虽然Python在数据科学和机器学习领域占主导地位，甚至是科学和数学计算领域的主角，但与Julia、Swift和Java等语言相比，它确实有些欠缺。

Python迅猛发展背后的一个主要驱动力是它学习起来相当容易，使用起来功能强大。对于初学者来说，像C/C++这样有难度的编程语言，不熟悉语法的人都会敬而远之，所以Python显得非常有吸引力。

语言的核心是代码可读性，Python的语法简洁而富有表现力，开发人员无需编写大量代码，便可以表达想法和概念 (C或Java等底层语言的情况也是如此)。它非常地简单， 并可以与其他编程语言无缝集成 (比如将CPU密集型任务交付予C/C++)。用Python语言开发会给开发人员带来许多好处。

Python应用广泛的另一个原因是它被企业大量使用 (包括FAANG)。今天，对于你能想象到的任何项目，你都可以找到一个相应的Python包—-科学计算的有Numpy，机器学习的有Sklearn，计算机视觉的有Caer。

不用多说，速度通常是开发人员最为关注的焦点之一。不仅是现在，将来的很长一段时间都会如此。

Python“缓慢”的主要原因，可以归结为以下两点—-首先，Python是解释性的语言，而不是编译型的语言，这终究会导致执行时间的缓慢；其次，它是一种动态的语言 (变量的数据类型在执行期间由Python自动推断)。

初学者经常对“Python的确太慢”的说法产生争议，事实上，的确如此，但也并非完全这样。

例如， Python的机器学习库TensorFlow实际上是用C++编写的，在Python中进行调用而已，是在C++的上层实现的一个Python“封装器”。Numpy是如此，Caer也是类似的形式。

Python缓慢的主要原因之一是GIL(Global Interpreter Lock)的存在–它一次只允许一个线程执行。这虽然有助于提高单线程的性能，但限制了并行性，而开发人员为了提高速度必须实现多线程处理程序。

当对象超出范围时，Python会自动进行垃圾收集。其目的是消除C和C++在内存管理中涉及的许多复杂性。由于指定的数据类型缺乏灵活性，Python消耗的内存量可能会迅速爆增。
此外，在运行时，一些BUG 可能会被Python忽略，最终成为延缓开发过程的主要诱因。

随着从台式机到智能手机的迁移，显然，人们需要为手机软件构建更强大的语言。虽然Python在计算机和服务器平台上有不错的表现，但由于缺乏强大的移动计算处理能力，在移动开发中它往往会失去优势。
近年来，（Python）在这方面有了很大的进步，但这些新增加的库与他们强大的竞争对手相比，如Kotlin，Swift和Java，还相去甚远。

最近，像Julia、Rust和Swift这些新出现的语言，借用了Python、C/C和Java的许多良好设计概念——Rust确保了运行时的内存安全和并行，并提供了与Web Assembly的一样的互操作性；由于它支持LLVM编译器工具链，Swift几乎和C一样快；Julia提供了用于I/O（输入/输出）密集任务的异步I/O，而且速度惊人。

Python并非最好的编程语言，它无法取代C/C++和Java。它被打造成一种通用的编程语言，强调可读性、以英语为中心的语法。人们利用它可以快速开发程序和应用程序。
和其他语言一样，Python只是一种工具。某些应用场景下，它是最好的工具；在另一种场景下，它或许不是。在大多数情况下，它 “挺好用的”。

那么，作为一种编程语言，Python会消亡吗？

我不这么认为。

它逐渐失去魅力了吗？

啊，也许只是一点点，只是一点点。

原文来自：

本文地址：//gulass.cn/python-java-javascript.html编辑：向云艳，审核员：逄增宝

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：