为什么python适合做算法

1. 为什么做AI的都选python

相对于其他语言：
1、更加人性化的设计
Python的设计更加人性化，具有快速、坚固、可移植性、可扩展性的特点，十分适合人工智能;开源免费，而且学习简单，很容易实现普及;内置强大的库，可以轻松实现更大强大的功能。
2、总体的AI库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法;
pyDatalog：Python中的逻辑编程引擎;
SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法，它专注于提供一个易于使用，有良好文档和测试的库;
EasyAI：一个双人AI游戏的python引擎。
3、机器学习库
PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库，它也提供了多种预定义好的环境来测试和比较你的算法;
PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法，它支持linux和Mac OS X;
scikit-learn旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具，它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包紧密联系在一起的;
MDP-Toolkit这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法，流型学习方法，集中分类，概率方法，数据预处理方法等等。
4、自然语言和文本处理库
NLTK开源的Python模块，语言学数据和文档，用来研究和开发自然语言处理和文本分析，有windows、Mac OSX和Linux版本。
Python具有丰富而强大的库，能够将其他语言制作的各种模块很轻松的联结在一起，因此，Python编程对人工智能是一门非常有用的语言。可以说人工智能和Python是紧密相连的。如果你想要抓住人工智能的风口，Python是必不可少的助力。

人工智能上使用Python比其他编程语言的好处
1、优质的文档
2、平台无关，可以在现在每一个*nix版本上使用
3、和其他面向对象编程语言比学习更加简单快速
4、Python有许多图像加强库像Python Imaging Libary，VTK和Maya 3D可视化工具包，Numeric Python， Scientific Python和其他很多可用工具可以于数值和科学应用。
5、Python的设计非常好，快速，坚固，可移植，可扩展。很明显这些对于人工智能应用来说都是非常重要的因素。
6、对于科学用途的广泛编程任务都很有用，无论从小的shell脚本还是整个网站应用。
7、它是开源的。可以得到相同的社区支持。
AI的Python库
一、总体的AI库
AIMA：Python实现了从Russell到Norvigs的“人工智能：一种现代的方法”的算法
pyDatalog：Python中的逻辑编程引擎
SimpleAI：Python实现在“人工智能：一种现代的方法”这本书中描述过的人工智能的算法。它专注于提供一个易于使用，有良好文档和测试的库。
EasyAI：一个双人AI游戏的python引擎（负极大值，置换表、游戏解决）
二、机器学习库
PyBrain 一个灵活，简单而有效的针对机器学习任务的算法，它是模块化的Python机器学习库。它也提供了多种预定义好的环境来测试和比较你的算法。
PyML 一个用Python写的双边框架，重点研究SVM和其他内核方法。它支持Linux和Mac OS X。
scikit-learn 旨在提供简单而强大的解决方案，可以在不同的上下文中重用：机器学习作为科学和工程的一个多功能工具。它是python的一个模块，集成了经典的机器学习的算法，这些算法是和python科学包（numpy，scipy.matplotlib）紧密联系在一起的。
MDP-Toolkit 这是一个Python数据处理的框架，可以很容易的进行扩展。它海收集了有监管和没有监管的学习算饭和其他数据处理单元，可以组合成数据处理序列或者更复杂的前馈网络结构。新算法的实现是简单和直观的。可用的算法是在不断的稳定增加的，包括信号处理方法（主成分分析、独立成分分析、慢特征分析），流型学习方法（局部线性嵌入），集中分类，概率方法（因子分析，RBM），数据预处理方法等等。

2. 做数据分析为什么要使用Python

现如今，数据分析中有很多的工具都是十分实用的。由于大数据的发展越来越好，使得使用了大数据分析的企业已经朝着更好的方向发展。正是因为这个原因，数据分析行业的人才也开始变得火热起来，尤其是高端人才，越来越稀缺。当然，对于数据分析这个工作，的确是需要学会一些编程语言的，比如MATLAB，Python，java等语言。但是对于初学者来说，Python是一个不错的语言，Python语言简单易懂，同时对于大数据分析有很明显的帮助。那么数据分析为什么要使用Python呢？这是因为Python有很多优点，那么优点都是什么呢？下面我们就给大家介绍一下这些优点。
首先说说Python的第一个优点，那就是Python在数据分析和交互、探索性计算以及数据可视化等方面都显得比较活跃，这就是Python作为数据分析的原因之一，python拥有numpy、matplotlib、scikit-learn、pandas、ipython等工具在科学计算方面十分有优势，尤其是pandas，在处理中型数据方面可以说有着无与伦比的优势，已经成为数据分析中流砥柱的分析工具。
Python最大的优点那就是简单易学。很多学过Java的朋友都知道，Python语法简单的多，代码十分容易被读写，最适合刚刚入门的朋友去学习。我们在处理数据的时候，一般都希望数据能够转化成可运算的数字形式，这样，不管是没学过编程的人还是学过编程的人都能够看懂这个数据。
当然，Python也具有强大的编程能力，这种编程语言不同于R或者matlab，python有些非常强大的数据分析能力，并且还可以利用Python进行爬虫，写游戏，以及自动化运维，在这些领域中有着很广泛的应用，这些优点就使得一种技术去解决所有的业务服务问题，这就充分的体现的Python有利于各个业务之间的融合。如果使用Python，能够大大的提高数据分析的效率。
其实现如今，Python是一个面向世界的编程语言，Python对于如今火热的人工智能也有一定的帮助，这是因为人工智能需要的是即时性，而Python是一种非常简洁的语言，同时有着丰富的数据库以及活跃的社区，这样就能够轻松的提取数据，从而为人工智能做出优质的服务。
通过上面的描述，相信大家已经知道了使用Python做数据分析的优点了。Python语言得益于它的简单方便，使得其在大数据、数据分析以及人工智能方面都有十分明显的存在感，对于数据分析从业者以及想要进入数据分析行业的人来说，简单易学容易上手的优势也是一个优势，所以不管大家是否进入数据分析行业，学习Python是没有坏处的。

3. 为什么使用Python，Python应用场景 特点

python一般认为是脚本语言，或者说是动态语言，速度慢肯定是所有解释性语言的缺点了，除此之外，python的多线程无法在多核上运行肯定也
是需要解决的问题，不过它最大的优点就是敏捷，堪称敏捷开发的典范，适合的场合分两种：专业人士来做一些有意思的事情，比如写一些很有意思的脚本啊（黑客
必学的语言之一）；非专业人士用来做一些普通的事情，比如搭个自己的网站（django）或者一般的科学计算、格式转换等等。业界用python做web
开发其实蛮少，不过也有，web框架比较好用的就是django，比较适合快速开发程序员至少得会c语言吧，剩下的看需要。语言无所谓。只要人牛叉，什么
语言都能写出牛叉的程序。
-----
1. 支持OOP编程
从根本上讲Python仍是一种面向对象的语言，支持多态、继承等高级概念，在Python里使用OOP十分容易
没有C++、Java那样复杂，但不必做Python下OOp高手，够用即可。
2. 免费Python的使用是完全免费的，您可以从网络上免费下载、安装使用，
Python上的其他程序包，也可下载安装使用。
Python的免费的同时又有很多的的社区对用户的提问提出快速的技术支持，学习和使用Python技术不再是一个人在战斗！
3. 可移植性
Python的实现是用ansi c编写的，可以运行在目前所有主流平台上，手机、pad上均可运行Python程序，其下的程序包也具有可移植性。
4. 功能强大
从特性的观点上看，Python是一个混合体，他丰富的工具集使得他介于传统的脚本语言和系统语言之间。
------
python好不好，还在于自己的积累与感觉。如果你积累的多，游刃有余，会觉着它很好。从一般情况来看python是脚本语言之王，十年前是这样，十年后还是这样。
胶水是指，python借助C语言接口，几乎可以驱动所有已知的软件，模块。 只要我们用到的，通常你都能找到一个开源的库。安装后就可以驱动它。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，甚至宇航员都在用。

python通常不作为工程语言出现。就是正规的软件生产不使用它。主要用java, c#, xml, c。至于为什么，这是软件工程的需要。python不具有完整的语法检查。

python并不为特定目的而产生。虽然它更适用于系统维护。不过它就是一个通用的脚本语言。

从个人感觉来说，微软件东西，非常好，省心，一流的技术理念，开发工具是全世界最好的（没有之一）。不过，因为它只限于微软的平台，所以范围上大大
打了折扣。
世界上最流行的服务器还是unix和linux。而不是windows。桌面操作系统最流行的是windows。不过在所有的平台上都有C语言，大部分平
台，甚至手机平台都有python语言和它的执行环境。这是其它的所有语言，包括java几乎都很难做到的。

python严格说叫CPython，与C/c++有天然的融合性。这也是python强大的原因之一。在windows环境下可以使用
ironpython，这个版本与vc可以结合的比较好。其它的平台可以使用eclipse，不过最好还是直接使用普通的文本编辑器。比较推荐的一个编辑
器是sublime text2, geany, vi等。

python图形化编程不难。当然MFC也不难。我不认为MFC有多难。其实学习起来只是略难，但是这不是一个数量级的。MFC可以生产出非常强劲的界面。而python界面多属于简单的。

虚拟机可以跑linux，配置好就可以。也可以独立安装一个linux。也可以直接在windows下学习python。没有太多区别。建议你买一个200多元的树莓派，很好玩。安装的是linux操作系统。

IDLE是我初学，甚至几年中用得最多的。后来有了sublime才基本上不用它。idle只有一个缺点，就是有时候程序大了，输入键盘会有感觉延迟。
---
python应用的很多的呀，web的比如豆瓣，还有非常多的网页游戏的后端。我知道的都是作为后台服务，无论开发速度还是调试之类的都很好。前端的应用产品虽然python可以实现，但是在GUI方面的开发效率还是没有VS或者XCode快。
----
如果说c是剑，c++是刀，java是枪的话，python就是飞刀，学精了可以成为李寻欢那样的高手，当作常规武器用，不过绝大多数人只能把飞刀当作暗器，在某些特定场合，出奇制胜
----
做web开发肯定首选php 数据挖掘首选python
--
Python的web框架很多，比如Django，webpy等 - webpy

4. Python和R语言的区别

如下：

Python入门简单，而R则相对比较难一些。R做文本挖掘现在还有点弱，当然优点在于函数都给你写好了，你只需要知道参数的形式就行了，有时候即使参数形式不对，R也能"智能地”帮你适应。这种简单的软件适合想要专注于业务的人。

Python几乎都可以做，函数比R多，比R快。它是一门语言，R更像是一种软件，所以python更能开发出flexible的算法。

Python适合处理大量数据，而R则在这方面有很多力不从心，当然这么说的前提是对于编程基础比较一般的童鞋，对于大牛来说，多灵活运用矢量化编程的话，R的速度也不会太差。

介绍

Python和R本身在数据分析和数据挖掘方面都有比较专业和全面的模块，很多常用的功能，比如矩阵运算、向量运算等都有比较高级的用法，所以使用起来产出比大。

这两门语言对于平台方面适用性比较广，linux、window都可以使用，并且代码可移植性还算不错的。对于学数理统计的人来说，应该大多用过MATLAB以及mintab等工具，Python和R比较贴近这些常用的数学工具，使用起来有种亲切感。

5. python算法有用吗

有很多人说，学编程算法有用吗？
学算法对于写程序来说非常重要。如果不打算进行算法相关的研究，你可以不学算法的证明等等，可必需得学会算法本身描述的操作、它
的适用场景与局限、它解决的问题的抽象模型等。也就是说，你可以不知道它是咋来的，但你必需会用。
而且算法在程序里普遍存在。除了helloworld级的玩具程序，几乎任何稍复杂一点的程序都需要算法。听歌，很普遍吧，可你有没有想过
推荐歌曲是怎么弄的呢？是算法。上网，很普遍吧？那你知不知道你的数据包是怎么从无数的路径里找到最短的一条呢？还是算法。算法
在程序里存在的太普遍了，所以学好算法真的是太重要了。
推荐学习《Python教程》！