Python如何奠定AI领域的老大地位.docVIP

Python如何奠定AI领域的老大地位 　　在所有编程语言里，Python并不算萌新，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。 　　根据数据平台 Kaggle发布的2017年机器学习及数据科学调查报告，在工具语言使用方面，Python是数据科学家和人工智能从业者使用最多的语言（见下图）。 　　 　　IEEE综览（IEEE Spectrum）发布的2017最受欢迎编程语言列表中，Python同样位列第一（见下图）。 　　 　　为什么？ 　　原因1：Python是一种说人话的语言 　　所谓“说人话”，是指这种语言： 　　开发者不需要关注底层 　　语法简单直观 　　表达形式一致 　　我们先来看几个代码的例子： 　　C 语言Hello World 代码： 　　intmain(){printf(“Hello, World!”);return0;} 　　Java 语言Hello World 代码： 　　publicclassHelloWorld{ publicstaticvoidmain(String[] args){ System.out.println(“Hello World!”); }} 　　Python 语言Hello World代码： 　　print(“Hello World!”) 　　仅仅是一个Hello World程序，就能看出区别了，是不是？ 　　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的代码要运行，都必须先经过编译的环节。 　　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copy到新的机器，运行环境和之前不同，还需要重新编译，而那台机器上有没有编译器还是一个问题，安装上编译器后，也许和之前最初的编译器有所区别，还得修改源代码来满足编译环境的需求…… 　　我到底做错了什么？我只是想运行一个别人写的程序而已[泪目] 　　而Python则不用编译，直接运行。而且都可以不用写文件，一条条语句可以直接作为命令行运行。不要太方便咯。 　　语言语法 　　和Python比，Java的语法更“啰嗦”。 　　从上面的例子已经可以看出，创建一个链表，Java还需要声明和逐个插入节点，而Python则可一行代码完成从链表创建到插入节点及赋值的全部操作。 　　这还只是一个例子。在真正的使用中就会发现，对于很多非常简单基础的操作，Java非让你很别扭地写好几行，Python直接一句搞定。 　　这样的结果就是，Python写起来省事，读起来也方便。可读性远超Java。 　　表达风格 　　在10年或者更久远之前，Python经常被用来和Perl相提并论。毕竟在那个时候，C是系统级语言，Java是面向对象语言，而Python Perl则是脚本语言的双子星。 　　Python和Perl在设计层面有一个非常大的区别： 　　Python力求让不同的人在撰写同样功能实现的代码时，所用的表达形式尽量一致； 　　而Perl则是故意追求表达的千姿百态，让同一个人在不同地方写同样功能时所用具体形式都不同。 　　从哲学层面讲，Perl的追求更加自由主义，更利于释放人类的多样化天性。也确实有很多Geek范儿程序员因为这一点推崇毫无限制的Perl，鄙视到处设限的Python。 　　然而，Perl写的程序——那叫一个乱七八糟！ 　　当你想遇到问题，想在网上找点实例代码看看的时候，搜到的Perl example千姿百态，很难找到一种“大众”的解法。而不同写法之间，还很难保证相容。 　　这个问题其实在Python vs Java上也有，只不过程度要低得多。 　　Java语言本身并没有想要把自己变成书写代码诗歌的载体。但是因为它长年大量地被应用在企业级软件的后台开发，夹杂进了太多并非语言本身却又与其使用不可分割的东西，进一步加剧了Java的繁杂。 　　如果不是想成为代码诗人，或者语言大师，只是想用尽量简单直接的方法，把事情做了，首选语言确实是Python。 　　原因2：强大的AI支持库 　　矩阵运算 　　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！ 　　大家知道，不管是Machine Learning，还是Deep Learning，模型、算法、网络结构都可以用现成的，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。 　　使用NumPy，矩阵的转置、求逆、求和、叉乘、点乘…