最難的編程語言知乎

㈠ 單片機嵌入式的上位機編程用哪個比較好C++、C#、java 、 DELPHI、VB各個程序的優勢、缺點在哪裡

個人感覺這些語言的優缺點很難在上位機編程體現出來，你得從你開發上位機應用的角度來考慮問題
比如你如果開發貼近操作系統和通信控制的上位機程序，建議你用C++語言，它的優勢在於強大的系統操作能力和便捷靈活的通信和控制開發能力，是一種比較全能的語言，尤其是在組織大型的程序，C++有得天獨厚的優勢，缺點是難學，跨平台兼容性不好
如果你想開發基於。net框架的程序，可以用C#，它也是功能挺強大的語言，但是比c++少了不少靈活性，很想是windows平台下的java，很像很像
如果你想開發跨平台，並且是基於網路應用的程序，可以考慮用java，缺點是與操作系統貼近的不夠緊，因為它是運行在java虛擬機上的半解釋性的語言
delphi很折中，感覺它特別像積木一樣，尤其適合開發基於資料庫的軟體，缺點是近幾年有沒落的趨勢，資料好像越來越少
vb就算了吧，當玩具還行，感覺干什麼都不是太專業。

㈡ cae工程師哪個編程語言好 知乎

我的觀點是編程語言並非等同於英語，英文只是一個記號而已，如果所謂的中文編程只是將這些標識符和關鍵字換成中文的話技術上沒有難度，只是這樣做完全沒有意義。因為編程語言與編程語言的區別並不在於所使用的記號是英文、法文還是中文，而是在於其設計思想和演算法表現力。而且如果採用中文的話源代碼會由於編碼不統一帶來非常蛋疼的問題。由於計算機底層不支持中文，中文編程勢必無法勝任底層編程，（除非往裸機上裝漢卡）。所以中文編程的缺點遠大於其優勢（如果有的話）。

㈢ python和java哪個比較好學呀

Python入門更快，但是java的運用更加廣泛，所以二者各有各的優缺點，要學哪個還是要根據自己的實際需求情況來進行判斷和選擇。

至於怎麼學，你可以選擇自學，也可以選擇機構學。我這里有全套的視頻課程，可以發給你自學。

首先來了解一下java與python各自的特點：

Java：高度面向對象的高級編程語言

設計初衷是「寫一次代碼，在哪裡都可以用」，可以完成任何規模的任務，所以它也是很多公司在做商業級項目的時候的普遍選擇。

Python：擁有簡潔語法的高級編程語言

設計初衷是「讓代碼讀起來更輕松」，並且讓程序員們比起用其他語言，可以寫更少的代碼，事半功倍。

北大青鳥中博軟體學院Python課堂實拍

最後是給初入行業的新人一些學習建議：

如果你只是編程愛好者，或者把編程語言作為一個工作中的應用工具，Python是個不錯的選擇。如果你想在程序員的道路上穩步發展，建議先學習Java，再學python，C++，JavaScript，PHP等其他語言，會事半功倍。

一名優秀的程序員，絕不會只靠一門語言走到黑，通吃它們就完了！兼容並蓄，觸類旁通，這才是一個成熟IT從業者該有的心態！

你可以考察對比一下南京課工場、北大青鳥、中博軟體學院等開設有java和嵌入式開發專業的學校。記得找我要全套Python和java的視頻課，祝學有所成！望採納！

㈣ 為什麼 Go 語言的性能還不如java

Go語言自亮相以來並沒有展示一個明確的方向，Google員工將Go語言稱為一個「試驗性語言」，稱其試圖融合Python等動態語言的開發速度和C或C++等編譯語言的性能和安全。一位Go語言的支持者概括而言Go語言如下：簡單、快速、安全、並發、快樂編程、開源；但Go語言缺乏方向以及其「集大成者」的嘗試很容易會導致其學貓不成學狗也不成，淪為四不像。盡管如此，編者仍然覺得Go語言有相當大的潛力：很多開發者對它感興趣——不僅它的最初設計者陣容強大，而且在參與修改源代碼的人群中也不乏大牛級人物。這很有可能幫助Go語言找到適合自己的方向，開拓系統編程的新方向。

㈤ python好學嗎 知乎

首先，對於初學者來說學習Python是不錯的選擇，一方面Python語言的語法比較簡單易學，另一方面Python的實驗環境也比較容易搭建。
學習編程是一定需要老師的，我不信誰能無師自通把Python學得多好。至少著急就業的人肯定不會，沒人指導很難學成。那麼學習Python編程語言難嗎?其實學Python不難,比起C語言、C#、 C+ +和JAVA這些編程語言相對容易很多。學習Python編程語言，動手實踐是一件非常愉快的事情。
下面給新手學習Python一些建議：
1、先買一本自學用的Python書籍,不要看電子書。
2、對Python基礎數據類型有個了解。
3、學會各種類型的操作方法。
4、了解函數和類的概念。
5、動手實踐,找小項目練習。
如果你決定了要學習Python技術，就是為了以後能有個高薪工作，而且你對自己學習Python還很自信，建議參加專業的學習。因為你對於工作的迫切需求，你肯定不會像大學那樣貪玩不學習，你會極其認真。

㈥ python 和 r 的區別 知乎

有人說Python和R的區別是顯而易見的，因為R是針對統計的，python是給程序員設計的，其實這話對Python多多少少有些不公平。2012年的時候我們說R是學術界的主流，但是現在Python正在慢慢取代R在學術界的地位。不知道是不是因為大數據時代的到來。

Python與R相比速度要快。Python可以直接處理上G的數據；R不行，R分析數據時需要先通過資料庫把大數據轉化為小數據（通過groupby）才能交給R做分析，因此R不可能直接分析行為詳單，只能分析統計結果。所以有人說：Python=R+SQL/Hive，並不是沒有道理的。

Python的一個最明顯的優勢在於其膠水語言的特性，很多書里也都會提到這一點，一些底層用C寫的演算法封裝在Python包里後性能非常高效(Python的數據挖掘包Orange canve 中的決策樹分析50萬用戶10秒出結果，用R幾個小時也出不來，8G內存全部占滿)。但是，凡事都不絕對，如果R矢量化編程做得好的話（有點小難度），會使R的速度和程序的長度都有顯著性提升。

R的優勢在於有包羅萬象的統計函數可以調用，特別是在時間序列分析方面，無論是經典還是前沿的方法都有相應的包直接使用。
相比之下，Python之前在這方面貧乏不少。但是，現在Python有了pandas。pandas提供了一組標準的時間序列處理工具和數據演算法。因此，你可以高效處理非常大的時間序列，輕松地進行切片/切塊、聚合、對定期/不定期的時間序列進行重采樣等。可能你已經猜到了，這些工具中大部分都對金融和經濟數據尤為有用，但你當然也可以用它們來分析伺服器日誌數據。於是，近年來，由於Python有不斷改良的庫（主要是pandas），使其成為數據處理任務的一大替代方案。

做過幾個實驗：
1. 用python實現了一個統計方法，其中用到了ctypes，multiprocess。
之後一個項目要做方法比較，又用回R，發現一些bioconctor上的包已經默認用parallel了。（但那個包還是很慢，一下子把所有線程都用掉了，導致整個電腦使用不能，看網頁非常卡~）
2. 用python pandas做了一些數據整理工作，類似資料庫，兩三個表來回查、匹配。感覺還是很方便的。雖然這些工作R也能做，但估計會慢點，畢竟幾十萬行的條目了。
3. 用python matplotlib畫圖。pyplot作圖的方式和R差異很大，R是一條命令畫點東西，pylot是准備好了以後一起出來。pyplot的顏色選擇有點尷尬，默認顏色比較少，之後可用html的顏色，但是名字太長了~。pyplot 的legend比R 好用多了，算是半自動化了。pyplot畫出來後可以自由拉升縮放，然後再保存為圖片，這點比R好用。

總的來說Python是一套比較平衡的語言，各方面都可以，無論是對其他語言的調用，和數據源的連接、讀取，對系統的操作，還是正則表達和文字處理，Python都有著明顯優勢。 而R是在統計方面比較突出。但是數據分析其實不僅僅是統計，前期的數據收集，數據處理，數據抽樣，數據聚類，以及比較復雜的數據挖掘演算法，數據建模等等這些任務，只要是100M以上的數據，R都很難勝任，但是Python卻基本勝任。

結合其在通用編程方面的強大實力，我們完全可以只使用Python這一種語言去構建以數據為中心的應用程序。
但世上本沒有最好的軟體或程序，也鮮有人能把單一語言挖掘運用到極致。尤其是很多人早先學了R，現在完全不用又捨不得，所以對於想要學以致用的人來說，如果能把R和Python相結合，就更好不過了，很早看過一篇文章——讓R與Python共舞，咱們壇子里有原帖，就不多說了，看完會有更多啟發。

BTW： 如果之前沒有學過R，可以先學Python然後決定是不是學R，如果學了R，學Python的時候會更快上手。