Python仍是人工智能和機器學習的主導編程語言嗎？

上世紀90年代初，Python面世了。近30年來，關於它的“炒作”一直沒有少過。當然，編程界花了至少20年的時間才認識到它，但自那以後，它的流行程度遠遠超過了C、C#、Java甚至Javascript。

儘管Python目前在數據科學和機器學習領域，以及某些程度上在科學和數學計算領域佔據着主導地位，但與Julia，Swift和Java等新語言相比，它確實有其劣勢。

是什麼讓Python如此受歡迎？

Python迅速發展的主要原因是易於學習和功能強大。這使得它對初學者，包括那些由於C++、C++等語言語法艱澀且陌生而對其望而卻步的人，都非常有吸引力。

該語言從根本上廣泛強調代碼的可讀性。憑藉其簡潔而富有表現力的語法，它允許開發人員在不編寫大量代碼的情況下表達想法和概念（例如在C或Java等低級語言）。Python非常簡單，可以與其他編程語言無縫集成（例如將CPU密集型任務卸載到C/C++），這對多語言開發人員來説是一個加分項。

Python用途廣泛的另一個原因是大型企業（包括FAANG）以及無數小型企業對其的大量使用。如今，Python包裏幾乎包含了可以想到的任何東西——用於科學計算的Numpy，用於機器學習的Sklearn和用於計算機視覺的Caer。

Python也有缺點

它運行很慢，非常慢

顯而易見，在未來很長一段時間裏，速度都是開發人員的主要關注點之一。

Python之所以“慢”，實際上有兩個原因——Python被解釋為與編譯相反，最終導致執行速度較慢;以及它是動態類型的（Python在執行過程中自動推斷變量的數據類型）。

事實上，“Python很慢”這一説法對初學者影響很大。這是真的，但只是部分事實。以Python中可用的機器學習庫TensorFlow為例，這些庫其實是用C++編寫的，並可以在Python中使用，某種程度上構成了圍繞C++實現的Python“裝飾器”。Numpy，甚至Caer，在一定程度上也是如此。

它有一個GIL（I）

Python速度緩慢的主要原因之一是存在GIL（全局解釋器鎖），它一次只能執行一個線程。雖然這可以提高單線程的性能，但它限制了並行性，開發人員必須實現多處理程序而非多線程程序來提高速度。

不是內存密集型任務的最優解

當對象超出範圍時，Python會自動進行垃圾回收。它旨在消除C和C++在內存管理方面的所涉及的許多複雜問題。由於指定數據類型的靈活性（或缺乏靈活性），Python消耗的內存量可能會迅速爆炸增長。此外，運行時可能會彈出Python未關注的錯誤，最終減緩開發過程。

移動計算中的弱存在

隨着台式機到智能手機的巨大轉變，很明顯，我們需要更強大的語言來構建手機軟件。儘管Python在台式機和服務器平台上具有很強的代表性，但是由於缺乏強大的移動計算處理能力，Python往往會在移動開發上失敗。

近年來，這一領域有了很大進步，但是這些新添加的庫與Kotlin，Swift和Java等強大的競爭對手相比仍有差距。

其他語言的興起

Python從來就是很好的編程語言，它從來沒有超越C/C++和Java。它是一種通用的編程語言，強調人類可讀的、以英語為中心的語法，允許程序和應用程序的快速開發。

歸根結底，Python和其他語言一樣，是一種工具。有時候，它是很好的工具。有時候不是。大多數情況下，只是“還不錯”。

Python作為一種編程語言會消亡嗎？筆者不這麼認為。

那麼，它的魅力正在消失嗎？也許有一點，但只是一點點。
責編AJX