编程语言的瑞士陆军刀存在问题,可能会被其他更适合这项任务的语言所取代
自从20世纪90年代初,Python发布以来,一直相当火爆,在这二十多年里,编程社区对它心存感激,它的流行程度远远超过了C、C#、Java甚至Javascript。
虽然Python在数据科学和机器学习领域占主导地位,甚至是科学和数学计算领域的主角,但与Julia、Swift和Java等较新语言相比,它确实有些欠缺。
为什么Python如此受欢迎?
Python迅猛发展背后的一个主要驱动力是它学习起来相当容易,使用起来功能强大,对于初学者来说,像C/C++这样有难难度的编程语言,不熟悉的语法人都会敬而远之,所以Python显得非常有吸引力。
语言的核心是代码可读性,Python的语法简洁而富有表现力,开发人员无需编写大量代码,便可以表达想法和概念(C或Java等底层语言的情况也是如此)。 它非常地简单, Python可以与其他编程语言无缝集成(比如将CPU密集型任务下卸给C/C++),用Python语言开发会给开发人员带来许多好处。
Python应用广泛的另一个原因是它被企业大量使用(包括FAANG)。 今天,对于你能想象到的任何项目,都可以找到一个相应的Python包----科学计算的有Numpy,机器学习的有Sklearn,计算机视觉的有Caer。
Python的弱点
它很慢,太慢了
这个问题不用多想。 速度通常是开发人员最为关注的焦点之一,开发人员一直以来关注时间的不可预测性。
Python“缓慢”的主要原因,可以归结为以下两点----首先,Python是解释性的语言,而不是编译型的语言,从而导致执行时间的缓慢;其次,它是一种动态的语言 (变量的数据类型在执行期间由Python自动推断)。
初学者经常对“Python的确太慢”的说法产生争议,事实上,的确如此,但也并非完全这样。
例如, Python的机器学习库TensorFlow, 这些库实际上是用C编写的,在Python中可以调用,在C++的上层实现一个Python“封装器 “。推而广之, Numpy和Caer也是如此。
Python有一个GIL(L)
Python缓慢的主要原因之一是GIL(Global Interpreter Lock)的存在,它一次只允许一个线程执行。 虽然这有助于提高单线程的性能,但限制了并行性,因为开发人员为了提高速度必须实现多线程处理程序。
不是内存密集型任务的最佳选择
当对象超出范围时,Python自动进行垃圾收集,其目的是消除C和C++在内存管理中涉及的许多复杂性。 由于指定的数据类型缺乏灵活性,Python消耗的内存量可能会迅速爆增。
此外,在运行时,一些BUG 可能会被Python忽略,最终成为延缓开发过程的主要诱因。
在移动计算中表现牵强
随着从台式机到智能手机的迁移,显然,需要为手机软件构建更强大的语言。 虽然Python在桌面和服务器平台上有不错的表现,但由于缺乏强大的移动计算处理能力,在移动开发中它往往会失去优势。
近年来,在这方面有了很大的进步,但这些新增加的库与他们强大的竞争对手相比,如Kotlin,Swift和Java,还相去甚远。
其他语言的兴起
最近,像Julia、Rust和Swift这些新出现的语言,借用了Python、C/C和Java的许多良好设计概念——Rust确保了运行时的内存安全和并发,并提供了与Web Assembly的一样的互操作性;由于它支持LLVM编译器工具链,Swiftis几乎和C一样快;Julia提供了用于I/O密集任务的异步I/O,而且速度惊人。
结论
Python并非最好的编程语言,它无法取代C/C++和Java, 它被打造成一种通用的编程语言,强调可读性好、以英语为中心的语法,利用它可以快速开发程序和应用程序。
和其他语言一样,Python只是一种工具。某些应用场景下,它是最好的工具;在另一种场景下,它或许不是。在大多数情况下,它 “挺好用的”。
那么,作为一种编程语言,Python会消亡吗?
我不这么认为。
它逐渐失去魅力了吗?
啊,也许只是一点点,只是一点点。