在人類發展史上，從來沒有任何一項技術及其應用能像計算機網絡一樣發展如此迅速。對人們的工作、生活、消費和交往方式影響如此巨大，並且隨著信息化的網絡社會的到來，人類傳統的生產方式、生活方式和生存狀態都發生著翻天覆地的變化。
而計算機的運行離不開程序，編寫程序就要需要用到計算機語言。我們今天說說常用的計算機語言中的Python。
網上說Python是一個不務正業的人發明的："是"也"不是"。
" 是 "是因為：Python是Guido van Rossum創立的， 1989年聖誕節，他在阿姆斯特丹很無聊，決定開發一種新的腳本解釋語言，之所以選擇Python（大蟒蛇）作為程序的名字，是因為他是一個大蟒蛇飛行馬戲團的愛好者。他的愛好很廣泛，看起來像無所事事的。
" 不是 "是因為：在Python開發之前，他也是ABC語言的設計者，最終ABC沒有獲得成功，Guido認為是因為ABC沒有開源， 所以在Python上就特別重視開源和與其它語言的結合。
Python 是一種解釋性腳本語言，不是像c++/java那樣的高級語言，需要編譯成字節碼之後才能運行，它可以邊運行邊解釋。而它的設計也堅持了清晰劃一的風格，這使得Python成為一門易讀、易維護，並且被大量用戶所歡迎的、用途廣泛的語言。
而且隨著人工智能的興起，近幾年Python的熱度更是逐漸上漲，眾多AI從業者都會首選Python，下面我們看兩組數據：
根據數據平臺 Kaggle發佈的2017年機器學習及數據科學調查報告，在工具語言使用方面，Python是數據科學家和人工智能從業者使用最多的語言（見下圖）。
IEEE綜覽（IEEE Spectrum）發佈的2017最受歡迎編程語言列表中，Python同樣位列第一（見下圖）。
為什麼Python是人工智能技術首選的編程語言？
原因1：Python是一種說人話的語言
所謂"說人話"，是指這種語言：
開發者不需要關注底層
語法簡單直觀
表達形式一致
我們先來看幾個代碼的例子：
C 語言Hello World 代碼：
int main(){ printf("Hello, World!"); return 0;}
Java 語言Hello World 代碼：
public class HelloWorld { public static void main(String[] args){ System.out.println("Hello World!"); }}
Python 語言Hello World代碼：
print("Hello World!")
僅僅是一個Hello World程序，就能看出區別了，是不是？
編譯 VS 解釋
當然，僅僅是一個Hello World的話，C和Java的代碼也多不了幾行。
可是不要忘了，C和Java的代碼要運行，都必須先經過編譯的環節。
對於C語言來說，在不同的操作系統上使用什麼樣的編譯器，也是一個需要斟酌的問題。一旦代碼被copy到新的機器，運行環境和之前不同，還需要重新編譯，而那臺機器上有沒有編譯器還是一個問題，安裝上編譯器後，也許和之前最初的編譯器有所區別，還得修改源代碼來滿足編譯環境的需求……
我到底做錯了什麼？我只是想運行一個別人寫的程序而已。
而Python則不用編譯，直接運行。而且都可以不用寫文件，一條條語句可以直接作為命令行運行，真的太方便了。
語言語法
和Python比，Java的語法更"囉嗦"。
從上面的例子已經可以看出，創建一個鏈表，Java還需要聲明和逐個插入節點，而Python則可一行代碼完成從鏈表創建到插入節點及賦值的全部操作。
Java非讓你很彆扭地寫好幾行，Python直接一句搞定。
這樣的結果就是，Python寫起來省事，讀起來也方便。可讀性遠超Java。
表達風格
在10年或者更久遠之前，Python經常被用來和Perl相提並論。畢竟在那個時候，C是系統級語言，Java是面嚮對象語言，而Python & Perl則是腳本語言的雙子星。
Python和Perl在設計層面有一個非常大的區別：
Python力求讓不同的人在撰寫同樣功能實現的代碼時，所用的表達形式儘量一致；
而Perl則是故意追求表達的千姿百態，讓同一個人在不同地方寫同樣功能時所用具體形式都不同。
從哲學層面講，Perl的追求更加自由主義，更利於釋放人類的多樣化天性。然而，Perl寫的程序——那叫一個亂七八糟！
如果不是想成為代碼詩人，或者語言大師，只是想用盡量簡單直接的方法，把事情做了，首選語言確實是Python。
原因2：強大的AI支持庫
矩陣運算
NumPy由數據科學家Travis Oliphant創作，支持維度數組與矩陣運算。結合Python內置的math和random庫，堪稱AI數據神器！有了它們，就可以放心大膽玩矩陣了！
大家知道，不管是Machine Learning，還是Deep Learning，模型、算法、網絡結構都可以用現成的，但數據是要自己負責I/O並傳遞給算法的。
而各種算法，實際上處理的都是矩陣和向量。
使用NumPy，矩陣的轉置、求逆、求和、叉乘、點乘……都可以輕鬆地用一行代碼搞定，行、列可以輕易抽取，矩陣分解也不過是幾行代碼的問題。
而且，NumPy在實現層對矩陣運算做了大量的並行化處理，通過數學運算的精巧，而不是讓用戶自己寫多線程程序，來提升程序效率。
有了Python這種：語法簡潔明瞭、風格統一；不需要關注底層實現；連矩陣元素都可以像在紙上寫公式一樣；寫完公式還能自動計算出結果的編程語言，開發者就可以把工作重心放在模型和算法上了。
ML模型
用Python實現大多數經典模型，幾十上百行代碼就夠了。
當然，對於普通用戶，也可以連算法都不用管，只是調用Scikit-Learn的接口就可以了。
比如，訓練和使用一個logistic Regression模型，只需要下面幾行代碼就可以了：
# import the LogisticRegression from sklearn.linear_model import LogisticRegression # Use default parametersclassifier = LogisticRegression() # train modelclassifier.fit(train_set, target) # do testy_hat = classifier.predict(test_set) # print out test resultsprint y_hat
支持圖表
Python還有許多圖標方面的支持庫。用來生成dashboard上的各種圖形表格，是非常簡單的事情。
比如使用Plotly圖形庫，下面這些炫彩的圖形，就隨便用啦：
原因3：規模效應
語言簡單易學，支持庫豐富強大，這兩大支柱從早期就奠定了Python的江湖地位。
根據以高收入國家Stack Overflow問題閱讀量為基礎的主要編程語言趨勢統計，可以看出，近年來，Python已然力壓Java和Javascript，成為目前發達國家增長最快的編程語言（見下圖）。
由圖可見，2012年之後，對於Python相關問題的瀏覽量迅速增長，從時間上看，這一趨勢正好和近幾年人工智能的發展重合。
總結：
技術的普及推廣就像滾雪球，早期的積累相對緩慢，一旦過了臨界點，就是大爆發。中國已進入人工智能迅速發展的時代，而當下熱門的Python被認為是現階段人工智能技術的首選編程語言。
如今，Python在AI領域的老大地位已經奠定。
若要學AI，舍Python其誰？
請關注+私信回覆：“測試”就可以免費拿到軟件測試學習資料。
閱讀更多 Atstudy網校 的文章
