管是非常严格的英语。Python的这种伪代码特性是其最大强项之一，它可让你专注于解决问题的办法而不是语言本身。正因为如此Python的学习才比C++,java等传统语言更容易上手和易学。

现在将python学完以后能做什么总结如下：

1.帮助公司开发各种自动化工具

每个公司的业务不同会导致有不同的定制开发需求，如果具备一定的开发能力，你就可以进行二次开发了，如果开源软件用的不爽，那你还可以自己做一个哈！

2.帮助评估和优化业务技术架构

其实在很多情况下普通的开发人员是不太关注业务的并发承载能力，业务访问质量的，他们更多关注于功能的实现，因此写出来的技术架构不一定是高效的，在代码本身性能很差的情况下，你无论做多少集群、配置多高性能的服务器都不能使你的业务访问速度变快，此时如果你具备开发能力，你就可以帮助评估技术架构是否合理，哪里可以优秀，哪里可以做异步，哪里可以配置缓存，具备开发和架构设计及调优能力可是成为一个出色架构师的必须能力噢！

3.开发公司的内部办公系统、CRM、网站等

学会了自动化开发不代表你只能做 IT 自动化，你也可以尝试去做纯开发的工作，帮助公司开发相应的业务系统，这样更能提升自己的工作价值呀!

4.做个全栈工程师

全栈就是指什么都能做的样子，为什么我们选择 PYTHON 做为自动化学习的语言，因为 Python 自己就是个全栈式综合语言，能写后端、前端、GUI、科学运算、网络编程、大数据开发等等，掌握了这个工具利器，你就有能力成为一名全栈程序员啦！

5.利用python做爬虫

利用python的爬虫我们可以采集网上的各种数据为自己所用。

当然python的用途不止这么多，希望大家学完以后能学以致用

Q5：python基础学完之后，怎么进阶，简单点

python基础学完之后要学习的内容还有很多：

阶段一：Python语言

阶段目标：熟练掌握Python多线程并发编程技术，可以编写爬虫程序和语音识别软件

阶段二：Linux初级

阶段目标：熟练掌握Linux操作系统管理技术，可以搭建几乎所有Linux环境服务器

阶段三：Web开发之Django

阶段目标：掌握三大Python后端框架，解决一切前后端Web开发问题

阶段四：Web开发之Flask

阶段目标：掌握三大Python后端框架，解决一切前后端Web开发问题

阶段五：Web框架之Tornado

阶段六：docker容器及服务发现

阶段七：爬虫

阶段目标：掌握分布式多线程大型爬虫技术，能开发企业级爬虫程序

阶段八：数据挖掘和人工智能

阶段目标：成为Python数据挖掘分析师，进入人工智能领域，成为IT市场最前沿人才

Q6：学完Python都可以做什么

从入门级选手到专业级选手都在做的——爬虫
用 Python 写爬虫的教程网上一抓一大把，据我所知很多初学 Python 的人都是使用它编写爬虫程序。小到抓取一个小黄图网站，大到一个互联网公司的商业应用。通过 Python 入门爬虫比较简单易学，不需要在一开始掌握太多太基础太底层的知识就可以很快上手，而且很快可以做出成果，非常适合小白一开始想做出点看得见的东西的成就感。
除了入门，爬虫也被广泛应用到一些需要数据的公司、平台和组织，通过抓取互联网上的公开数据，来实现一些商业价值是非常常见的做法。当然这些选手的爬虫就要厉害的多了，需要处理包括路由、存储、分布式计算等很多问题，与小白的抓黄图小程序，复杂度差了很多倍。
Web 程序
除了爬虫，Python 也广泛应用到了 Web 端程序，比如你现在正在使用的知乎，主站后台就是基于 Python 的 tornado 框架，豆瓣的后台也是基于 Python。除了 tornado (Tornado Web Server)，Python 常用的 Web 框架还有 Flask(WelcomeFlask (A Python Microframework))，Django (The Web framework for perfectionists with deadlines) 等等。通过上述框架，你可以很方便实现一个 Web 程序，比如我认识的一些朋友，就通过 Python 自己编写了自己的博客程序，包括之前的 zhihu.photo，我就是通过 Flask 实现的后台(出于版权等原因，我已经停掉了这个网站)。除了上述框架，你也可以尝试自己实现一个 Web 框架。
桌面程序
Python 也有很多 UI 库，你可以很方便地完成一个 GUI 程序(话说我最开始接触编程的时候，就觉得写 GUI 好炫酷，不过搞了好久才在 VC6 搞出一个小程序，后来又辗转 Delphi、Java等，最后接触到 Python 的时候，我对 GUI 已经不感兴趣了)。Python 实现 GUI 的实例也不少，包括大名鼎鼎的 Dropbox，就是 Python 实现的服务器端和客户端程序。
人工智能(AI)与机器学习
人工智能是现在非常火的一个方向，AI热潮让Python语言的未来充满了无限的潜力。现在释放出来的几个非常有影响力的AI框架，大多是Python的实现，为什么呢?因为Python足够动态、具有足够性能，这是AI技术所需要的技术特点。比如基于Python的深度学习库、深度学习方向、机器学习方向、自然语言处理方向的一些网站基本都是通过Python来实现的。
机器学习，尤其是现在火爆的深度学习，其工具框架大都提供了Python接口。Python在科学计算领域一直有着较好的声誉，其简洁清晰的语法以及丰富的计算工具，深受此领域开发者喜爱。
早在深度学习以及Tensorflow等框架流行之前，Python中即有scikit-learn，能够很方便地完成几乎所有机器学习模型，从经典数据集下载到构建模型只需要简单的几行代码。配合Pandas、matplotlib等工具，能很简单地进行调整。
而Tensorflow、PyTorch、MXNet、Keras等深度学习框架更是极大地拓展了机器学习的可能。使用Keras编写一个手写数字识别的深度学习网络仅仅需要寥寥数十行代码，即可借助底层实现，方便地调用包括GPU在内的大量资源完成工作。
值得一提的是，无论什么框架，Python只是作为前端描述用的语言，实际计算则是通过底层的C/C++实现。由于Python能很方便地引入和使用C/C++项目和库，从而实现功能和性能上的扩展，这样的大规模计算中，让开发者更关注逻辑于数据本身，而从内存分配等繁杂工作中解放出来，是Python被广泛应用到机器学习领域的重要原因。
科学计算
Python 的开发效率很高，性能要求较高的模块可以用 C 改写，Python 调用。同时，Python 可以更高层次的抽象问题，所以在科学计算领域也非常热门。包括 scipy、numpy 等用于科学计算的第三方库的出现，更是方便了又一定数学基础，但是计算机基础一般的朋友。