寫程序方便對做機(jī)器學(xué)習(xí)的人很重要。

因為經(jīng)常需要對模型進(jìn)行各種各樣的修改，這在編譯語言里很可能是牽一發(fā)而動全身的事情，Python 里通常可以用很少的時間實現(xiàn)。

舉例來說，在 C 等編譯語言里寫一個矩陣乘法，需要自己分配操作數(shù)(矩陣)的內(nèi)存、分配結(jié)果的內(nèi)存、手動對 BLAS 接口調(diào)用 GEMM 、最后如果沒用 smart pointer 還得手動回收內(nèi)存空間。Python 幾乎就是 import numpy;numpy.dot 兩句話的事。

當(dāng)然現(xiàn)在很多面向C/C++庫已經(jīng)支持托管的內(nèi)存管理了，這也讓開發(fā)過程容易了很多，但解釋語言仍然有天生的優(yōu)勢--不需要編譯時間。這對機(jī)器學(xué)習(xí)這種需要大量 prototyping 和迭代的研究方向是非常有益工作效率的。

2. Python的開發(fā)生態(tài)成熟，有很多有用的庫可以用

除了上面說到的NumPy，還有SciPy、NLTK、OS(自帶)等等不一而足。Python 靈活的語法還使得包括文本操作、list / dict comprehension 等非常實用的功能非常容易高效實現(xiàn)(編寫和運(yùn)行效率都高)，配合 Lambda 等使用更是方便。這也是 Python 良性生態(tài)背后的一大原因。相比而言，Lua雖然也是解釋語言，甚至有 LuaJIT 這種神器加持，但其本身很難做到 Python 這樣，一是因為有 Python 這個前輩占領(lǐng)著市場份額，另一個也因為它本身種種反常識的設(shè)計(比如全局變量)。不過借著 Lua-Python bridge 和 Torch 的東風(fēng)，Lua 似乎也在寄生興起。

3. Python的效率很高

解釋語言的發(fā)展已經(jīng)大大超過許多人的想象。很多比如 list comprehension 的語法糖都是貼近內(nèi)核實現(xiàn)的。除了JIT[1]之外，還有 Cython 可以大幅增加運(yùn)行效率。最后，得益于 Python 對 C 的接口，很多像 gnumpy ，theano 這樣高效、Python 接口友好的庫可以加速程序的運(yùn)行，在強(qiáng)大團(tuán)隊的支撐下，這些庫的效率可能比一個不熟練的程序員用 C 寫一個月調(diào)優(yōu)的效率還要高。

4. 數(shù)據(jù)存儲方便

有 SQL，Hadoop，MongoDB，Redis，Spark 等。

5. 數(shù)據(jù)獲取方便

有 Scrapy，Beautiful Soup，Requests，paramiko 等。

6. 數(shù)據(jù)運(yùn)算方便

有 Pandas，Numpy，scipy 等。

7. 輸出結(jié)果方便

有 Matplotlib，VisPy 等。

8. 和其他語言交互方便

有 ctypes，rpy2，Cython，SWIG，PyQt，Boost.Python 。

9. 加速方便

有 PyPy，Cython，PyCUDA 等。

10. 圖形圖像方便

有 PyOpenGL，PyOpenCV，Mayavi2 。

11. 信號處理方便

PyWavelets，scipy.signal。

12. 云系統(tǒng)支持方便

GitHub，SourceForge，EC2，BAT，HPC。

13. python開源

Python支持的平臺多，包括 Windows / Linux / UNIX / macOS。而 MATLAB 太貴，只能調(diào)用其 API，用 Python 省錢，省錢就是賺錢。

Python 和 C++ 做個比較。

C++ 的 CPU 效率是遠(yuǎn)遠(yuǎn)高于 Python 的不過 python 是一門膠水語言，它可以和任何語言結(jié)合，基于這個優(yōu)點，很多數(shù)據(jù)處理的 Python 庫底層都是 C++ 實現(xiàn)的，意思就是說：你用 Python 寫 code，但效率是C++的。只有那些 for 循環(huán)，還是用Python的效率高。

近年來機(jī)器學(xué)習(xí)最要是深度學(xué)習(xí)，而深度學(xué)習(xí)使用 CUDA GPU 加速遠(yuǎn)比 CPU 要快，而cuda 是C++寫的。所以現(xiàn)在TensorLayer、theano 等深度學(xué)習(xí)庫都是 Python 編程、底層C++。