為什麼python適合做演算法

1. 為什麼做AI的都選python

相對於其他語言：
1、更加人性化的設計
Python的設計更加人性化，具有快速、堅固、可移植性、可擴展性的特點，十分適合人工智慧;開源免費，而且學習簡單，很容易實現普及;內置強大的庫，可以輕松實現更大強大的功能。
2、總體的AI庫
AIMA：Python實現了從Russell到Norvigs的「人工智慧：一種現代的方法」的演算法;
pyDatalog：Python中的邏輯編程引擎;
SimpleAI：Python實現在「人工智慧：一種現代的方法」這本書中描述過的人工智慧的演算法，它專注於提供一個易於使用，有良好文檔和測試的庫;
EasyAI：一個雙人AI游戲的python引擎。
3、機器學習庫
PyBrain 一個靈活，簡單而有效的針對機器學習任務的演算法，它是模塊化的Python機器學習庫，它也提供了多種預定義好的環境來測試和比較你的演算法;
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他內核方法，它支持linux和Mac OS X;
scikit-learn旨在提供簡單而強大的解決方案，可以在不同的上下文中重用：機器學習作為科學和工程的一個多功能工具，它是python的一個模塊，集成了經典的機器學習的演算法，這些演算法是和python科學包緊密聯系在一起的;
MDP-Toolkit這是一個Python數據處理的框架，可以很容易的進行擴展。它海收集了有監管和沒有監管的學習算飯和其他數據處理單元，可以組合成數據處理序列或者更復雜的前饋網路結構。新演算法的實現是簡單和直觀的。可用的演算法是在不斷的穩定增加的，包括信號處理方法，流型學習方法，集中分類，概率方法，數據預處理方法等等。
4、自然語言和文本處理庫
NLTK開源的Python模塊，語言學數據和文檔，用來研究和開發自然語言處理和文本分析，有windows、Mac OSX和Linux版本。
Python具有豐富而強大的庫，能夠將其他語言製作的各種模塊很輕松的聯結在一起，因此，Python編程對人工智慧是一門非常有用的語言。可以說人工智慧和Python是緊密相連的。如果你想要抓住人工智慧的風口，Python是必不可少的助力。

人工智慧上使用Python比其他編程語言的好處
1、優質的文檔
2、平台無關，可以在現在每一個*nix版本上使用
3、和其他面向對象編程語言比學習更加簡單快速
4、Python有許多圖像加強庫像Python Imaging Libary，VTK和Maya 3D可視化工具包，Numeric Python， Scientific Python和其他很多可用工具可以於數值和科學應用。
5、Python的設計非常好，快速，堅固，可移植，可擴展。很明顯這些對於人工智慧應用來說都是非常重要的因素。
6、對於科學用途的廣泛編程任務都很有用，無論從小的shell腳本還是整個網站應用。
7、它是開源的。可以得到相同的社區支持。
AI的Python庫
一、總體的AI庫
AIMA：Python實現了從Russell到Norvigs的「人工智慧：一種現代的方法」的演算法
pyDatalog：Python中的邏輯編程引擎
SimpleAI：Python實現在「人工智慧：一種現代的方法」這本書中描述過的人工智慧的演算法。它專注於提供一個易於使用，有良好文檔和測試的庫。
EasyAI：一個雙人AI游戲的python引擎（負極大值，置換表、游戲解決）
二、機器學習庫
PyBrain 一個靈活，簡單而有效的針對機器學習任務的演算法，它是模塊化的Python機器學習庫。它也提供了多種預定義好的環境來測試和比較你的演算法。
PyML 一個用Python寫的雙邊框架，重點研究SVM和其他內核方法。它支持Linux和Mac OS X。
scikit-learn 旨在提供簡單而強大的解決方案，可以在不同的上下文中重用：機器學習作為科學和工程的一個多功能工具。它是python的一個模塊，集成了經典的機器學習的演算法，這些演算法是和python科學包（numpy，scipy.matplotlib）緊密聯系在一起的。
MDP-Toolkit 這是一個Python數據處理的框架，可以很容易的進行擴展。它海收集了有監管和沒有監管的學習算飯和其他數據處理單元，可以組合成數據處理序列或者更復雜的前饋網路結構。新演算法的實現是簡單和直觀的。可用的演算法是在不斷的穩定增加的，包括信號處理方法（主成分分析、獨立成分分析、慢特徵分析），流型學習方法（局部線性嵌入），集中分類，概率方法（因子分析，RBM），數據預處理方法等等。

2. 做數據分析為什麼要使用Python

現如今，數據分析中有很多的工具都是十分實用的。由於大數據的發展越來越好，使得使用了大數據分析的企業已經朝著更好的方向發展。正是因為這個原因，數據分析行業的人才也開始變得火熱起來，尤其是高端人才，越來越稀缺。當然，對於數據分析這個工作，的確是需要學會一些編程語言的，比如MATLAB，Python，java等語言。但是對於初學者來說，Python是一個不錯的語言，Python語言簡單易懂，同時對於大數據分析有很明顯的幫助。那麼數據分析為什麼要使用Python呢？這是因為Python有很多優點，那麼優點都是什麼呢？下面我們就給大家介紹一下這些優點。
首先說說Python的第一個優點，那就是Python在數據分析和交互、探索性計算以及數據可視化等方面都顯得比較活躍，這就是Python作為數據分析的原因之一，python擁有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科學計算方面十分有優勢，尤其是pandas，在處理中型數據方面可以說有著無與倫比的優勢，已經成為數據分析中流砥柱的分析工具。
Python最大的優點那就是簡單易學。很多學過Java的朋友都知道，Python語法簡單的多，代碼十分容易被讀寫，最適合剛剛入門的朋友去學習。我們在處理數據的時候，一般都希望數據能夠轉化成可運算的數字形式，這樣，不管是沒學過編程的人還是學過編程的人都能夠看懂這個數據。
當然，Python也具有強大的編程能力，這種編程語言不同於R或者matlab，python有些非常強大的數據分析能力，並且還可以利用Python進行爬蟲，寫游戲，以及自動化運維，在這些領域中有著很廣泛的應用，這些優點就使得一種技術去解決所有的業務服務問題，這就充分的體現的Python有利於各個業務之間的融合。如果使用Python，能夠大大的提高數據分析的效率。
其實現如今，Python是一個面向世界的編程語言，Python對於如今火熱的人工智慧也有一定的幫助，這是因為人工智慧需要的是即時性，而Python是一種非常簡潔的語言，同時有著豐富的資料庫以及活躍的社區，這樣就能夠輕松的提取數據，從而為人工智慧做出優質的服務。
通過上面的描述，相信大家已經知道了使用Python做數據分析的優點了。Python語言得益於它的簡單方便，使得其在大數據、數據分析以及人工智慧方面都有十分明顯的存在感，對於數據分析從業者以及想要進入數據分析行業的人來說，簡單易學容易上手的優勢也是一個優勢，所以不管大家是否進入數據分析行業，學習Python是沒有壞處的。

3. 為什麼使用Python，Python應用場景 特點

python一般認為是腳本語言，或者說是動態語言，速度慢肯定是所有解釋性語言的缺點了，除此之外，python的多線程無法在多核上運行肯定也
是需要解決的問題，不過它最大的優點就是敏捷，堪稱敏捷開發的典範，適合的場合分兩種：專業人士來做一些有意思的事情，比如寫一些很有意思的腳本啊（黑客
必學的語言之一）；非專業人士用來做一些普通的事情，比如搭個自己的網站（django）或者一般的科學計算、格式轉換等等。業界用python做web
開發其實蠻少，不過也有，web框架比較好用的就是django，比較適合快速開發程序員至少得會c語言吧，剩下的看需要。語言無所謂。只要人牛叉，什麼
語言都能寫出牛叉的程序。
-----
1. 支持OOP編程
從根本上講Python仍是一種面向對象的語言，支持多態、繼承等高級概念，在Python里使用OOP十分容易
沒有C++、Java那樣復雜，但不必做Python下OOp高手，夠用即可。
2. 免費Python的使用是完全免費的，您可以從網路上免費下載、安裝使用，
Python上的其他程序包，也可下載安裝使用。
Python的免費的同時又有很多的的社區對用戶的提問提出快速的技術支持，學習和使用Python技術不再是一個人在戰斗！
3. 可移植性
Python的實現是用ansi c編寫的，可以運行在目前所有主流平台上，手機、pad上均可運行Python程序，其下的程序包也具有可移植性。
4. 功能強大
從特性的觀點上看，Python是一個混合體，他豐富的工具集使得他介於傳統的腳本語言和系統語言之間。
------
python好不好，還在於自己的積累與感覺。如果你積累的多，游刃有餘，會覺著它很好。從一般情況來看python是腳本語言之王，十年前是這樣，十年後還是這樣。
膠水是指，python藉助C語言介面，幾乎可以驅動所有已知的軟體，模塊。 只要我們用到的，通常你都能找到一個開源的庫。安裝後就可以驅動它。無論是資料庫，網路，互聯網，圖形，游戲，科學計算，GUI，OA，自動控制，甚至宇航員都在用。

python通常不作為工程語言出現。就是正規的軟體生產不使用它。主要用java, c#, xml, c。至於為什麼，這是軟體工程的需要。python不具有完整的語法檢查。

python並不為特定目的而產生。雖然它更適用於系統維護。不過它就是一個通用的腳本語言。

從個人感覺來說，微軟體東西，非常好，省心，一流的技術理念，開發工具是全世界最好的（沒有之一）。不過，因為它只限於微軟的平台，所以范圍上大大
打了折扣。
世界上最流行的伺服器還是unix和linux。而不是windows。桌面操作系統最流行的是windows。不過在所有的平台上都有C語言，大部分平
台，甚至手機平台都有python語言和它的執行環境。這是其它的所有語言，包括java幾乎都很難做到的。

python嚴格說叫CPython，與C/c++有天然的融合性。這也是python強大的原因之一。在windows環境下可以使用
ironpython，這個版本與vc可以結合的比較好。其它的平台可以使用eclipse，不過最好還是直接使用普通的文本編輯器。比較推薦的一個編輯
器是sublime text2, geany, vi等。

python圖形化編程不難。當然MFC也不難。我不認為MFC有多難。其實學習起來只是略難，但是這不是一個數量級的。MFC可以生產出非常強勁的界面。而python界面多屬於簡單的。

虛擬機可以跑linux，配置好就可以。也可以獨立安裝一個linux。也可以直接在windows下學習python。沒有太多區別。建議你買一個200多元的樹莓派，很好玩。安裝的是linux操作系統。

IDLE是我初學，甚至幾年中用得最多的。後來有了sublime才基本上不用它。idle只有一個缺點，就是有時候程序大了，輸入鍵盤會有感覺延遲。
---
python應用的很多的呀，web的比如豆瓣，還有非常多的網頁游戲的後端。我知道的都是作為後台服務，無論開發速度還是調試之類的都很好。前端的應用產品雖然python可以實現，但是在GUI方面的開發效率還是沒有VS或者XCode快。
----
如果說c是劍，c++是刀，java是槍的話，python就是飛刀，學精了可以成為李尋歡那樣的高手，當作常規武器用，不過絕大多數人只能把飛刀當作暗器，在某些特定場合，出奇制勝
----
做web開發肯定首選php 數據挖掘首選python
--
Python的web框架很多，比如Django，webpy等 - webpy

4. Python和R語言的區別

如下：

Python入門簡單，而R則相對比較難一些。R做文本挖掘現在還有點弱，當然優點在於函數都給你寫好了，你只需要知道參數的形式就行了，有時候即使參數形式不對，R也能"智能地」幫你適應。這種簡單的軟體適合想要專注於業務的人。

Python幾乎都可以做，函數比R多，比R快。它是一門語言，R更像是一種軟體，所以python更能開發出flexible的演算法。

Python適合處理大量數據，而R則在這方面有很多力不從心，當然這么說的前提是對於編程基礎比較一般的童鞋，對於大牛來說，多靈活運用矢量化編程的話，R的速度也不會太差。

介紹

Python和R本身在數據分析和數據挖掘方面都有比較專業和全面的模塊，很多常用的功能，比如矩陣運算、向量運算等都有比較高級的用法，所以使用起來產出比大。

這兩門語言對於平台方面適用性比較廣，linux、window都可以使用，並且代碼可移植性還算不錯的。對於學數理統計的人來說，應該大多用過MATLAB以及mintab等工具，Python和R比較貼近這些常用的數學工具，使用起來有種親切感。

5. python演算法有用嗎

有很多人說，學編程演算法有用嗎？
學演算法對於寫程序來說非常重要。如果不打算進行演算法相關的研究，你可以不學演算法的證明等等，可必需得學會演算法本身描述的操作、它
的適用場景與局限、它解決的問題的抽象模型等。也就是說，你可以不知道它是咋來的，但你必需會用。
而且演算法在程序里普遍存在。除了helloworld級的玩具程序，幾乎任何稍復雜一點的程序都需要演算法。聽歌，很普遍吧，可你有沒有想過
推薦歌曲是怎麼弄的呢？是演算法。上網，很普遍吧？那你知不知道你的數據包是怎麼從無數的路徑里找到最短的一條呢？還是演算法。演算法
在程序里存在的太普遍了，所以學好演算法真的是太重要了。
推薦學習《Python教程》！