上世纪90年代初，Python面世了。近30年来，关于它的“炒作”一直没有少过。当然，编程界花了至少20年的时间才认识到它，但自那以后，它的流行程度远远超过了C、C#、Java甚至Javascript。

Python仍是人工智能和机器学习的主导编程语言吗？

尽管Python目前在数据科学和机器学习领域，以及某些程度上在科学和数学计算领域占据着主导地位，但与Julia，Swift和Java等新语言相比，它确实有其劣势。

是什么让Python如此受欢迎？

Python迅速发展的主要原因是易于学习和功能强大。这使得它对初学者，包括那些由于C、C++等语言语法艰涩且陌生而对其望而却步的人，都非常有吸引力。

该语言从根本上广泛强调代码的可读性。凭借其简洁而富有表现力的语法，它允许开发人员在不编写大量代码的情况下表达想法和概念（例如在C或Java等低级语言）。Python非常简单，可以与其他编程语言无缝集成（例如将CPU密集型任务卸载到C/C++），这对多语言开发人员来说是一个加分项。

Python用途广泛的另一个原因是大型企业（包括FAANG）以及无数小型企业对其的大量使用。如今，Python包里几乎包含了可以想到的任何东西——用于科学计算的Numpy，用于机器学习的Sklearn和用于计算机视觉的Caer。

Python也有缺点

它运行很慢，非常慢

显而易见，在未来很长一段时间里，速度都是开发人员的主要关注点之一。

Python之所以“慢”，实际上有两个原因——Python被解释为与编译相反，最终导致执行速度较慢;以及它是动态类型的（Python在执行过程中自动推断变量的数据类型）。

事实上，“Python很慢”这一说法对初学者影响很大。这是真的，但只是部分事实。以Python中可用的机器学习库TensorFlow为例，这些库其实是用C++编写的，并可以在Python中使用，某种程度上构成了围绕C++实现的Python“装饰器”。Numpy，甚至Caer，在一定程度上也是如此。

它有一个GIL（I）

Python速度缓慢的主要原因之一是存在GIL（全局解释器锁），它一次只能执行一个线程。虽然这可以提高单线程的性能，但它限制了并行性，开发人员必须实现多处理程序而非多线程程序来提高速度。

不是内存密集型任务的最优解

当对象超出范围时，Python会自动进行垃圾回收。它旨在消除C和C++在内存管理方面的所涉及的许多复杂问题。由于指定数据类型的灵活性（或缺乏灵活性），Python消耗的内存量可能会迅速爆炸增长。此外，运行时可能会弹出Python未关注的错误，最终减缓开发过程。

移动计算中的弱存在

随着台式机到智能手机的巨大转变，很明显，我们需要更强大的语言来构建手机软件。尽管Python在台式机和服务器平台上具有很强的代表性，但是由于缺乏强大的移动计算处理能力，Python往往会在移动开发上失败。

近年来，这一领域有了很大进步，但是这些新添加的库与Kotlin，Swift和Java等强大的竞争对手相比仍有差距。

其他语言的兴起

最近，Julia，Rust和Swift等较新的语言强势入局。它们借鉴了Python，C/C++和Java的许多优秀设计概念——Rust基本保证了运行时的内存安全性和并行性，麦田的守望者读后感并提供与WebAssembly的一流互操作性;由于支持LLVM编译器工具链，Swift几乎与C一样快;而Julia为I/O密集型任务提供了异步I/O，并且速度非常快。

Python从来就是很好的编程语言，它从来没有超越C/C++和Java。它是一种通用的编程语言，强调人类可读的、以英语为中心的语法，允许程序和应用程序的快速开发。

归根结底，Python和其他语言一样，是一种工具。有时候，它是很好的工具。有时候不是。大多数情况下，只是“还不错”。

Python作为一种编程语言会消亡吗？笔者不这么认为。

那么，它的魅力正在消失吗？也许有一点，但只是一点点。