誠然，它有點老了，但仍是80後啊—— 至少沒有Cobol 或者Fortran 那麼老。而且，如果還能派上用場的話，為啥要折騰著改變它呢(尤其在這個還有那麼多方法可以提升它性能的時候)?
實際上這要看你怎麼看待它，生命線長本身就是件好事—— 說明它穩定且可靠。
如果你是像其他許多人一樣都是從Java，C 或者Perl 開始進入職業生涯的，那麼學習Python 的曲線基本上是不存在的。然而也正是由於Python 易於上手這一事實，讓有些人沒有意識到Python 也應該是一項必要的編程技能。
我要向各位坦誠，我對Python 的喜愛也是從幾年以前才開始的。不經歷長期的痛苦教訓，我們是不會對這門語言以及它的平台所提供的一切心生感激的。我寫下這篇短文的目的就是要將你從同樣的痛苦中拯救出來，讓你明白為什麼需要去了解Python。
好吧，相較於其它許多你可以拿來用的編程語言而言，它“更容易一些”。Python 的語言沒有多少儀式化的東西，所以就算不是一個Python 專家，你也能讀懂它的代碼。我的經驗是，通過實例來學習和教授Python 要比採取同樣的方式去接觸比方說Ruby 或者Perl 更加容易，因為Python 的語法裡麵條條框框以及特殊的處理場景要少得多。它所專注的並非語言表現的豐富程度，而是你想要用你的代碼完成什麼。
Python 能帶給所有開發者一種快速的學習體驗。通過實踐，你可以在最多兩天之內輕鬆實現一個具備基礎功能的遊戲 (而這還是在對編程完全不了解的情況下)。
另外一些讓Python 成為一門引人注目的編程語言的因素就是它的可讀性和高效性。
內文
一旦你了解了該語言，就可以利用上這個平台。Python以PyPI (讀作Pie-Pie，可以從這裡在線進行了解)為其後盾,這是一個擁有超過85,000個Python模塊和腳本的資源庫，你拿過來就立馬可以使用。這些模塊向你的本地Python環境分發已經預先打包好的功能，可以用來解決各種諸如數據庫處理，計算機視覺實現，像維度分析這樣的高級數據分析的執行，或者是構建REST風格的web服務這些問題。
不管你從事的是什麼工作，數據都會是其中的一部分。IT，軟件開發，市場等等—— 它們都深度地關乎數據且對於智慧求之若渴。很快數據分析技能就會像編碼技能一樣的重要，而 Python 在兩個領域都佔有重要的地位。Python 緊挨著R 語言，都是現代數據科學中最常被使用的語言。事實上，在數據科學領域，Python 的職位職位需求超過了R 語言。你在學習Python 時發展出來的技能將會直接轉換並被用來構建起自己的這些分析技能。
Python 可以跨平台運行，並且已經開放源代碼超過20年的時間了，如果你需要代碼能同時在Linux，Windows 以及macOS 上跑起來，Python 就能滿足要求。此外，有數十年的修修補補以及不斷完善做後盾，可以確保你能夠隨心所欲地運行自己的代碼。
CPython, 同C 集成的版本。
Jython, 同Java 集成的Python版本。
IronPython, 被設計用來兼容.Net 和C#。
PyObjc, ObjectiveC 工具包寫的 Python 版本。
RubyPython, 同Ruby 集成的Python 版本。
總結
並沒有很多的語言能提供像Python 這樣的多樣性和簡潔性; 能持續努力演進並讓社區繁榮好幾十年的就更少了。無論你是編碼新手還是能信手寫就腳本的大師，都需要了解一下Python。
轉貼自： 36大數據
留下你的回應
以訪客張貼回應