現(xiàn)在Python很熱，熱到什么地步?

[[411879]]

我經(jīng)常在App里看到有一條視頻廣告，形式略有不同，但總的來說角色就兩個，一個很兇的主管和一個很困擾的下屬，很兇的主管布置了一個很急的活，困擾的下屬撓耳撓腮，委屈說用電子表格根本不可能趕得出來，很兇的主管這時更兇了，啪啪啪一通操作，說用Python只要5分鐘就出來了，還不快去學(xué)!

我覺得這條廣告最有意思的地方，在于兩個角色都西裝革履，一看就很不程序員，更像是習(xí)慣一臉嚴肅坐在CBD里吹冷氣的商務(wù)人士，以前我以為這是廣告策劃的一個Bug，每次看到這里都被這反差萌逗樂，直到有一天，有位做金融的朋友問我說Python好不好學(xué)，我才知道Python真的已經(jīng)火出圈了。

先說一點，雖然現(xiàn)在不管圈里圈外，只要說到做數(shù)據(jù)分析、機器學(xué)習(xí)甚至人工智能，好像已經(jīng)言必稱Python，不過，這些領(lǐng)域并非天生就得是Python，別的不說，就說人工智能。

人工智能領(lǐng)域出了很多語言，如果你早個幾年學(xué)習(xí)人工智能，可能連Python的影子都看不見，大家一般推薦的都是LISP、Prolog，哪怕是業(yè)內(nèi)人士看這些語言都是又古老又偏門，尤其是Prolog，好像除了人工智能就沒別的地方能見到，但是Prolog做規(guī)則推導(dǎo)有奇效，大家也就一直沿用下來了。

現(xiàn)在呢?現(xiàn)在不怎么提了，一來是因為基于統(tǒng)計的機器學(xué)習(xí)一直占據(jù)了人工智能的頂流位置，規(guī)則推導(dǎo)說得不多，二來是Python迅速崛起，人稱“人工智能第一語言”，就連規(guī)則推導(dǎo)都可以用Python來做。

另一個例子是數(shù)據(jù)分析，早前都是R語言的天下，后來是R和Python兩分天下，現(xiàn)在人工智能的東風(fēng)一起來，R完全無法招架Python 迅猛發(fā)展的勢頭，所以這些前浪就理所當(dāng)然被拍在了沙灘上。

但是，這是結(jié)果，現(xiàn)在我們要問的是：為什么Python能成為“人工智能第一語言”呢?

01 Python有哪些優(yōu)點

現(xiàn)在Python很熱，所以介紹Python的文章特別多，大家一定也看膩了諸如Python簡單易用、靈活性高之類好像說了很多，又好像什么都沒說的介紹。我們說點接地氣的。

在我來看，Python最大的優(yōu)點就是“拎包入住”。

如果大家去租房，一定能看到一個詞，叫“拎包入住”，這個詞經(jīng)常作為租屋的重要賣點，也反映出消費者對租屋的一個重要需求。

什么叫拎包入住?租房行業(yè)對這個詞的準(zhǔn)確定義有爭議，很多人在糾結(jié)家私家電齊全到底是不是等同于拎包入住，不過意思是清楚的，我作為租客，啥都不用準(zhǔn)備，只需要把行李拉過來就可以住下了，這就是拎包入住。

換句話說，有不少租屋是達不到拎包入住的標(biāo)準(zhǔn)的，本來我只是要滿足“住”的需要，可是因為租屋條件有欠缺，導(dǎo)致我不得不先客串一回裝修師傅，需要先做一些其它的準(zhǔn)備，然后才能做我想要做的事。

好了，說回編程語言。很多人喜歡從語言風(fēng)格、語法設(shè)計甚至語法糖等等角度來比較編程語言的優(yōu)劣，不過，我更看重另一樣?xùn)|西：生態(tài)環(huán)境。

以前我們說C++多么多么爆紅，后來又說Java多么多么爆紅，現(xiàn)在又輪到了Python，到底這些“網(wǎng)紅語言”的成功背后靠的是什么?真的只是因為編程語言自身的優(yōu)秀設(shè)計嗎?

我認為，一款編程語言是否流行，設(shè)計當(dāng)然是很重要的因素，但生態(tài)環(huán)境的成熟可能是更為直接的原因。我們經(jīng)常能聽到的一個關(guān)于編程的問題是，A語言早就已經(jīng)過時了，現(xiàn)在已經(jīng)有了新興的B語言，為什么現(xiàn)在還要用A語言開發(fā)項目呢?

這個問題通常有兩種可能，一種是項目已經(jīng)用A語言做了大量開發(fā)，替換成B語言又得高樓平地起，另一種是B語言還太新，某個專業(yè)領(lǐng)域還沒有可用的或者好用的庫，同樣也得高樓平地起。這兩種都可以歸結(jié)為同一個原因：使用B語言并不能拎包入住。

Python的成功，同樣是因為能夠拎包入住。

回想一下前面的廣告，說用Python只要5分鐘就能把看似做不完的工作做完，為什么?

不是因為Python語言設(shè)計有多么多么精巧，別人要寫一萬行，Python只要一行就搞定，而是Python有非常成熟的生態(tài)環(huán)境，你扔一個任務(wù)過來，用Python不用從頭開始，只要找到對應(yīng)的庫，一句import加幾行代碼，可能結(jié)果就出來了。

從始至終，你都只需要關(guān)注任務(wù)本身，而不需要思考編程語言怎么處理實現(xiàn)，沒什么雜七雜八的東西需要浪費時間。這就叫拎包入住。

02 數(shù)據(jù)科學(xué)方向的熱門Python包介紹

都知道Python在人工智能、大數(shù)據(jù)方向很熱，但是，真的有任務(wù)來了，究竟該用哪些包呢?很多介紹Python的教程，是真的就只介紹Python的語法，語法當(dāng)然很重要，要想使用Python，首先當(dāng)然得掌握語法。

但是，前面我們也進行了介紹，Python的優(yōu)勢在于擁有許多成熟的包，讓你可以“拎包入住”，也即可以專注于任務(wù)本身，所以，我們要用Python，不但需要掌握Python的語法，同時也要了解都有哪些好用的Python，都可以用來做什么。

Python好用的包非常多，覆蓋領(lǐng)域也是五花八門，都列出來反而顯得凌亂，這里我們只介紹數(shù)據(jù)科學(xué)和人工智能方向用得多的包。

首先是pandas。這是數(shù)據(jù)分析用得非常多的包，尤其擅長各種格式化數(shù)值分析，前面提到的Python廣告只說用Python，并沒有說明該使用什么包，不過，既然是替代電子表格進行數(shù)據(jù)分析，想必肯定會用到pandas。

接著是scikit-learn，這個包寫法很多，也有人喜歡簡寫為sklearn。這是個著名的機器學(xué)習(xí)包。scikit-learn非常好用，推薦大家都試一試，尤其是覺得機器學(xué)習(xí)數(shù)學(xué)很難，一看到機器學(xué)習(xí)幾個字就產(chǎn)生抵觸心理的同學(xué)。

為什么這么說呢?我們都知道，機器學(xué)習(xí)不是一種方法，而是一個大框，里面堆滿各種算法模型，譬如線性模型、樹形模型、支持向量機模型、以及現(xiàn)在在機器學(xué)習(xí)領(lǐng)域非常熱門的神經(jīng)網(wǎng)絡(luò)模型。

每一種模型背后都依靠一套復(fù)雜的數(shù)學(xué)邏輯來支撐模型運作。在很多人看來，光是看懂機器學(xué)習(xí)模型的數(shù)學(xué)表達式就已經(jīng)十分費勁，需要很深的數(shù)學(xué)功底，更不用說手推公式和實戰(zhàn)中使用了。于是，很多人覺得機器學(xué)習(xí)“可遠觀而不可褻玩焉”。

當(dāng)然，這里面有幾個理解誤區(qū)。是不是需要很深的數(shù)學(xué)功底才能明白機器學(xué)習(xí)模型的原理呢?未必，機器學(xué)習(xí)確實用到很多數(shù)學(xué)知識，不過，我經(jīng)常和大家分享的一個觀點是：不妨把數(shù)學(xué)看作只是一種語言，是一門外語，機器學(xué)習(xí)的運行原理，是用這門外語來描述，所以我們不太容易看懂。

那怎么辦呢?跨國交流我們可以找翻譯，同樣，只要有人看懂了機器學(xué)習(xí)這里的數(shù)學(xué)語，然后“翻譯”成中文，也就方便大家看得懂了。這件事我自己做了些嘗試，寫了一本書叫《機器學(xué)習(xí)算法的數(shù)學(xué)解析和Python實現(xiàn)》，大家感興趣可以翻翻。

另一個誤區(qū)就是得把機器學(xué)習(xí)模型的數(shù)學(xué)原理都學(xué)懂弄通了，最好能手推一遍公式，然后才能知道怎么使用。這個理解符合我們長期以來形成的按部就班的印象，不過，就我看來，使用機器學(xué)習(xí)和開車很像，沒必要要求司機都學(xué)會造車了才能開車，況且，造車和開車很可能還是并不相同的兩條學(xué)習(xí)曲線，畢竟老技工未必就是老司機。

如果只是想用機器學(xué)習(xí)解決問題，完全可以另辟蹊徑積累經(jīng)驗。方法是什么呢?就是使用scikit-learn，這個包把常用的熱門的機器學(xué)習(xí)模型統(tǒng)統(tǒng)做了非常良好的封裝，我們完全可以像調(diào)用黑盒函數(shù)一樣，操作各種機器學(xué)習(xí)模型來解決實際問題。

最后就是Pytorch、Tensorflow和Keras這幾個網(wǎng)紅深度學(xué)習(xí)包，Python這一輪走勢長紅，這幾個深度學(xué)習(xí)包居功甚偉，在背后貢獻了大量流量。

現(xiàn)在是深度學(xué)習(xí)時代，大家都知道深度學(xué)習(xí)能解決很多以前無解的問題，可是理論設(shè)計出來的模型，還得編程實現(xiàn)才能使用。怎么實現(xiàn)呢?就用這幾個包，它們把深度學(xué)習(xí)的各個部件都已經(jīng)封裝好了，使用者只需要像拼裝樂高積木一樣，把部件拼裝成完整的模型。

篇幅有限，我就簡單介紹到這，當(dāng)然，Python的庫就像是一個工具倉庫，只要你想得到的工作，都可能已經(jīng)有不止一個成熟的Python庫可供選擇，譬如說一些細分的機器學(xué)習(xí)任務(wù)，如自然語言處理NLP，就還有好幾個專門做NLP領(lǐng)域任務(wù)的Python包，又譬如說大數(shù)據(jù)用到的一些基礎(chǔ)組件，如Hadoop、Spark，同樣也有專門的Python對口服務(wù)。

現(xiàn)在大家應(yīng)該感到Python真是個寶藏男孩，應(yīng)該就能更為理解，為什么開發(fā)人工智能要用Python，一項人工智能的工程可能涉及到多個環(huán)節(jié)，而如果選擇使用Python，它可以給你提供一條龍服務(wù)。