配资企业排名前十 他只想更好地做科研写论文，却一不小心改变了全球程序员的命运......

01配资企业排名前十

上世纪90年代中期，正在麻省理工读硕士的吉姆来到了俄勒冈州的阿什兰，这里以莎士比亚戏剧节闻名于世。

当吉姆在一个剧院后面的公园里玩杂耍时，遇到了来自施乐PARC的一个科学家帕维尔·柯蒂斯，帕维尔也想加入，玩一个双人的杂耍。

吉姆欣然同意，两人愉快地玩了起来。

两人一边玩儿一边闲聊，帕维尔告诉吉姆他发现了一个新的编程语言：Python。

用Python写程序特别清晰，易懂，简直就是可以执行的伪代码！帕维尔他们这些搞科学研究的简直太喜欢这一点了!

吉姆默默地把Python记在了心里。

回到MIT，吉姆开始写自己的硕士论文，论文是关于超导体和半导体相关的领域，需要大量的实验，然后用Matlab对数据进行处理，和理论模型进行对比。

吉姆发现，Matlab在数值分析方面强大得吓人，但在其他任务上糟糕透顶。

他费了九牛二虎之力，拼凑出了混合着C、Python、Matlab的代码，终于完成了论文。

一般人也就到此为止了，但是吉姆不一样，他开始琢磨起来：Python这么好用，如果能具备像Matlab那样的数值分析能力就好了！

这样大家做科研写论文就会非常方便！

吉姆研究了一下，发现了Python的另外一个重要特点：可以和C/C++紧密集成。

Python对外提供了一个清晰的 C API，在C代码中可以轻松调用 Python 函数，访问Python的对象。

所以对于一些性能关键的函数（矩阵乘法、哈希、加密等），完全可以用C语言来实现，这对于科学计算来说非常友好。

于是，吉姆决定写一个Python扩展，在保留Python作为通用编程语言的同时，又具备像Matlab那样数值分析的能力。

很快，这个叫Numeric的扩展就新鲜出炉了，Numeric也是第一个用于科学计算的Python库。

围绕 Numeric ，一个非常活跃的科学家和工程师社区开始形成，他们开始用Python+Numeric进行科学计算，并且基于Numeric开发了SciPy，提供了更高级的科学计算功能，比如优化、积分、信号处理、线性代数、统计等。

马里兰州的一个空间望远镜科学研究所为了处理大规模的数据，开发了numarray 软件包，相比Numeric ，numarray在处理大型数组时速度更快（但是在处理小型数组时更慢）。

2005年，Travis Oliphant将numarray的功能移植到了Numeric上，推出了大名鼎鼎的NumPy。

02

注意，Numeric出生于1995年，这一年也发生了几件大事：

1.Sun 公司发明了Java

2.松本行弘推出了Ruby

3.网景的布兰登用10天设计了JavaScript。

而C#、Go等语言要等到21世纪才会出现。

换句话说，Python在科学计算领域抢得了重要的先发优势！

但是，Python却丢失了一个更大的机会：互联网。

1995~2005这十年，互联网狂飙突进，Java通过J2EE统治了企业级应用开发，然后不断向其他领域进军，成为第一大编程语言。

在浏览器端，在GMail，Google Maps的助推下，JavaScript成为无可争议的老大。

Ruby也依靠Ruby on Rails爆火，在Web2.0应用开发中捕获了大量程序员的芳心。

Python依然在自动化脚本、运维、科学计算等领域默默耕耘，虽然也有Django、Flask这样的框架，但是使用Python开发Web应用的人很少。

Python抬眼望去，Java、Ruby、JavaScript高高在上，如日中天，自己显得非常落寞。

好在Python并没有等多久，人工智能的浪潮就来了。

在科学计算和数值分析领域，没有一个编程语言能像Python那样拥有如此完备的生态，Python积累多年的优势终于释放了。

- NumPy、Pandas → 数据处理

- Scikit-learn → 传统机器学习

- Matplotlib、Seaborn → 可视化

- TensorFlow、PyTorch → 深度学习

这些库几乎成了AI研究的“标准工具箱”，被各个高校，研究机构，实验室广泛使用。

假设你是一个研究生，你进实验室的时候，你的师兄丢给你几万行没有注释的代码，是使用Python的NumPy/SciPy做数值分析， 虽然你很讨厌Python的语法，但是你会用你最喜欢的语言如Java/Ruby来重写它们吗？

大概率不会吧。

先发的优势让Python垄断了数据科学领域，其他语言想替代Python，真正的门槛不在于 Python 语法，而在于“复制这个庞大的、久经考验的底层科学计算生态系统”

而这个生态系统的起点就是公园的那次偶遇，帕维尔向吉姆介绍Python的那一刻。

如果在另外一个平行时空，帕维尔和吉姆在公园偶遇，帕维尔向吉姆介绍了Java、JavaScript、Ruby，吉姆会用它们去做数值分析吗？

大概率不会，因为这三门语言无法同时满足：1.清晰易懂 2.和C/C++紧密集成。

03

最后再来提一下吉姆，他完成了Python扩展Numeric , 把维护的工作交给了其他人，挥一挥衣袖，不带走一片云彩。

在对Numeric做性能测试的时候，Jim比较了Python和其他很多语言， 他震惊地发现Java在一些简单的数值运算上居然和C语言一样快！于是他开始了一项工作，把Python移植到JVM， 这就是Jython。

后来他也加入了施乐PARC，在那里他又参与设计了著名的AOP库AspectJ， 掀起了面向切面编程的热潮，尤其在Spring中大行其道。

2004加入微软后，他又把Python移植到了.NET平台，即IronPython。

这四项工作，完成任意一项，都足以在软件发展史上写下自己的名字，而Jim居然都完成了，真乃奇人也！

如今吉姆兴趣大变，他把注意力移到了一个叫做布料模拟器的研究上，玩得不亦乐乎：

百川资本提示：文章来自网络，不代表本站观点。