来说说为什么近几年python的使用概率会增长的如此之快

本文链接：https://blog.csdn.net/zhufureb/article/details/114302852

哈喽各位宝贝们
我是铁锅在这里插入图片描述
相信大家对于python这个软件有了基础的了解
我们本期就来跟大家说一下python的增长速度
有人说，IT行业正在不断变化。每天，某个地方都会弹出一个新的IT流行语。

为什么 Python 发展得这么快？Python 的应用范围非常广，从网站开发到数据科学，再到 DevOps，到处都可以看到它的身影。所以值得认真研究一下 Python 最近到底是在哪些具体的方面应用得更广了。在这里插入图片描述
分析得出了两个结论。首先，对 Python 的使用发展得最快的主要有以下几个领域：数据科学、机器学习和学术研究。这一点从 Pandas 包的使用增长率就可以很容易看出，这也是网站上和 Python 相关的标签中访问量增长最快的。至于是哪些行业在使用 Python，我们发现在下面几个行业使用得更多些：电子、制造、软件、政府，尤其是大学。不过，总体来看 Python 的增长在各个行业之间的分布还是比较均衡的。总之，我们可以从结论中看出数据科学和机器学习已经在许多不同类型的公司中普及开了，而 Python 则是在这个过程中为大家所普遍接受的选择。

（我们的分析数据都来自于世界银行组织认可的高收入国家。）在这里插入图片描述
根据这张图，我们可以看出来python的排名已经达到了第三名
对于一个新出来的编程语言
python有这个效果也是十分厉害的了

下面这张图，我们可以看出来python的数据在逐渐增长

下图我们可以了解到python的是2020年的的优胜者
可以说python正在逐渐让大众接受它在这里插入图片描述
除非特别表明，本文讨论的所有数据均仅统计高收入国家范围内；这些流量主要来自比如美国、英国、德国、加拿大等发达国家，占了 StackOverflow 总访问量的约 64%；其他一些国家，比如印度、巴西、俄罗斯和中国当然也为全球软件开发生态系统做出了巨大的贡献。
在这里插入图片描述
Python 是可以适用于多种用途的编程语言，可以用于网站开发、数据科学等各种不同类型的任务。那我们该怎样整理出 Python 最近在这些领域之间的发展情况呢？

作为新手，我们可以查看每个领域内最有名的 Python 包，看看代表它们的标签的访问量的增长情况。可以把网站开发框架 Django 和 Flask 与数据科学的包 NumPy、Matplotlib 和 Pandas 等进行对比。（你也可以用 Stack Overflow Trends 来比较问题的提问率，而不仅仅是访问量）

在这里插入图片描述
从来自于高收入国家的 Stack Overflow 访问量来看，很明显 Pandas 是增长最快的 Python 包：它在 2011 年才刚刚出现，现在 Stack Overflow 上却有约 1% 的问题是关于它的。随着时间的增长，关于 NumPy 和 Matplotlib 的问题量也有了很大增长。与之形成对比的是，与 Django 相关的问题量在这段时间内保持得很平稳，Flask 虽然有所增长，但占比还比较小。这表明 Python 的增长应该主要归功于数据科学，而不是网站开发。

但这么看还不全面，因为这里只显示出了那些应用很广的 Python 特有的包。系统管理员和 DevOps 工程师们也在很多地方用到了 Python，他们提的 Python 问题也会涉及 Linux、Bash 和 Docker 等。同样，很多与 Python 有关的网站开发问题没有提到 Django 或 Flask，那些开发者提的问题关联的是 JavaScript、HTML 和 CSS 之类的“技术支持”标签。但我们不能把 Linux、Bash、JavaScript 等标签也直接考虑进来，武断地假设它们就是与 Python 相关的。因此，我们只探讨那些与 Python 被一起提到的标签。在这里插入图片描述
我们只考虑 2017 年夏天（七月和八月）的访问量，这样就排除了学生的影响，而且还排除了跨越很长统计周期带来的巨大计算量问题。我们只考虑已注册的用户，而且要在这个时间段内起码浏览过 50 个 Stack Overflow 上的问题。我们认为要把一个人称为 Python 用户至少要满足两个条件：1、他浏览的标签主要是 Python；2、他访问的页面至少有 20% 是与 Python 相关的。

常浏览与 Python 有关标签的人还会喜欢浏览哪些标签？在这里插入图片描述
Pandas 毫无悬念地成为 Python 开发者们访问得最多的标签，经过上文的分析我们就不会对此感到惊奇了。Python 开发者们访问得第二多的标签是JavaScript，这代表了用 Python 做网站开发的那群人，下面不远的 Django 也是这样。这证实了我们的想法，我们应该考虑那些与 Python 一起被访问的标签，而不只是一般意义上与 Python 有关的标签的增长情况。