自1990年代初发布以来，Python一直非常流行。

在过去的二十年中，其流行度远远超过了C，C＃，Java甚至Javascript。

尽管Python在数据科学和机器学习领域中占主导地位，甚至在科学和数学计算领域中是主角，但与Julia，Swift和Java之类的语言相比，Python确实确实缺乏。

为什么Python如此受欢迎？ Python快速发展的主要推动力之一是它相当容易学习并且使用功能强大。

对于初学者来说，像C / C ++这样的难于编程的语言将远离那些不熟悉语法的人，因此Python非常有吸引力。

该语言的核心是代码可读性。

Python的语法简洁明了。

开发人员无需编写大量代码就可以表达想法和概念（C或Java等低级语言也是如此）。

它非常简单，可以与其他编程语言无缝集成（例如将CPU密集型任务交付给C / C ++）。

使用Python语言进行开发将为开发人员带来许多好处。

广泛使用Python的另一个原因是，它被企业（包括FAANG）大量使用。

如今，对于您可以想象的任何项目，您都可以找到相应的Python软件包-Numpy用于科学计算，Sklearn用于机器学习，Caer用于计算机视觉。

Python的弱点它非常慢，也太慢。

毋庸置疑，速度通常是开发人员最关注的问题之一。

不仅现在，将来很长一段时间都将如此。

Python的“缓慢”的主要原因是可以归结为以下两点：首先，Python是一种解释性语言，而不是一种编译语言，这最终将导致执行时间变慢；其次，它是一种动态语言（Python在执行期间自动推断变量的数据类型）。

初学者经常对“ Python确实太慢”的说法提出异议。

实际上，这是正确的，但并非完全正确。

例如，Python的机器学习库TensorFlow实际上是用C ++编写的，并且是用Python调用的。

它是Python的“包装器”在C ++之上实现。

Numpy就是这种情况，而Caer的格式与此类似。

Python具有GIL（L）Python变慢的主要原因之一是存在GIL（全局解释器锁）-它一次只允许一个线程执行。

尽管这有助于提高单个线程的性能，但它限制了并行性，并且开发人员必须实现多线程处理程序才能提高速度。

不是内存密集型任务的最佳选择。

当对象超出范围时，Python将自动执行垃圾回收。

其目的是消除C和C ++中的内存管理所涉及的许多复杂性。

由于指定数据类型缺乏灵活性，Python消耗的内存量可能会迅速爆炸。

此外，在运行时，Python可能会忽略某些错误，最终成为延迟开发过程的主要诱因。

移动计算中牵强的性能随着从台式机到智能手机的迁移，人们显然需要为手机软件构建更强大的语言。

尽管Python在计算机和服务器平台上具有良好的性能，但是由于缺乏强大的移动计算处理能力，它在移动开发中经常会失去其优势。

近年来，（Python）在这一领域取得了长足的进步，但是这些新添加的库远远没有像Kotlin，Swift和Java这样的强大竞争对手。

其他语言的兴起。

最近，Julia，Rust和Swift等新兴语言借鉴了Python，C / C和Java-Rust的许多优秀设计概念，从而确保了运行时的内存安全性和并行性，并提供了具有相同互操作性的Web Assembly链接;因为它支持LLVM编译器工具链，所以Swift几乎与C一样快。

Julia为I / O（输入/输出）密集型任务提供了异步I / O，并且速度惊人。

结论Python不是最好的编程语言，它不能替代C / C ++和Java。

它被构建为通用编程语言，强调可读性和以英语为中心的语法。

人们可以使用它来快速开发程序和应用程序。

像其他语言一样，Python只是一个工具。

在某些应用场景中，它是最好的工具。

在另一种情况下，可能并非如此。

在大多数情况下，它“非常易于使用”。

那么，作为一种编程语言，Python会死吗？我不这么认为。

它逐渐失去了魅力吗？啊，也许只有一点点，只有一点点。

-END-来源|大数据摘要，中|本文旨在传播相关技术，版权归原作者所有。

| |如有侵权，请联系删除