|
随着人工智能的热度越来越高，Python这个词我们听到的越来越多，伴随着Python这个单词一起涌入我们视线的还有很多句子：人生苦短，我用Python;Python-人工智能第一语言等等这样的句子。Python真的如大家说的那样。这么厉害么？编程语言那么多，常用的也有10多种，Python凭什么能够登上人工智能第一语言的宝座？ 在所有编程语言里，Python并不算年轻，从1991年发布第一个版本，至今已经快30年了。最近几年，随着人工智能概念的火爆，Python迅速升温，成为众多AI从业者的首选语言。那么Python到底有什么魔力呢?我们从四个要点看看为什么Python能够成为人工智能的第一语言。 01、简便，直观且通俗易懂，新手福音 跟其他语言比较，Python有着简便、直观且通俗易懂的优势。我们请出了以效率著称的C语言，和在业务层面有着优秀战绩的Java语言，让他们和Python做对比。我们分别使用3种语言写一个HelloWorld，看谁对新手更友好。 首先是C语言： 嗯，代码量还行，不算{}一共有三行代码。但是，int,main,return这都是什么跟什么？对于新手来说，一开始只能强行记忆了，没有任何理解的成分，我们只需要明白printf()使用来输出的，其他的即使解释了，也跟天书没什么区别。 接下来该Java语言上场了，同样还是输出HelloWorld的例子: 貌似比C语言的更复杂了。由于Java语言面向对象的特性，所以任何代码都必须要放在class里面，所以Java的固定代码比较多。同样对于新手来说，Java语言也是从记忆到理解的过程，也只能强行记忆。 C和Java语言看上去对新手不太友好，那么Python语言会有什么表现呢？相同的例子，会不会有不一样的结果呢？ 就一句话，想输出helloworld,一行print语句就够了。没有C和Java那么多格式和需要额外记忆的东西。所以谁是新手福利，谁是菜鸟杀手呢？ 02、编译 VS 解释 当然，仅仅是一个Hello World的话，C和Java的代码也多不了几行。可是不要忘了，C和Java都是编译型语言，代码运行前都必须先经过编译的环节。 什么是编译呢？原来，除了艰深难懂的机器语言，我们写下的程序计算机是无法直接读取的。而是要经过“翻译”的过程，计算机才能“理解”要执行的指令。充当“翻译官”的是编译器的程序。当高级语言源程序进入计算机，被编译器翻译成目标程序，以完成源码要处理的运算并取得结果。 对于C语言来说，在不同的操作系统上使用什么样的编译器，也是一个需要斟酌的问题。一旦代码被带到新的机器，运行环境和之前不同，还需要重新编译。有时候不同的计算机的编译环境有所区别，我们还得写文件修改源代码来满足编译环境的需求。 而Python是一门解释型语言。充当编程语言与机器语言的翻译官是解释器，解释器不会一次把整个程序翻译出来，而是每翻译一行程序叙述就立刻运行，然后再翻译下一行再运行，不产生目标程序。解释器就像是同声口译，编程语言每说完一句话，解释器立即翻译给计算机，计算机立即执行程序。 我们可以这么理解，Python语言写的程序是不需要装编译器来编译程序的，就可以直接运行。而C和Java则需要安装编译器，而且如果版本和环境有偏差的话，可能还需要修改源文件。所以对于新手来讲，使用Python这样的解释性语言更直观方便，而且也更省事。 03、强大的AI支持库 Python的另一个优势在于它具备了强大的AI支持库，有了支持库，Python就像瑞士军刀一样，在各种各样的场合都可以用到。我们举几个例子，看看Python的支持库有多强大吧。 数据神器NumPy 我们知道，不管是机器学习(Machine Learning, ML)，还是深度学习(Deep Learning,DL)，模型(Model)、算法(algorithm)、网络结构(structure)都可以用现成的，但数据是要自己负责I/O并传递给算法的。而各种算法，实际上处理的都是矩阵和向量。 NumPy由数据科学家Travis Oliphant创作，支持维度数组与矩阵运算。结合Python内置的math和random库，堪称AI数据神器！有了它们，就可以放心大胆玩矩阵了！ 使用NumPy，矩阵的转置、求逆、求和、叉乘、点乘……都可以轻松地用一行代码搞定，行、列可以轻易抽取，矩阵分解也不过是几行代码的问题。而且，NumPy在实现层对矩阵运算做了大量的并行化处理，通过数学运算的精巧，而不是让用户自己写多线程程序，来提升程序效率。 有了Python这种语法简洁明了、风格统一；连矩阵元素都可以像在纸上写公式一样；写完公式还能自动计算出结果的编程语言，开发者就可以把工作重心放在模型和算法上，不用操心运行的问题了。 可视化库Matplotlib Matplotlib 是 Python 的绘图库。它可与 NumPy 一起使用，提供了一种有效的 MatLab 开源替代方案。它也可以和图形工具包一起使用，如 PyQt 和 wxPython。Matplotlib主要的作用就是强大的数据可视化~在做数据分析的时候可以用各种图表(条形图，散点图，条形图，饼图，堆叠图，3D 图和地图图表…..)来展现分析结果。
可以说，Matplotlib在数据科学的领域是非常好用的数据可视化工具。 Python是一门非常适合人工智能开发的语言，人工智能所需数据获取、数据分析、数据建模的流程都可以通过Python的类库轻松解决： 网络爬虫库：requests、scrapy、selenium、beautifulSoup 人工智能最重要的是数据，怎么获取巨大的数据量呢？Python的网络爬虫类库就派上用场了。爬虫是一种网络机器人，它可以像真人访问网络一样源源不断地抓取你所需要的信息。用Python制作网络爬虫，你就可以更方便地获得人工智能时代的最重要的资源——数据。 数据处理库：Numpy、scipy、pandas、matplotlib 网络爬虫获取海量数据，而处理和分析数据的工作Python同样可以解决。数据处理相关的库能够帮助你更加直观地分析数据。这些库分别可以进行矩阵计算、科学计算、数据处理、绘图等操作，有了它们，你就可以一步步开始把数据处理成你需要的格式。 建模库：nltk、keras、sklearn 完成数据可视化处理后，我们就需要利用这些数据进行建模。这些库主要是用于自然语言处理、深度学习和机器学习的，把这些用好了，你的模型就构建出来了。 这些类库为我们提供了从数据收集、数据处理和建立模型的一条龙操作，掌握它们，我们就可以在人工智能的海洋里畅游了。 04、规模效应 根据Stack Overflow网站的来自高收入国家问题阅读量的主要编程语言趋势统计，可以看出，近年来，Python已然成为目前发达国家增长最快的编程语言。
由图可见，2012年之后，对于Python相关问题的浏览量迅速增长，从时间上看，这一趋势正好和近几年人工智能的发展重合。 语言简单易学，支持库丰富强大，这两大支柱从早期就奠定了Python的发展基础。技术的普及推广就像滚雪球，早期的积累相对缓慢，一旦过了临界点，就是大爆发。别的不说，就说现在tensorflow，caffe之类的深度学习框架，主体都是用Python来实现，提供的原生接口也是Python。 正是由于上述4个特点，Python在人工智能领域中已经遥遥领先其他的语言占据了头把交椅。 |
|
|
