Python部落(python.freelycode.com)组织翻译，禁止转载，欢迎转发。
人们可能会说， 2017 年是 Python 辉煌的一年。毕竟在这一年中，Python 的增长速度令人惊艳。
但是，曾经辉煌有可能暗示着往后的衰败。在接下的一年里，Python 是会持续辉煌还是昙花一现呢？这也是这篇文章想要说明的问题。 此话怎讲呢？ 我有什么信服力呢？
如今，我正在寻找一门新的编程语言。 在大学里我花了好几年的实际去学 Java，但是毕业后我都没用过它。 我曾经也在 Codecademy 上学习过 HTML 和 CSS。 但是如今我却在重新寻找一门更加适用于 Web 应用的编程语言。更重要的是，我想要学习一点现在有用，未来五年还有用的东西。
接下来我将深入挖掘 Python 语言增长的原因，不仅为我自己，也为各位看官说明一下，如今为何有如此多的人学习 Python？ 在接下来的一年里，促使这一现象背后的原因是否依旧存在？同时剖析这对你、对我以及对我们的职业都意味着什么？
Python 的崛起
在历史的长河里，无数的编程语言逐渐归于寂灭。不久之前，有一种观点：Python 最近的崛起也意味着它不久的灭亡。
在 1999 年，Perl 语言的发明者 Larry Wall 向他的死忠粉进行了第三年度的“Perl 语言汇报总结”。在汇报中，他用表格的形式展示了各种编程语言在招聘网站 dice.com 中的需求程度：
我们可以看到， Python 垫底，基本没人使用。 基于这个图表以及当年 Python 名声，Wall 戏谑到：Python 也许根本毫无用武之地，你也许有可能在其他招聘网站很容易就能找到 Python 编程人员吧。
如今， Perl 却像当初的 Python 而 Python 则变得更加耀眼。 去年秋天， StackOverflow 显示了一组数据，在其网站上关于 Python 问题的增长速度远超其他语言，于是乎 Python 被冠名为世界上增长速度最快的主要编程语言。
Python部落上课程的用户注册情况也证实了这一观点。如今，在此网站上学习 Python 的用户数量较去年高出了 34%。
为什么这个曾经沦为人们笑点的编程语言如今却变得如此的火爆呢？
为什么选择 Python
Stack Overflow 将 Python 崛起的原因归于数据科学的崛起，其原话是：Python 在数据科学和机器学习领域的广泛应用是其迅速崛起的主要原因。 他们的分析有一定的道理，也值得一读，但却略显不足。数据科学和机器学习是 2017 年的两大重要趋势，这个我想大家都知道。
但是这并不能解决我们的问题。还有很多其他的语言可以用于数据科学领域，例如 SQL 和 R。为什么人们却对 Python 情有独钟呢？
一方面在于 Python 的多功能性（versatility）。在Python 中有超过 125000 个的第三方库。 如此丰富的库使得 Python 不论是在传统的 web 应用和文本处理方面，还是在前沿的人工智能和机器学习方面都特别的有用。例如，一位生物学家可能会使用 Biopython 来进行基因测序工作。
另一方面， Python 已经成为了数据科学领域的首选语言。伴随着 pandas、Numpy 和 matplotlib 等针对数据的库的发布，任何一位熟悉 Python 语法与规则的人都可以应用这些有用的工具来进行数据处理，数据操作以及数据可视化。
Hillary Green-Lerman 是我们数据课程的开发人员，也是 Codecademy 的主要数据科学家，她每天都会使用这些 Python 库。作为一名数据科学家，在她了解的编程语言中，她将 Python 描述为一种“美妙且快乐的媒介”。 她说：“如果你想做的事情比较简单，使用一行代码即可解决；如果你想做的事情比较复杂，使用 Python 你也很容易控制整个程序。”
考虑到 Python 的多功能性和其在日益重要的数据分析中的作用，我心里也就很明白为什么 Python 能走到今天的位置。 于是乎有一个问题，如果我想学习数据科学，我应该从 Ptyhon 开始入手吗？
Python 的商业应用
Hillary 是一名专业的数据科学家，她认为 Python 是她所遇见过的语言中最美妙且快乐的媒介。但是我并不是专业的数据科学家，所以我的要求和她的略有不同。 Python 是否可以像一个“快乐的媒介”服务于像我一样的芸芸众生呢？
我学习 Python 的目标不是成为一名数据科学家，甚至都不必成为一名软件开发人员。我的目标只是提高一下我的数据分析能力和 web 开发技巧，并为我的职业生涯中可能遇到的任何其他技术要求早作准备。
我的这种想法并不是特例。如今，越来越多的人学习编程知识并不是为了成为专业的软件开发人员或者数据科学家。 像营销人员，项目管理人员以及企业家这些有职业的人们，他们学习编程的目的在于提升自己的职业优势，他们也没有时间为了某些目的来专门学习一种语言。
Python 对这些非专业人士具有很大的吸引力，因为 Python 门槛低，且让数据分析这一职场上日益重要的技能触手可及。
福布斯的一项研究表明：数据驱动决策正在变得越来越普遍。在过去，分析人员使用像 Excel 这样的软件来分析数据，只有一些学术性比较强的的地方才会用到 SPSS 和 Stata 等。但如今却已是沧海桑田。
Andrew Chen 是一名营销大师，他说道，学习数据分析可以让他更好地进行本职工作。他还说：“Growth Hacker 是一个整合了营销与技术的新型职业，它更加强调一名营销人员编程技术的能力。 Growth Hacker 就是营销人员与编程人员的混合体。他们将直接营销的理论原则搁置一旁，着重于定量测量，通过电子表格和大量的数据库查询进行场景建模。” 当你看到“数据库查询”，你也许会想到 SQL，python 和 R。学习 Python 是很多像我一样的人正在做的事情。
接下来的问题就是： 我可以学 Python 吗？正如我之前所说的那样，我的编程技巧并没有什么可圈可点之处。 Python 很适合作为你的第一门，第二门或者第三门编程语言。它很简单，直接，而且有大量的免费且已经建立好的资源可供学习。
Python 某些地方的语法比较严格从而形成了一致性，这就使得你完成某一特定任务的代码和别人的代码看起来很相似。这也使得一些未经专业训练的人也能看懂你的代码。
在Python3和C++中，如果我想打印一段话，分别要这样写：
Python 社区是很欢迎新手的。正如 Hillary 所说的那样，这门语言本身以及其社区是对新手有一个友好的态度：不要担心，如果出错了我们也会帮助你的。 Python 不仅对初学者很友好，而且还具有完成高级复杂任务的全部必要能力。 Hillary 每天都会使用 Python 来处理和分析 Cadecademy 百万学员的数据信息，她说：“你可以使用 Python 来做任何事情，同样真正的大神也会用 Python”。 Python 会伴随你成长，所以它很适合用来入门。但是当你某天打算用它来进行自然语言处理或者是机器学习或者 tensorflow 时，它同样也会变得非常高级。你可以使用 Python 完成任何事情，因为它是一门全能的语言。”
在 2017 年一份基于Python部落学员的全球未来工作汇报中，我们发现学员们都倾向于 Python，并一直使用 Python。调查显示，学习其他的语言的学员中，高达 40% 的人想要去学习 Python；而学习 Python 的学员中，大概有 25-30% 的学员想去学习其他的原因。这个数据与 Hillary 的观点不期而合，使用 Python 你可以做很多很多的事情，它也很有可能是你唯一需要的语言。
接下来的工作
现在我已经非常的明确一点：Python 就是编程语言中的战斗机，它多种多样的库可以帮助身处任何行业的人。基于这一点，我相信它不会很快走到终点。
Python 非常适用于编程新手、营销人员、商业分析师、银行家以及各行各业的想要在数据上做文章的人。所以，我已经知道我接下里要学什么语言了。
英文原文：http://news.codecademy.com/why-learn-python/
译者：无
