编程语言世界杯，Python击败老牌劲旅Java夺冠

本文1346字，阅读大概需要 4 分钟。

世界杯激战正酣，克罗地亚突围成功，与年轻的法国队会师决赛。周日晚北京时间23:00将会决出本届世界杯的冠军。

谁将会捧起大力神杯？我们拭目以待！买定离手！

于此同时，我们码农世界杯中，后起之秀Python，已悄然击败Java，捧得“大键盘杯”的桂冠！

Python的夺冠是偶然、也是必然

如今，Python 已经成为一种再主流不过的编程语言了。它天生丽质，易于读写，非常实用，从而赢得了广泛的群众基础，被誉为“宇宙最好的编程语言”，被无数程序员热烈追捧。

出生于1991年，今年28岁，虚岁。在他未成年的时候，一直在小众语言中活蹦乱跳，但最近的五年，突然爆红起来，他到底经历了什么？有着怎样独特的气质？

总结他的优势，可以从以下五个方面看：

1. 对于初学者，他是最容易上手的语言之一，人生苦短，我用Python，您懂的。除了程序员领域，Python迅速在各行各业的到应用。

2. 企业领域，今年兴起的大数据云计算，将Python的应用场景阔了更多的场景，毕竟，他绝对是数据处理领域的一把好手。

3. 惊人而丰富的武器库，搞数据计算用NumPy，搞web开发用Django，高机器学习用scikit-learn，搞语意分析用nltk，总之，只有想不到，没有找不到。

4. 交这个朋友，靠得住。他运行效率快、耗费资源少，并且稳定可靠。而且、而且开发效率也是名列前茅。

5. 有个很赞的爹，很多知名语言都有靠山，比如C#的背后是微软，Java被Oracle抱在怀里，而PHP则被Facebook选中。Python背后的爸爸则是Google。这个爹为了他的成长真是不遗余力的呵护，办社区，录课程，做广告，整开源，总之，只要能想到，Google全做到。

Python这个小伙，想不火都难啊！

读者：“ 说了这么多，是否应该学学Python呢？”

小码：该

读者：“ 上手真的很快吗？”

小码：真

读者：“ 我可没写代码的背景，怎么学啊？”

小码：接着看

Python入门，无码教程

首先得选一个版本，记住，选Python3，对，就是3，这是面向未来的，之前的历史版本不管你的事。等你练的一手好码了再去了解。

接下来，了解一门新语言，基础知识是必不可少的。您可以从下面课程开始：

Python 教程

https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000

Python 标准库

https://pymotw.com/3/index.html

官方文档 （非常贴心地提供中文翻译）

https://wiki.python.org/moin/BeginnersGuideChinese

如果你更喜欢看视频，有这两个推荐：

零基础入门学习Python 小甲鱼的入门视频，讲课十分有趣

http://study.163.com/course/introduction.htm?courseId=378003

Python for Everybody Course上非常经典的Python教学视频

https://www.coursera.org/specializations/python

当了解了基础知识之后，善于使用搜索引擎和Python社区，您会找到需要的一切，如果您身边如果有Python高手，建议一定要找他聊聊，能少走不少弯路。

接下来，学习编程语言，练习非常重要，但过程也非常熬人，会碰到很多难搞的问题，如果想啃下硬骨头，信心充沛很重要，熬过去就会发现一个新世界。

当然，方法也很重要，初期可以按照教程做一些简单的练习，接着就能做一些小的项目或设想，最好找一些1000行代码就可以完成的，Github上有着非常多的优质项目可供参考，搜索筛选的功能也很方便。

https://github.com/vinta/awesome-python

awesome会得到很好的指引，当然，过程中也会碰到很多有趣的项目，比如，华丽的thefuck。

当自己的见识、知识储备越来越丰富的时候，参与一些真实的项目吧，为自己设想的小功能，或者业务生活中的具体需求，再或是爬虫爬来一些数据进行数据分析。

基本功就位后，就可以在Github上，从给一些项目提交pull request开始，渐渐的加入一些项目，成为开源项目成员。

渐渐的，或许你会喜欢上这种和电脑数据交流的方式。

AI和机器学习

迈入机器学习与人工智能领域绝非易事。考虑到目前市面上存在着大量可用资源，众多怀有这一抱负的专业人士及爱好者往往发现自己很难建立正确的发展路径。这一领域正不断演变，我们必须紧随时代的步伐。

这里先向您展示这个领域的热门Top10选手，您可以从订阅了解他们的演化变化开始，逐渐在自己的项目中尝试这些经典之作。

1. TensorFlow最初由谷歌公司机器智能研究部门旗下Brain团队的研究人员及工程师们所开发。这套系统专门用于促进机器学习方面的研究，旨在显著加快并简化由研究原型到生产系统的转化。

2. Scikit-learn是一套简单且高效的数据挖掘与数据分析工具，可供任何人群使用，可在多种场景下进行复用，立足NumPy、SciPy以及matplotlib构建，遵循BSD许可且可进行商业使用。

3. Theano允许大家高效对关于多维阵列的数学表达式进行定义、优化与评估。

4. Gensim是一套自由Python库，其中包含可扩展统计语义、纯文本文档语义结构分析、语义相似性检索等功能。

5. Caffe是一套深度学习框架，主要面向表达、速度与模块化等使用方向。此框架由伯克利大学视觉与学习中心（简称BVLC）以及社区贡献者共同开发完成。

6. Chainer是一套基Python的独立开源框架，专门面向各类深度学习模型。提供灵活、直观且高效的手段以实现全面的深度学习模型，其中包括递归神经网络以及变分自动编码器等最新模型。

7. Statsmodels是一套Python模块，允许用户进行数据探索、统计模型评估并执行统计测试。其提供包含描述统计、统计测试、绘图功能以及结果统计的广泛列表，适用于各种不同类型的数据与估算工具。

8. Shogun是一款机器学习工具集其中提供多种统一且高效的机器学习（简称 ML）方兴未艾。这套工具集能够以无缝化方式对多种数据表达、算法类以及通用型工具加以组合。

9. Pylearn2是一套机器学习库。其主要功能以Theano为实现基础。这意味着大家可以利用数学表达式编写Pylearn2插件（新模型以及算法等），而 Theano 将对这些表达式进行优化与稳定调整，并将其编译至您所选定的后端（CPU 或 GPU）。

10. NuPIC是一个开源项目，基于所谓新皮层理论中的分层时间记忆（特立独行 HTM）概念。HTM理论中的部分内容已经在现实层面得到应用、测试以及使用，而该理论的其余部分则仍处于开发阶段。

往期精选  ｜ Editors' Choice