Python är ett generellt programmeringsspråk. Det innebär att det kan användas för många olika saker (till skillnad från vissa andra språk som skapats endast för en viss typ av problem). Några av de stora användningsområdena för Python är inom skript, webbappar och data engineering och data science.
Python är ett vanligt val för olika script och automatiseringar. Ett skript är benämningen på ett enklare program som ofta körs utan ett grafisk gränssnitt. Det kan tex vara ett script för att göra en backup av en databas eller ett script för att radera användare i ett system. Det finns ingen tydlig definition för var gränsen går för vad ett skript är men ofta har skript ett enda syfte och ofta kräver de viss kunskap från den som använder skriptet.
Det är också vanligt att använda Python för att bygga webbsidor och webbappar. Både att bygga hela sidan med Python eller att bygga API:et med Python och sedan använda ett ramverk så som React eller Vue för själva det grafiska som användaren ser. Det finns flera olika ramverk för Python som förenklar byggandet av webbtjänster. De två vanligaste är Django och Flask. På senare tid har även FastAPI fått fler och fler användare. Den stora skillnaden mellan Django och Flask är att Django kommer med alla batterierna inkluderade så stöd för många av de vanligaste behoven finns inbyggda i Django medan Flask är ett enklare ramverk där utvecklaren får bygga mer själv (eller använda andra paket).
Python har blivit stort inom data engineering och det är vanligt att man använder Python för att bygga så kallade Data Pipelines där man samlar in, bearbetar och lagrar data. Det kan tex vara så att man bygger en data pipeline som tar emot logg-data från företagets alla produkter ute hos kund och sedan lagrar datan på ett strukturerat sätt i en databas som sen kan användas för analys.
Python är nog det vanligaste språket inom data science och machine learning. Egenligen är inte Python det optimala språket för att jobba med avancerade beräkningar eftersom det finns andra språk som arbetar snabbare med beräkningar. Orsaken till att Python är så stort inom data science är två anledningar. För det första så är Python ett enkelt språk att skriva (i jämförelse med tex C++) vilket gör att många inom matematik och statistik utan en bakgrund inom datorvetenskap snabbt kunnat ta till sig Python. Att språket är enkelt gör också att det går snabbare att skriva en prototyp i Python vilket är viktigt då data science ofta utforskar datan utan att veta exakt vad slutresultatet ska bli. Men den andra anledningen, och förmodligen viktigare, är att det skapats ett stort data science community inom Python vilket gör att du kan hitta paket och andras lösningar istället för att behöva skapa allting från grunden.