随着数据量的扩大，人工智能和机器学习正在处理那些在过去似乎不可能完成的任务。所有的科技巨头(Facebook、微软、谷歌、亚马逊)都在积极开张数据工作，争先恐后地为促进这些领域的发展做出贡献。根据研究，人工智能和机器学习实践者更喜欢使用Python，因为Python易于编码和可读性较高，这样我们就不会被语言的结构所困扰。

为什么要学python？先不解释python有什么好的，咱们先来看看最新的IEEE发布的2017年各种编程语言排行榜：

什么？骗人的吧，python登榜首了？假的吧？不说了，消息在这，自己看：http://www.*/news/2017/0724/792870.shtml这个排名其实已经说明了一点，当前python已经很火了。下面我们将从python有哪些特点和python能做什么两个方面展开。首先我们先来感性的看一下，python到底有哪些优点？有哪些特点？这里笔者不去简单的列举，笔者将通过实际感受来谈一谈。

当笔者学习CC++语言后，又去看java语言的时候，介绍java语言曾介绍过一个特点，简单，为什么，相对CC++而言，java确实简单。当笔者去学习python的时候，python也介绍自己简单，好吧，我想任何语言都可以宣称自己简单，但是事实上呢？在使用了两年多的python后，说句实话，python是真的简单，实现同样的功能，python代码量要比用java、CC++少近十倍！笔者身边一个同事，曾是java大神，当他转向用python的时候，是带着一种怀疑的态度去用的，但是当他真正进入python的世界后，他感叹，python真是简单，至少代码量真是少！面向对象是python的一个特点了，和C++、Java一样，所以如果学习过C++或者Java，再学习python就会感觉上手很快，如果没有接触过面向对象，接触python可能会有点吃力，因为必须要先理解了什么是面向对象。python拥有丰富的库和丰富的学习资源。python本身是开源的，此外，python强大正式因为它拥有完全*的python开源库，每个库都是开源的，都是*的项目，有开源社区维护，所有python学习拥有丰富的完善的开源社区论坛等。仅仅是python及其各个库的官方文档就已经很详细，此外，在各大论坛博客等网站关于python的学习资料，python库的讨论问题等也是非常丰富。这也层一方面显示了开源的优势。python语言课嵌套，python语言本身是用C语言编写的，当然后续也有其他语言的实现版本，如适合java语言的jython，适合C#语言的ironpython等，所以python语言实现的脚本可以作为其他语言的一种脚本嵌套在应用程序中。可移植也是python语言的一大优势，一方面如果是比较简单的程序直接将程序拷贝到其他机器上基本就是可以运行的，此外，python可以建立虚拟运行时环境，有这个虚拟运行时环境移植起来就更可靠了，将python解释器也一起打包拷贝即可。

除此以外，开源还有其他更有效的工具，能将更底层的库一起打包为python虚拟环境，这样移植起来简直是完全不用考虑新环境安装了什么，这些特性本系列教程后续都将会涉及。当然python有优点也就有缺点，运行速度相对C而言明显要慢，此外python语言是解释性的，代码无法加密，交付产品及交付源代码。这是因为python的设计之初就遵循开源的原则，任何人都可以修改复制使用，包括python的源代码。

python能做什么呢？几乎是无所不能！Python除了极少的事情不能做之外，其他基本上可以说全能，系统运维、图形处理、数学处理、文本处理、数据库编程、网络编程、web编程、多媒体应用、pymo引擎、黑客编程、爬虫编写、机器学习、人工智能等等。尤其是近期随着云计算，大数据，人工智能，机器学习的方面的兴起，python的学习使用热度也是飙升。越来越多的企业热衷于python语言。其实入门python的大有人在，为什么，因为在整个软件测试领域，使用的python的特别多，用python写个测试脚本啥的也是非常方便，但是测试领域使用python的大多数都是入门级的，也就是谢谢简单的测试脚本，而并非深入地使用python去开发软件。从当前各大招聘网站看，对python的工程师开出的薪资也是蛮高的，所有笔者认为python的学习，在至少未来十年内是相当有竞争力的。为什么，因为未来十年，云计算大数据机器学习人工智能领域不会走下坡路，只要这几个领域上坡，python就在前进。