我们最近的研究表明，富裕国家（世界银行定义为高收入国家）更喜欢与其他国家不同的技术。其中，我们看到最大的不同是Python语言。当我们关注高收入国家时，我们甚至可以看到Python的增长速度甚至比StackOverflowTrends或其他一些全球软件开发排名显示的还要快。在这篇文章中，我们探讨了Python语言在过去五年中异常的增长率，如高收入国家的StackOverflow流量所示。“增长最快”这个词很难准确定义，但我们相信Python确实是增长最快的主流编程语言。本文中提到的大部分数字来自高收入国家，如美国、英国、德国、加拿大和其他类似国家，这些国家合计占StackOverflow流量的64%。印度、巴西、俄罗斯和中国等其他一些国家也为全球软件开发生态系统做出了重大贡献。尽管Python在这些国家也在增长，但本文几乎没有涵盖这些经济体。需要强调的是，一种语言的用户数量并不是衡量该语言质量的标准：我们说的是开发人员使用的编程语言，而不是处方。Python在高收入国家的增长你可以在StackOverflowTrends上看到，Python在过去几年中一直在快速增长。但对于本文，我们将关注高收入国家并分析对StackOverflow问题的访问，而不是用户提出的问题。StackOverflow问题浏览量的数据可以追溯到2011年底，在此期间我们可以看到Python相对于其他五种主要编程语言的增长情况。这些是目前StackOverflow在高收入国家中访问量最大的10个标签中的六个；其他四个不包括在内，CSS、HTML、Android和JQuery。2017年6月，Python首次成为高收入国家StackOverflow上访问量最大的标签。它是美国和英国访问量最大的标签，在大多数其他高收入国家中也是前两名（另一个是Java或JavaScript）。这尤其令人印象深刻，因为在2012年，Python的访问量低于其他五种语言，而此后其访问量增长了2.5倍。造成这种现象的部分原因是Java流量的季节性。由于Java是一门本科重点课程，它的流量在秋季和春季上升，在夏季下降。但它会在今年年底再次赶上Python吗？我们可以尝试使用称为“STL”的模型来预测未来两年的增长，该模型将增长与季节性趋势相结合以预测未来价值。根据该模型的预测，今年秋季Python可能会保持领先地位或被Java反超，但2018年，Python必将成为头号标签。STL还暗示，高收入国家的JavaScript和Java流量将保持在相似的水平，就像过去两年的情况一样。总体而言，哪些标签增长最快？我们只看了上面的六种主流语言，那么目前高收入国家还有哪些技术增长最快呢？我们使用2017年和2016年的流量比例来定义增长率。在这个分析中，我们只考虑编程语言（如Java和Python）和平台（如iOS、Android、Windows和Linux），不包括像Angular这样的框架和像TensorFlow这样的库。由于本漫画中描绘的“增长最快”的问题，我们使用平均差异图来比较每种语言的增长速度与整体平均增长速度。Python以27%的年增长率在所有标签中独领风骚，使其既是流量最大的标签，也是增长最快的标签。增长速度相似的第二大标签是R语言。我们可以看到，大多数其他大厂牌的流量在高收入国家保持稳定，而Android、iOS和PHP则略有下降。（我们在之前的Flash之死帖子中研究了一些减少流量的标签，如Objective-C、Perl和Ruby）。我们还注意到，在函数式编程语言中，Scala的流量最大且增长非常迅速，F#和Clojure规模较小且正在下降，而Haskell介于两者之间并保持稳定。上图中遗漏了一件重要的事情：去年TypeScript流量实际上增长了142%，这足以让我们单独对待它以避免超出现有范围。你还可以看到，其他一些较小的语言，如R、Go和Rust的增长速度与Python大致相同或更快，还有很多标签，如Swift和Scala，也在以惊人的速度增长。与Python相比，他们的流量有何变化？R和Swift等语言的增长确实令人惊叹，而TypeScript则在更短的时间内表现出更快的扩张。如图所示，当label一开始比较小的时候，后面增长的比较快的可能性更大。请注意，我们并不是说这些语言可以与Python进行“竞争”。相反，我们要解释的是为什么我们要将它们分开，这是较低的流量标签。Python的情况则不同，它是StackOverflow中最大的标签之一，也是增长最快的标签之一。其他地区的情况到目前为止，我们一直在分析高收入国家的趋势。那么，Python在印度、巴西、俄罗斯、中国等其他一些国家的增长情况如何？它仍然是增长最快的编程语言。在非高收入国家，Python仍然是增长最快的主流编程语言；它只是从较低的水平开始，两年后开始增长（从2014年开始，而不是2012年）。事实上，Python在非高收入国家的同比增长率略高于高收入国家。本文中关于高收入国家标签流量上升和下降的许多结论也适用于其他地区，两者增长率之间存在0.979的相关性。在某些情况下，您会看到类似Python的“滞后”，即一项技术在高收入国家的接受程度比其他地区早一到两年。下一步我们不想开始所谓的“语言战争”。一种语言的用户数量并不代表它的质量，当然也不能告诉你哪种语言更适合特定的情况。然而，考虑到这个观点，我们认为了解哪些语言已经构建了开发者生态系统，以及生态系统目前如何发展会很有用。
