为什么是Python

先来聊聊为什么做数据分析一定要用Python或R语言。编程语言这么多种，Java, PHP都很成熟，但是为什么在最近热火的数据分析领域，很多人选择用Python语言？

数据分析只是一个需求，理论上来讲，任何语言都可以满足任何需求，只是麻烦与简易之别。Python这门语言诞生也相当之早，它的第一个版本是26年前发表的，曾经（或者说当前）也被用于web开发，但是就流行程度来说，远远干不过Java和PHP。东方不亮西方亮，在与Java干仗失败的这20几年时光里，Python练就了一身独门武艺，是Java和PHP远远不及的（当然以后是不是能追得上来，目前还不好说）。你要说做个博客网站，Python的特长不在这里，PHP和Java也是分分钟的事情。你要说做个BBS网站，做个电商网站，PHP手到擒来。Python在这些方面和Java或者PHP竞争，基本就是作死的节奏，虽然也有django这样的框架，但流行程度远远不及其他语言。但在这些年默默的失败背后，有一帮研究人员用Python干出了一些惊天地泣鬼神的神器，使Python在数据研究领域做到了除了R语言以外基本无人能及的地步。

Jupyter

首先，第一神器是Jupyter。如果你是第一次使用，可能搞不清楚它的开发者做这么个鬼东西出来干什么，说它是博客系统也不像，说它是web服务器也不像，但它就是有用。因为我们传统的web开发首先想的就是面向公众，你做一个服务器就是要服务成千上万浏览器的，当然Jupyter也可以服务众多浏览器，但它更多的还是方便研究人员，对研究人员来说简直是太方便了，你把代码像写文章一样直接写在输入框里，然后在本页面直接就看到了这个代码的结果，随时修改，随时展现，文码混排，是Markdown的一个增强版，毕竟Markdown还只能显示文字，最多再加上一些图片，而Jupyter是可以直接运行Python代码的。当然，也有些人试图在Jupyter里运行PHP或Java代码，但显然成不了气候。因为Python这个语言天生就是脚本语言，可能将来唯一有希望往里移植的就是Javascript，这货也是一个脚本语言。脚本语言的好处就是不用编译，一行一个结果。纵观计算机语言发展历史，就是一个从繁到简的过程，C语言需要编译+链接才能运行，Java只要javac一下，把编译和链接合二为一，PHP更简单，直接运行就行了，连编译都省了。但是还不够直接，因为还要编写一个.php文件存盘，然后才能运行，到了Python以及其它脚本语言这里，可以直接在壳里运行，但最大的问题是运行可以运行，无法保存，要保存就又要跟传统方式一样，找个编辑器来，或者vi，存成文件以后才可以运行。Jupyter最大的优点就是：它本身还是一个外壳环境，可以运行脚本，但同时也帮你自动把这些脚本代码保存了下来，不但保存脚本代码，并且你插在脚本代码当中的所有注释不是普通注释，而是各种格式化的Markdown都一并帮你保存下来，并且可以随时修改。所以它兼具了脚本外壳和文件管理系统的优点，从此你开发Python代码再也不用先在IDE里写好代码，然后再到终端里去运行，而直接在一个web页面上就全部搞定了。Java有这样的工具吗？PHP有这样的工具吗？没有，所以我们必须选择Python。

Pandas

第二神器是Pandas。如果我让你读取一个csv文件，然后求每一列数据的平均值，最大值，最小值，方差，用Java或PHP怎么做？你首先要fopen一个文件，然后一行一行读进来，再给它整个数据结构，然后弄个循环计算，最后你可能还要fclose这个文件。总之代码一坨，麻烦死。而Python语言因为有Pandas这个神器，一行代码搞定：

df = pd.read_csv('a.csv')

行了，从此以后，df就是这个DataFrame，它本身就是一个强大的数据结构，也可以把它理解成mysql数据库中的一张表吧，各种增删改查，求总和，求平均都是一行代码的事情。所以有这样强大的库，研究人员有什么理由选择Java？