Python，一种面向对象的解释型计算机编程语言，由荷兰人GuidovanRossum于1989年发明，并于1991年首次公开发布。自1990年代初Python语言诞生以来，逐渐广泛应用于系统管理任务的处理和Web编程中。2011年1月，它被TIOBE编程语言排行榜评为2010年度语言。Python的使用量自2004年以来呈线性增长。去年7月20日，IEEE发布了2017年编程语言排行榜：Python高居榜首。是什么让Python成为当今最流行的机器学习语言！是大数据时代背景的契合，是其独特的生态系统，还是语言本身？首先，当然是因为每个人的生命都很短暂。作为一种解释型语言，Python虽然运行速度比谁都慢，但是却减轻了开发者的工作量。Python开发人员的哲学是“以一种方式做一件事，最好只用一种方式”。在设计Python语言时，如果面临多种选择，Python开发人员通常会拒绝花哨的语法，而选择清晰的语法，几乎没有或没有歧义。简单易学的特性催生了庞大的用户群和活跃的社区。机器学习框架的创造者也想走群众路线，让更多人使用。Python更接地气。Python成为机器学习主力军的第二个主要原因是因为Python为机器学习提供了大量的代码库和框架。使用python，你可以享受到很多方便的第三方数学运算库，比如NumPy、SciPy。可视化方面有MatplotLib和SeaBorn。您可以使用Pandas获得R在结构化数据操作方面的经验。面向图像、语音、文本等各个垂直领域。有非常成熟的库可以在预处理阶段调用。人们常说：“你有更多的图书馆”。Python标准库非常庞大。它可以帮助完成各种工作，包括正则表达式、文档生成、单元测试、线程、数据库、网络浏览器、CGI、FTP、电子邮件、XML、XML-RPC、HTML、WAV文件、密码系统、GUI、Tk和其他系统相关的操作。这被称为Python的“全功能”哲学。除了标准库之外，还有许多其他高质量的库，例如wxPython、Twisted和Python图像库等等。当然，这个编码系统还是有一些不足的，所以产生了很多workaround。Anaconda等发行版有自己的打包机制，可以很好地处理对不属于Python生态系统的可执行文件的依赖性。不过，总的来说，Python打包生态为机器学习提供了一定程度的便利，这符合Python一贯坚持的简单方便。最后，还有性能方面。当然Python性能不能满足大规模数据训练，所以大部分公司都是先用Python搭建原型，再用C++或JAVA实现工程化，再用Python封装留下接口。此外，得益于Python-to-C接口，许多高效且对Python友好的库，如gnumpy和theano可以加快程序的运行速度。在强大团队的支持下，这些库可能比一个不熟练的程序员更有效率。一个月的C写调调效率更高。因此，让Python在机器学习领域脱颖而出的不仅仅是单一的功能，而是Python的整个语言包：简单易学，更接地气，其生态有第三方代码库，可以涵盖广泛的机器学习用例和性能，可以帮助您很好地完成手头的工作。
