很多对Python不相熟的人，认为Python在最近这些年的衰亡是运气而已。本文帮忙大家回顾一下过来十几年Python的3次增长和对应的历史背景。
Python设计之处的特点，包含易学易用，以及作为胶水语言。易学易用是个难以量化的货色，但至多我接触的绝大多数敌人都认同Python在学习和应用上是比大部分语言简略的。有些人不认同Python通常也不是认为Python绝对其余语言难学，而是认为Python的运行速度慢，或者动静类型语言的通病。至于胶水语言就比拟窄了，面向作为胶水而设计的语言是很少的，印象里只有Lua算得上一个。另一个Python相较其余语言的劣势是字符串解决。
以下介绍Python取得倒退的3次机遇期。
2006年的搜寻/NLP：2006年前后正好是搜索引擎公司倒退的暴发期。那一年Google中国李开复搞了关门弟子打算，百度也做了诸多广告，比方百度更懂中文系列。在那个时代搜索引擎就是IT行业的高科技。之后不久，阿里巴巴也搞了个ASC(阿里巴巴搜寻技术钻研核心)，起初屡次追潮流更名，始终作为阿里巴巴外部的前沿研发部门。
而Python用作搜索引擎和NLP是很有历史的。晚期Google在90年代开发搜索引擎爬虫就是应用Python实现的。而即使是当初，开发爬虫，Python也基本上就是第一抉择。很多人学习Python的入门程序也是爬虫。而Python适宜开发爬虫的关键在于Python的字符串解决是很不便的。
也就是从2006年末开始，国内的python-cn邮件列表涌入了大量的新人，并以爬虫为例开始深刻学习Python。
2010年的WEB守业潮：2010年开始，国内外呈现了新一轮的守业潮，大家开发的是各种各样的网站。此时的WEB开发上，Python曾经逐渐成为支流WEB服务器开发选项中的一种。绝对于同时代的Java和PHP等，有着开发效率上的劣势。
正因为晚期守业公司须要迅速的迭代和试错，使得这个时代的Python成为了一个不错的选项。进而让更多工程师开始学习起来Python。
也就是从这个期间开始，才逐步有较多的公司会公开招聘Python工程师。在此前招聘Python工程师的广告是十分十分少见的。
2014年的Deep Learning：从2014年开始火起来的深度学习上，Python的劣势是近乎相对的。深度学习的支流开发语言只有C++和Python两种了，其余语言能够认为基本就没能在这里分到什么像样的空间。所有支流的Deep Learning框架，也是官网间接提供了C++和Python两种接口。而因为C++开发的难度，以后的确有不少从业工程师是间接用Python搞定深度学习的相干步骤。
这次Python的增长期被更多不理解Python的人认为是Python的狗屎运。但其背地的逻辑反倒是十分坚硬的。起因就是Python是个很好的胶水。最后的终点是numpy库。
numpy是封装了BLAS的科学计算库。BLAS是对CPU向量指令集高度优化的数学运算库。通过BLAS进行科学计算能够失去顶级的计算性能，这个计算性能比未经向量指令集优化的C程序还能快上数倍。而numpy的另一个重要特点就是，把buffer做了封装，使得buffer的内容是无需Python解决的，而是理论交给特定的软件库来解决，numpy只是负责保护该buffer的生命周期，形态等元数据。这就使得numpy的计算性能不会受到Python的影响，但同时却能够利用Python的易学易用来治理buffer的生命周期。
numpy对buffer的治理带来的易用性劣势在起初失去了很大的倒退。如以下几点：
OpenCV：在opencv-python中就是应用了numpy.array来治理图像数据，却没有像C++接口一样应用Mat。同样的顶级性能。
PyCuda/PyOpenCL：也是利用了numpy.array来通明传递数据给GPU做高性能计算。尤其是集成了JIT，使得能够用字符串的形式传递kernel function，不再像C++一样要独立编译一遍。
Caffe/TensorFlow：同样利用了numpy.array，并利用了PyCuda/PyOpenCL的集成。
所以这样一路发现下来，由Python是个好胶水，就真的把若干很好用的库全流程的粘在了一起。在流程集成上都是顶级的性能，而没有Python的性能损耗，同时带来了十分好的易用性。
相比其余语言，对这些C/C++库的玩法都是先封装一层对象，包准封装的前后对不上。而且因为大部分语言并不是面向胶水设计，开发C接口都很艰难。天然与这些高性能计算库的联合困难重重。累计起来就与Python产生了差距。
以上就是本次分享的所有内容，想要理解更多 python 常识欢送返回公众号：Python 编程学习圈 ，发送 “J” 即可收费获取，每日干货分享