上世纪90年代，Python作为一种通用编程言语降生了。虽然语句繁复，Python在最后十年的运用状况却并不悲观，它也没能真正成为开发者运用的编程言语。事先，Perl是编程首选，Java已在面向对象编程范围站稳脚跟。

当然，一切编程言语都需求一定的成熟时间，只要它比现有工具更适宜编程，才会被普遍运用。Python在21世纪初期的第一个机遇就是，人们看法到Python的学习曲线比Perl复杂，还能与其他言语相互操作。这种特性让少量开发者运用Python编程。Django的出现终结了Perl, Python势头更猛了，但依然无法与其“后代”Java和JavaScript相提并论。

快进到如今，2019年StackOverflow开发者年度调查报告显示，Python已超越Java成为第二受欢迎的言语。

Python还是10年来开展速度最快的编程言语。Python的普及很大水平上得益于2010年大数据的出现及机器学习、人工智能的开展。企业迫切需求开展迅速、门槛低的编程言语以管理大规模数据和迷信计算义务，而Python能完美处置这些成绩。

除了以上优势，Python还是一种静态类型的解释型言语。更重要的是，它失掉了Google的支持，后者为Tensorflow购置了Python，这使其成为数据剖析、可视化和机器学习的首选言语。

但是，虽然对机器学习和人工智能的需求在新十年也将不断添加，但Python的好景却不长了。似乎其它编程言语普通，Python本身也有缺陷。这些缺陷让它能随便被其它更适宜完成企业常规义务的言语所取代。哪怕有R言语坐镇，Swift、Julia和Rust等新编程言语的出现也对数据迷信的现任王者构成了极大要挟。

Rust仍在努力适配机器学习，所以我以为Swift和Julia是取代Python并最终统治数据迷信的言语。一同来看看Python面临的困境吧。

Python缺乏类型安全性，运转速度十分慢

图源：unsplash

一切的坏事都要付出代价，Python的静态类型化也不例外。静态类型可以轻松快速地编写代码而无需定义类型。但是，尤其是当代码库变大时，代码运转更容易出成绩，开发人员在消费环境中运转代码时会更困难。编译器很容易发现的 BUG，在Python中反而无法辨认，这样就会产生开发阻碍，最终降低大规模运用顺序的开发速度。

更蹩脚的是，不同于编译代码，Python的解释顺序每次执行时都要剖析每行代码。相比于其它言语，Python开支更大，顺序功用低得多。

而Julia能避免上述成绩。Julia虽是静态类型言语，但是它有实时编译器。其JIF编译器要么就是在执行前生成正确的机器代码，要么就是运用先前已贮存、缓存的编译，这让它拥有与静态类型言语一样的功用。

更重要的是，Julia有一个称为多分派的关键特性，相似于OOPs的函数重载(虽然仅能用于运转顺序)。多分派的弱小之处在于它可以处置不同的参数类型，而无需创立独自的函数名或嵌套的if语句。这有助于编写愈加紧凑的代码，也是数值计算的一大成功，它可以轻松地经过扩展处置方案来处置一切类型的参数。

Swift甚至更胜一筹。Swift是静态类型言语，LLVM编译器(低级虚拟机器)对其停止了高度优化。它能快速编译成汇编代码，这让Swift超高效运转，速度可比拟C言语。

此外，Swift拥有更好的内存安全和管理工具，即自动援用计数(Automatic Reference Counting)。与garbage搜集器不同，只需援用计数归零，ARC就会回收内存，因此更为准确。

作为提供类型注释的编译言语，Swift和Julia比Python速度更快，功用更弱小。仅仅这一点，能够就足以让开发人员引荐它们。

Python在并行性方面有局限性

Python最大的缺陷不是速度慢，而是并行计算的局限性。复杂地说，Python运用GIL(全局解释器锁)——它会经过阻止多个线程同时执行，来提高单个线程的功用。该进程有一个很大的阻碍：开发人员不能运用多个 CPU中心来停止密集的计算。

我们在应用Python与Tensorflow、PyTorch 等C/C++库的互操作性方面做得不错。这一点众所周知，我也十分赞同。但是Python包装器并不能处置一切调试成绩，最后还是得靠C和C++反省底层代码。从基本上说，Python的优势在低层有效，这点足以让Python出局。

这一要素很快将决议Python的衰落、Julia和Swift的崛起。Julia专门用来处置Python的缺陷，主要有三个特性：协同顺序(异步义务)、多线程和散布式计算，这些特性都展现出并发和并行编程的有限能够，这种结构使Julia可以以比Python更快的速度执行迷信计算并处置大数据成绩。

另一方面，Swift有一切开发移动运用所需的工具，可以停止并行计算。

图源：unsplash

Swift和Julia都拥有Python的互操作性和弱小的支持

虽然在速度、多线程和类型安全方面有不足之处，但Python有包含少量库和顺序包的巨型生态系统。在Python面前，Swift和Julia在机器学习范围依然是个“弟弟”，拥有的库数量十分有限。但是，Julia和Swift比Python更强的互操作性大大补偿了二者库支持的不足的缺陷。

Julia不只允许顺序员运用Python代码(反之亦然)，还能与C言语、R言语、Java以及简直一切主要编程言语的停止互操作。这种多功用功用有力推进这种言语的开展，添加它被数据迷信家迅速采用的时机。

另一方面，Swift经过PythonKi 库提供了与Python的互操作性。Swift(来源于苹果)最大的卖点是它失掉了谷歌的鼎力支持，十几年前收益于全力支持而崛起的正是Python，可真是风水轮番转。

另外，Swift的创立者Chris Lattner正在谷歌的AI brain团队任务，这表明Swift正在被重点培育，以在机器学习范围的取代Python。

Tensorflow团队经过S4TF项目投资了Swift，这进一步证明了该言语不只仅是Python的修饰版。相反，Swift 仰仗其差异化的编程支持和像C言语一样的低层级任务才能，将有能够被用来取代支撑深度学习的工具。

图源：unsplash

随着数据量的不断添加，Python的致命弱点很快就会显现。注重易用性和快速编码才能的日子一去不复返，速度和并行计算才是游戏的主角。Python 作为一种通用言语，将不再处置这些成绩。Python终会退场，而Julia和Swift似乎就是候选接任者。

不过，我并不是说作为编程言语的Python会立刻消逝，它会一点一点淡出人们的视野。Python在数据迷信中的位置将逐渐降低，专门为深度学习而设计的言语才是未来主流。

(责任编辑：admin)