散文精选网网友提问：
大数据时代，Python会是最好的语言吗？
优质回答：
昨天刚好写了篇Python的文章，应该能回答这个问题。具体如下：
为什么要说Python
先说说编程语言，这里有一些梗，程序员之间因为使用不同的编程语言一直都存在着很多鄙视链，比如写汇编的鄙视写 C 的，写 C 的鄙视写 C++的，写C++的鄙视 写 C#，写Java 的鄙视前面所有和C相关的程序员，天天写脚本的程序员又一起鄙视 Java 程序员，写静态语言的和写动态语言的相互鄙视，写前端的和写后端的相互鄙视，Vim 程序员和 Emacs 程序员相互鄙视，然后一起鄙视需要使用 IDE 的程序员。还有一条最劲爆的，所有其他语言的程序员都鄙视 PHP 程序员，因为PHP 程序员说，PHP 是世界上最好的编程语言。
说了这么长长的一条鄙视链，只是为了引出今天的重点——Python。同「PHP 是世界上最好的编程语言」一样举世无双的，我们也有一句心法，是Python之父的名言：人生苦短，我用 Python。
Python功能强大，使用简单，实现一个功能往往只有一种方法。在我刚毕业工作的时候，就接触了Python和Perl两种脚本语言。这两种语言也可以说是非常鲜明的对比，在实现一个功能的时候，Perl 会有十八种实现方法，而且Python可能只有一种。Python开发者的哲学就是“用一种方法，最好是只有一种方法来做一件事”。
在池老师的文章里看到过有程序员这么评价Python：
免费，简洁，生态好，库丰富，操心少；之前刷机器学习的题，用 C# 写了一坨儿。结果人家引个 SciPy 库，三行代码搞定
这个评价我也是高度赞同。Python的生态环境确实很好，让你在开发的时候几乎不用操心太多。
AI时代的宠儿
Python有太多的适合机器学习的库了，而且都可以免费使。比如SciPy 是一个数值计算库，NumPy 是Python 另一个开源的数值计算扩展库，Pandas是基于 NumPy 的数据分析工具，matplotlib 是图形绘制库，最近火热的 Scikit-learn则是开源的机器学习框架。
也正因为这样，在AI时代，Python渐渐地变成了时代的宠儿。不知道如果AI真的这么一直发展下去，久而久之，Python会不会变成Excel这样的工具，人人都会用，事事都可用。
看看最新出炉的兵器排行榜，Python牢牢的占据着第4名。
Python其实不仅在做机器学习上是把好手，还有很多方面都是一流高手。比如有Scrapy这样优秀的做爬虫框架，强大的文本处理功能，Djnago这样出色的Web开发框架，还可以做自动化测试和运维以及数据分析等等。
所以，我认为无论是已经工作了的同学们或者是还在学校的同学们，多多少少都可以学习一些Python。如果是想要投身机器学习人工智能怀抱的，更是可以趁早开始了。
并不是天下无敌，也有自身的不足
Python自身的不足其实也挺多的。
首先语法上自成一派，让很多老手感到不习惯（比如语句结束不需要分号）。
其次Python 的速度很慢，在不同的任务上比C 语言大约慢数十倍到数千倍不等
再者由于全局解释器锁（GIL）的限制，单个Python 程序无法在多核上并发执行；（这个我不知道Python3是什么样的，没有去仔细研究过了，欢迎读者里的大神指点一下）。
不过最让人头疼的是，Python 2 和 Python 3 两个版本长期并行，各成一派，很多模块需要同时维护两个不同的版本，给开发者选择带来了很多不必要的混乱和麻烦。至于为什么Python 2 和 Python 3 会长期共存了数年之久，原因很复杂，我也说不清楚。但目前官方表示对 2 的支持到2020年。可能新入坑的同学会很纠结，Python2 的生态库远远大于Python3，那么应该要学习哪个版本呢？
我的建议是两个版本都学，语法上的差别也不是很大，如果非要选择一个先开始的话，我选Python2。（不要问我为什么，就是这么任性）
图片来自廖雪峰的Python教程
如何学习Python
扯了这么多，最后一部份放点干货，我们聊聊要如何学习Python。就我本人来说，会学Python，完全是机缘巧合，因为刚工作的时候，组里没人对Python特别熟，我是被安排自学研究Python，以备日后需要。学着学着，我慢慢的把开发的重心都转移动Python上面了。
要开始开发，先要安装，这里就不详细说了，说了你也记不住，macOS自带就有，其它系统网上搜一下，一大堆。
有了环境就需要开始学语法了。初学一门新的编程语言的语法时，我会先把赋值、条件判断和循环这三种语句学会了，这时其实基本的操作就都可以做了，然后再去扩展一些语言独特的东西，在Python里，你可以学习Python需的面向对象是怎么做的，学一些map，filter， lambda这样的高阶用法。然后估计有个3，5天的时间，就可以开始开发第一个Python应用程序了。
对于新手，在选择应用程序方向的时候，建议选择一个自己感兴趣的方向，例如对爬虫感兴趣，可以尝试写个Python爬虫去抓取微博或今日头条的内容， 对web应用感兴趣可以开发个人网站，如果有机器学习算法基础，可以用Python来实现你平时的算法，找个数据集来跑跑（这方面我也比较弱，正在恶补学习中，欢迎有兴趣的同学一起来研究）。再或者可以做个推荐系统，算法可以参照我之前的一篇文章（推荐系统入门），可用Python来实现一个小型的推荐系统。（最近自己刚刚实现了一下这个程序，有兴趣的同学需要帮助可以留言）
人生苦短，我用 Python！大家一起加油吧。
欢迎大家关注我，你的关注就是我坚持下去最大的动力。另外大家有什么建议或有什么想了解的，也欢迎留言给我，谢谢。
其他网友回答
现如今，Python 的踪影可以说是无处不在。简洁、开源、灵活是这款工具的最大特点。在计算机世界中，Python 的象征物是蟒蛇，而蟒蛇表征的恰恰是灵活性。这一切都使得 Python 特别适合于大数据，所以数据分析和挖掘的最佳工具非 Python 莫属了。但是 Python 并非擅长一切，比如 Java 更多用于工具开发，Matlab 则用于数值计算及矩阵运算。
目前在数据分析和挖掘算法方面用的最多的编程语言有：Java、C++、C、Python、R 等等。与其他相比，Python 具有以下优点：
Pythond vs. Java
Python更简洁，Java过于庞大复杂，语法很多
Python vs. C C++
Python更容易学习，语法简单易懂，但他们通常扮演不同的角色，Python是一种脚本语言，C和C++通常要和底层硬件打交道
Python vs. R
R 和 Python 一样，简单易上手，相比于 Java、C++、C，投入的时间精力相对少很多。在数据方面，R 和 Python 具有以下共同的优势：
Python 和 R 本身在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法，所以使用起来产出比大。
这两门语言对于平台方面适用性比较广，Linux、Window都可以使用，并且代码可移植性还算不错。
对于学数理统计的人来说，应该大多用过 MATLAB 以及 mintab 等工具，Python 和 R 比较贴近这些常用的数学工具，使用起来有种亲切感。
但是相对于 R 语言，Python 的优势在于兼顾了效率和性能，而且 Python 的可扩展性很强，你可以用 Python 开发商业化的产品，但用 R 估计不可能，R 语言做研究还行。所以，Python 在机器学习领域的人用的较多。据我所知，做市场调研、计量经济学、统计学的人几乎没有用Python的。
以上。所以Python 目前是大数据时代最好的语言。
