共计 1694 个字符,预计需要花费 5 分钟才能阅读完成。
导读 | 自从 20 世纪 90 年代初发布以来,Python 一直相当火爆,在这二十多年里,它的流行程度远远超过了 C、C#、Java 甚至 Javascript。 |
虽然 Python 在数据科学和机器学习领域占主导地位,甚至是科学和数学计算领域的主角,但与 Julia、Swift 和 Java 等语言相比,它确实有些欠缺。
Python 迅猛发展背后的一个主要驱动力是它学习起来相当容易,使用起来功能强大。对于初学者来说,像 C /C++ 这样有难度的编程语言,不熟悉语法的人都会敬而远之,所以 Python 显得非常有吸引力。
语言的核心是代码可读性,Python 的语法简洁而富有表现力,开发人员无需编写大量代码,便可以表达想法和概念 (C 或 Java 等底层语言的情况也是如此)。它非常地简单,并可以与其他编程语言无缝集成 (比如将 CPU 密集型任务交付予 C /C++)。用 Python 语言开发会给开发人员带来许多好处。
Python 应用广泛的另一个原因是它被企业大量使用 (包括 FAANG)。今天,对于你能想象到的任何项目,你都可以找到一个相应的 Python 包—- 科学计算的有 Numpy,机器学习的有 Sklearn,计算机视觉的有 Caer。
不用多说,速度通常是开发人员最为关注的焦点之一。不仅是现在,将来的很长一段时间都会如此。
Python“缓慢”的主要原因,可以归结为以下两点—- 首先,Python 是解释性的语言,而不是编译型的语言,这终究会导致执行时间的缓慢;其次,它是一种动态的语言 (变量的数据类型在执行期间由 Python 自动推断)。
初学者经常对“Python 的确太慢”的说法产生争议,事实上,的确如此,但也并非完全这样。
例如,Python 的机器学习库 TensorFlow 实际上是用 C ++ 编写的,在 Python 中进行调用而已,是在 C ++ 的上层实现的一个 Python“封装器”。Numpy 是如此,Caer 也是类似的形式。
Python 缓慢的主要原因之一是 GIL(Global Interpreter Lock) 的存在–它一次只允许一个线程执行。这虽然有助于提高单线程的性能,但限制了并行性,而开发人员为了提高速度必须实现多线程处理程序。
当对象超出范围时,Python 会自动进行垃圾收集。其目的是消除 C 和 C ++ 在内存管理中涉及的许多复杂性。由于指定的数据类型缺乏灵活性,Python 消耗的内存量可能会迅速爆增。
此外,在运行时,一些 BUG 可能会被 Python 忽略,最终成为延缓开发过程的主要诱因。
随着从台式机到智能手机的迁移,显然,人们需要为手机软件构建更强大的语言。虽然 Python 在计算机和服务器平台上有不错的表现,但由于缺乏强大的移动计算处理能力,在移动开发中它往往会失去优势。
近年来,(Python)在这方面有了很大的进步,但这些新增加的库与他们强大的竞争对手相比,如 Kotlin,Swift 和 Java,还相去甚远。
最近,像 Julia、Rust 和 Swift 这些新出现的语言,借用了 Python、C/ C 和 Java 的许多良好设计概念——Rust 确保了运行时的内存安全和并行,并提供了与 Web Assembly 的一样的互操作性;由于它支持 LLVM 编译器工具链,Swift 几乎和 C 一样快;Julia 提供了用于 I /O(输入 / 输出)密集任务的异步 I /O,而且速度惊人。
Python 并非最好的编程语言,它无法取代 C /C++ 和 Java。它被打造成一种通用的编程语言,强调可读性、以英语为中心的语法。人们利用它可以快速开发程序和应用程序。
和其他语言一样,Python 只是一种工具。某些应用场景下,它是最好的工具;在另一种场景下,它或许不是。在大多数情况下,它“挺好用的”。
那么,作为一种编程语言,Python 会消亡吗?
我不这么认为。
它逐渐失去魅力了吗?
啊,也许只是一点点,只是一点点。
![post-qrcode](https://www.xgss.net/wp-content/uploads/2023/07/二维码-微信公众号256x256.jpg)