关于编程的软件有哪些 为什么C#排名和Python相差越来越大？

为什么C#排名和Python相差越来越大？

以下是我的一些个人观点。如果我错了，请纠正我：

首先，从语言本身的角度来看：

C#可以看作是一种编译语言（严格地说，是一种混合语言），Python是一种解释性语言。

C的优势？速度越来越快。由于编译只进行一次，运行时不需要编译，因此编译语言的程序执行效率很高。

同时，编译是一把双刃剑。如果修改了代码，则需要重新编译整个模块，并根据操作系统环境编译不同的可执行文件。

鱼和熊掌不能兼得。Python的优点是它具有很强的跨平台能力。代码修改不需要停止。缺点是每次运行时都要解释。

然而，随着软硬件的快速发展，解释运行时间与编译后运行时间的时差将越来越小，Python语言“优雅”、“清晰”、“简单”的优势也越来越明显。

其次，从类库生态的角度来看：

Python有大量的第三方类库。在其他一些语言中，实现一个函数可能需要几十到几百行代码，而Python可能会调用其他语言的下一个轮子，只需要几行代码甚至一行代码。然而，c#一开始是基于Windows平台的，后来可以是跨平台的、开源的。第三方类库的数量没有python那么多。

最后，从发展前景来看：

人工智能，大数据时代已经到来，数据清洗和分析是python的强项，人工智能中有很多基于python的优秀框架。如果有人说Python效率低下，如果我的硬件不符合标准，我需要效率，那么人们更愿意使用C/C而不是C#。

总之，c和Python之间的排名差距越来越大。

学Python一定要会算法吗？

开始时，您不必很好地学习算法。但是随着技术的发展，仍然需要算法，否则只能做一些工作。

1. 学好软件开发离不开计算机理论基础，比如数据结构、操作系统、网络技术、算法研究等，如果你喜欢这项技术，那就不是问题。先开始，你可以弥补。

2. 算法是软件开发的灵魂。好的算法写不出好的程序。

3. 如何学习算法，首先选择经典算法教材。基本的可以从数据结构中学习，其中包含一些基本的算法，然后再学习特殊的算法（实际上，在数据结构领域学习算法一般就足够了）。网上还有很多论坛、算法网站，为了吸引眼球，它们一般都很通俗易懂。大多数算法都是C语言，但是语言在算法层次上是相互联系的，因此理解算法模型是最重要的。

4. 万事开头难。只要你开始，剩下的就是慢慢操作这项技术。该算法在实际应用中是最快、最强的。

我希望我能帮到你

对于那些使用过几种开发语言（Java、C#、nodejs、Erlang）然后转学到Python进行机器学习的人，我想谈谈我的看法。

首先，Python真的很慢吗？我的回答是真的。非常慢。for循环比CPP慢两个数量级。

那么为什么要使用Python呢？如果我们遍历超过一亿个数据，两个数量级的差异是不可接受的。但是，如果我们使用Python来执行顶层逻辑并阻塞数以亿计的数据，Python只会循环十几次，剩下的就留给CPU和GPU了。所以两个数量级无关紧要？一毫秒和100毫秒在整个系统中并不重要。

Python最大的优点是它可以非常优雅地将数据抛出到高效的C、CUDA中进行计算。Numpy、panda、numba这些优秀的开源库可以非常方便高效地处理海量数据，借助ZMQ、cell等还可以做分布式计算，gevent借助epoll系统IO优化。因此，它不需要花费太多的精力就可以优雅高效地完成海量数据处理和机器学习任务。这就是Python如此流行的原因。

好好想想。同样的性能，代码只有CPP或Java的三分之一或更少，不是很吸引人吗？

Python语言其实很慢，为什么机器学习这种快速算法步骤通常还是用呢？

感谢您的邀请：作为一种非常流行的语言，python有着广泛的应用场景。事实上，许多开发语言可以用于不同的领域。Python不是为特定目的而产生的。但是，它是一种通用的脚本语言，也称为glue语言。Glue意味着Python可以在C语言接口的帮助下驱动几乎所有已知的软件和模块。只要我们使用它，你通常可以找到一个开源库。安装后，您可以驱动它。无论是数据库、网络、互联网、图形、游戏、科学计算、GUI、OA、自动控制，甚至宇航员都在使用它。

现在我们来谈谈Python，它可以用来做：

1。系统编程2。图形处理3。数学处理4。文本处理5。数据库编程6。网络编程7。网络编程8。多媒体应用9。Pymo发动机10。黑客编程11。用Python12编写的简单爬虫：人工智能

看到这么多应用场景非常强大，但Python通常不会作为工程语言出现。也就是说，常规软件生产不使用它。主要使用Java，C#，XML，C。至于为什么，这是软件工程的需要。Python没有完整的语法检查。

但它现在不影响Python的状态。很多人加入Python的大军是因为Python很容易入门，而且学习成本相对较低。它有一个丰富的支持库，可以直接调用，以高效地完成不同需要的工作。

你知道，谷歌最早的搜索引擎是由python编写的。

希望我的回答能对你有所帮助。我是研究生，你用Python写算法。我认为你想发展大数据和人工智能。

近年来，随着大数据和人工智能的爆炸式发展，Python变得越来越流行。如果你想提高你的Python水平，我想你可以从以下几点开始

！Apache spark是一个大数据处理框架，计算速度快，使用方便，支持复杂分析，有可能取代MapReduce。

尽管Python在机器学习和人工智能方面有很好的应用，但Python有一个很大的缺陷。它不支持分布式计算，但这并不重要。Spark提供了一个优秀的Python接口pyspark。有了它，python在分布式计算和流计算方面有了很大的改进。

另外，spark的核心RDD弹性分布式数据集与Python中panda的数据帧非常相似，可以很容易地相互转换。因此spark赋予Python以分布式方式处理大型数据集的能力。

Python有许多强大的web后端框架，如Django、flash等。学习这一点可以巩固Python的基础，并使用Python的高级用法，如装饰器、类、魔术方法、数据库等。

您不能总是在一台机器上使用该型号。您可以在大数据框架和网站中部署模型。这要求您了解后端和分布式计算。学习这两个方面，不仅可以提高python的水平，也可以让你在未来的大数据和人工智能领域发力。

python一般用来做什么？

例如，当您遇到需要计算文章中单词的出现率时，您需要知道使用什么方法。例如，您需要首先使用string方法对其进行分段，然后将其保存到字典中进行统计。有了这样一个总体思路，您就可以专门学习字符串方法和字典的使用。即使你以前没有使用过这些方法，你也可以解决这个问题，即使你已经完成了。