上世紀(jì)90年代，Python作為一種通用編程語言誕生了。盡管語句簡潔，Python在最初十年的使用情況卻并不樂觀，它也沒能真正成為開發(fā)者使用的編程語言。當(dāng)時(shí)，Perl是編程首選，Java已在面向?qū)ο缶幊填I(lǐng)域站穩(wěn)腳跟。

[[346967]]

當(dāng)然，一切編程語言都需要一定的成熟時(shí)間，只有它比現(xiàn)有工具更適合編程，才會被廣泛使用。Python在21世紀(jì)初期的第一個(gè)機(jī)遇就是，人們意識到Python的學(xué)習(xí)曲線比Perl簡單，還能與其他語言互相操作。這種特性讓大量開發(fā)者使用Python編程。Django的出現(xiàn)終結(jié)了Perl, Python勢頭更猛了，但仍然無法與其“后輩”Java和JavaScript相提并論。

快進(jìn)到現(xiàn)在，2019年StackOverflow開發(fā)者年度調(diào)查報(bào)告顯示，Python已超越Java成為第二受歡迎的語言。

Python還是10年來發(fā)展速度最快的編程語言。Python的普及很大程度上得益于2010年大數(shù)據(jù)的出現(xiàn)及機(jī)器學(xué)習(xí)、人工智能的發(fā)展。企業(yè)迫切需要發(fā)展迅速、門檻低的編程語言以管理大規(guī)模數(shù)據(jù)和科學(xué)計(jì)算任務(wù)，而Python能完美解決這些問題。

除了以上優(yōu)勢，Python還是一種動(dòng)態(tài)類型的解釋型語言。更重要的是，它得到了Google的支持，后者為Tensorflow購買了Python，這使其成為數(shù)據(jù)分析、可視化和機(jī)器學(xué)習(xí)的首選語言。

然而，盡管對機(jī)器學(xué)習(xí)和人工智能的需求在新十年也將不斷增加，但Python的好景卻不長了。如同其它編程語言一般，Python本身也有缺陷。這些缺陷讓它能輕易被其它更適合完成企業(yè)常規(guī)任務(wù)的語言所取代。哪怕有R語言坐鎮(zhèn)，Swift、Julia和Rust等新編程語言的出現(xiàn)也對數(shù)據(jù)科學(xué)的現(xiàn)任王者構(gòu)成了極大威脅。

Rust仍在努力適配機(jī)器學(xué)習(xí)，所以我認(rèn)為Swift和Julia是取代Python并最終統(tǒng)治數(shù)據(jù)科學(xué)的語言。一起來看看Python面臨的困境吧。

Python缺乏類型安全性，運(yùn)行速度非常慢

[[346968]]

圖源：unsplash

所有的好事都要付出代價(jià)，Python的動(dòng)態(tài)類型化也不例外。動(dòng)態(tài)類型可以輕松快速地編寫代碼而無需定義類型。然而，尤其是當(dāng)代碼庫變大時(shí)，代碼運(yùn)行更容易出問題，開發(fā)人員在生產(chǎn)環(huán)境中運(yùn)行代碼時(shí)會更艱難。編譯器很容易發(fā)現(xiàn)的 BUG，在Python中反而無法識別，這樣就會產(chǎn)生開發(fā)障礙，最終降低大規(guī)模應(yīng)用程序的開發(fā)速度。

更糟糕的是，不同于編譯代碼，Python的解釋程序每次執(zhí)行時(shí)都要分析每行代碼。相比于其它語言，Python開銷更大，程序性能低得多。

而Julia能避免上述問題。Julia雖是動(dòng)態(tài)類型語言，但是它有實(shí)時(shí)編譯器。其JIF編譯器要么就是在執(zhí)行前生成正確的機(jī)器代碼，要么就是使用先前已儲存、緩存的編譯，這讓它擁有與靜態(tài)類型語言一樣的性能。

更重要的是，Julia有一個(gè)稱為多分派的關(guān)鍵特性，類似于OOPs的函數(shù)重載(雖然僅能用于運(yùn)行程序)。多分派的強(qiáng)大之處在于它能夠處理不同的參數(shù)類型，而無需創(chuàng)建單獨(dú)的函數(shù)名或嵌套的if語句。這有助于編寫更加緊湊的代碼，也是數(shù)值計(jì)算的一大勝利，它可以輕松地通過擴(kuò)展解決方案來處理所有類型的參數(shù)。

Swift甚至更勝一籌。Swift是靜態(tài)類型語言，LLVM編譯器(低級虛擬機(jī)器)對其進(jìn)行了高度優(yōu)化。它能快速編譯成匯編代碼，這讓Swift超高效運(yùn)行，速度可比擬C語言。

此外，Swift擁有更好的內(nèi)存安全和管理工具，即自動(dòng)引用計(jì)數(shù)(Automatic Reference Counting)。與garbage收集器不同，只要引用計(jì)數(shù)歸零，ARC就會回收內(nèi)存，因此更為準(zhǔn)確。

作為提供類型注釋的編譯語言，Swift和Julia比Python速度更快，功能更強(qiáng)大。僅僅這一點(diǎn)，可能就足以讓開發(fā)人員推薦它們。

Python在并行性方面有局限性

Python最大的缺點(diǎn)不是速度慢，而是并行計(jì)算的局限性。簡單地說，Python使用GIL(全局解釋器鎖)——它會通過阻止多個(gè)線程同時(shí)執(zhí)行，來提高單個(gè)線程的性能。該過程有一個(gè)很大的障礙：開發(fā)人員不能使用多個(gè) CPU核心來進(jìn)行密集的計(jì)算。

我們在利用Python與Tensorflow、PyTorch 等C/C++庫的互操作性方面做得不錯(cuò)。這一點(diǎn)眾所周知，我也十分贊同。但是Python包裝器并不能解決所有調(diào)試問題，最后還是得靠C和C++檢查底層代碼。從根本上說，Python的優(yōu)勢在低層無效，這點(diǎn)足以讓Python出局。

這一因素很快將決定Python的衰落、Julia和Swift的崛起。Julia專門用來解決Python的缺陷，主要有三個(gè)特性：協(xié)同程序(異步任務(wù))、多線程和分布式計(jì)算，這些特性都展示出并發(fā)和并行編程的無限可能，這種結(jié)構(gòu)使Julia能夠以比Python更快的速度執(zhí)行科學(xué)計(jì)算并解決大數(shù)據(jù)問題。

另一方面，Swift有一切開發(fā)移動(dòng)應(yīng)用所需的工具，能夠進(jìn)行并行計(jì)算。

[[346969]]

圖源：unsplash

Swift和Julia都擁有Python的互操作性和強(qiáng)大的支持

雖然在速度、多線程和類型安全方面有不足之處，但Python有包含大量庫和程序包的巨型生態(tài)系統(tǒng)。在Python面前，Swift和Julia在機(jī)器學(xué)習(xí)領(lǐng)域仍然是個(gè)“弟弟”，擁有的庫數(shù)量非常有限。然而，Julia和Swift比Python更強(qiáng)的互操作性大大彌補(bǔ)了二者庫支持的不足的缺點(diǎn)。

Julia不僅允許程序員使用Python代碼(反之亦然)，還能與C語言、R語言、Java以及幾乎所有主要編程語言的進(jìn)行互操作。這種多功能性能有力推動(dòng)這種語言的發(fā)展，增加它被數(shù)據(jù)科學(xué)家迅速采用的機(jī)會。

另一方面，Swift通過PythonKi 庫提供了與Python的互操作性。Swift(起源于蘋果)最大的賣點(diǎn)是它得到了谷歌的大力支持，十幾年前收益于全力支持而崛起的正是Python，可真是風(fēng)水輪流轉(zhuǎn)。

另外，Swift的創(chuàng)建者Chris Lattner正在谷歌的AI brain團(tuán)隊(duì)工作，這表明Swift正在被重點(diǎn)培養(yǎng)，以在機(jī)器學(xué)習(xí)領(lǐng)域的取代Python。

Tensorflow團(tuán)隊(duì)通過S4TF項(xiàng)目投資了Swift，這進(jìn)一步證明了該語言不僅僅是Python的修飾版。相反，Swift 憑借其差異化的編程支持和像C語言一樣的低層級工作能力，將有可能被用來取代支撐深度學(xué)習(xí)的工具。

[[346970]]

圖源：unsplash

隨著數(shù)據(jù)量的不斷增加，Python的致命弱點(diǎn)很快就會浮現(xiàn)。注重易用性和快速編碼能力的日子一去不復(fù)返，速度和并行計(jì)算才是游戲的主角。Python 作為一種通用語言，將不再解決這些問題。Python終會退場，而Julia和Swift似乎就是候選接任者。

不過，我并不是說作為編程語言的Python會立刻消失，它會一點(diǎn)一點(diǎn)淡出人們的視線。Python在數(shù)據(jù)科學(xué)中的地位將逐漸降低，專門為深度學(xué)習(xí)而設(shè)計(jì)的語言才是未來主流。