RT @io_over: Python 这个语言其实也是运气爆棚，Web、Big Data、ML……热点全被赶上了。
语言呐就都不知道，自己就不可以预料。一个编程语言的命运啊，当然要靠自我奋斗，但是也要考虑到历史的行程。
Jun 12, 2017
from
我觉得主要还是因为 Python 的「跨领域胶水语言」定位，让它设计成让其他领域专业人士也能快速学会编程。而数据科学的应用场景本来就是跨学科的大综合，这不全是 Python 的运气。
- Ted GUO
正在零编程基础学习中，大家有没有什么经验可以指点的？
- day7th
什么什么从入门到精通，21小时学会什么什么。。。
- yinhm
@day7th 目标是什么？现在开始学的又是什么。
- yinhm
我大Python全能无敌小霸王，可惜了，3.x推到今天还是如此缓慢，BigData、ML在这点上功不可没。。。
- yinhm
对这类解释性语言的效率一向无法认同
- mr. lambert
上硬件啊，谁像楼上整天抱着256K内存纠结砍什么好，况且科学计算领域Python库性能瓶颈的地方都是C/C++的
- yinhm
小明这逻辑... 硬件强的话编译性语言就更强了，而且，python 的计算库为什么要用编译性的，不是正好说明 python 效率低吗
- mr. lambert
主要是为了突出，你每天的场景跟别人的场景根本不同，拿你整天搞kernel、驱动的思维看什么效率都有问题。搞数据的99%时间在清洗数据，1%时间还在抱怨数据，开发速度也是速度，用C++，一天时间还不够编译的。别告诉我用C，用C清洗个数据试试先。
- yinhm
这位网管童鞋，我写 user level app 要比驱动多多了，毕竟驱动写了一个几年都不需要改了，而 app 有不断变更的需求。
- mr. lambert
编译是一次性把元代码变成机器能直接运行的机器码，解释每次都要从检查语法开始，哪怕你的代码根本没有改动，不能忍。
- mr. lambert
估计你跟数据打交到比较少，同样的数据，几乎同样的计算过程，又要从头编译、拉一次数据，准备一次数据，这个过程是及其冗长和痛苦的。而在python科学计算环境，可以用ipython或者notebook，准备过程只要一次，试验可以数次。
- yinhm
不理解了，除非算法改变，否则为何每次需要从头编译，难道这个程序是用不同算法处理同一种数据？不过即使如此，编译性语言每次都要编译，也就是把效率降低到解释性语言而已。解释性语言唯一的好处是上手快，但是，初学选第一语言是学 python 这样的傻瓜语言的话，很大可能会染上各种恶习，说不定贻害终身。
- mr. lambert
你说的已经是生产环境处理特定数据的了，这种场景，根据需要进行优化未尝不可。大多数搞数据以及科学研究的恐怕并不是这样，他们需要对数据进行各种清洗，数次试验，真正需要的结果，可能出一次也就够了。每个语言各有优缺点，我会根据不同场景不同领域用不同语言。我当年还写PHP呢。。。
- yinhm
@yinhm 学的python，目的暂时也就是写个爬虫做个数据分析和可视化什么的，顺便学会编程需要点什么小东西可以自己写
- day7th
Python做这个再合适不过。回想起来当年我用Python写的爬虫，拔拉一堆新闻，大概茉莉花时候吧就涉敏了，被通信管理局请去喝茶，接受组织指导，痛哭流涕悔过自新，一怒之下，砍了新闻。。。
- yinhm
原来小明是喝茶经验人士，失敬失敬！
- Wen