为什么说 Python 是数据科学的发动机(一)发展历程(附视频中字)

在PyData Seattle 2017中，Jake Vanderplas介绍了Python的发展历程以及最新动态。在这里我们把内容分成上下两篇，先给大家带来上篇--Python的发展历程。

主讲人：

Jake Vanderplas是华盛顿大学eScience研究所物理科学研究的负责人。该研究所负责跨学科项目，旨在支持科学领域在数据方面发现。Jake的研究领域包括天文学、天体物理学、机器学习以及可伸缩计算。此外，他是许多开源Python项目的维护者和频繁贡献者，包括scikit-learn、scipy、altair等。

CDA字幕组该讲座视频进行了汉化，附有中文字幕的视频如下：

针对不方面开视频的小伙伴，CDA字幕组也贴心的整理了文字版本，如下：

(文末有彩蛋! )

Python究竟是怎样成为了数据科学的发动机?考虑到一开始它的初衷并非如此。

Python的发展历程

我想回顾一下Python的初衷和早期发展情况。

1990s: 脚本时代

在上世纪90年代，我认为Python以及数据科学处于脚本时代。这时的座右铭为"Python是Bash的替代品”。

没有人愿意用Bash编程，那么让我们换成用Python吧。这就是我们90年代的情况。

当时有个从事科学领域的人，名叫David Beasley。你可能通过《Python Cookbook》一书熟知他。在90年代他在一个研究实验室工作，他写了一篇关于使用Python进行科学计算的文章。在文中他说：

“科学家正在使用各种不同的工具，他们倾向于使用自行开发的软件，来实现自己的特定领域语言。或者用命令行界面将它们组合到一起。”

在本文中他提出，为什么我们不使用Python把这些都组合到一起呢?

他提出一个他已进行了4年的案例研究，当中他把Python作为胶水，把许多其他的工具都粘到了一起。他写这个库在当时影响力非常大，SWIG(simplified wrapper and interface generator)。这能够解析整个Fortran或C代码，为你生成一个Python接口。因此为了驱动代码，你不必再去编写Fortran和C语言。

许多早期的SciPy等工具都是建立在SWI上的，我对scikit-learn的第一个贡献是用SWIG加上C++代码。之后我们不再用SWIG而转为Cython，但这是另一回事了。

2000s: SciPy时代

之后是2000年，我认为2000年代是SciPy时代。

这时的座右铭是，Python是MATLAB替代品。

我看到观众中有些点头赞同，当中有很多原因。如果看到2000年代早期有影响力并且发展SciPy堆栈的人群，可以在他们身上发现一些共同点。

例如John Hunter是Matplotlib的创始人，在2012年他去世前的几周，他发表了很棒的SciPy演讲。

当中他谈到了Pre-Python，他有各种工作进程的大杂烩Perl脚本C++。他编写了MATLAB之后他厌倦了MATLAB，开始把东西加载到GnuPlot上。这启发他编写了Matplotlib，这基本上是用Python编写的MATLAB替代品。

同样还有Travis Oliphant。他创建了continuum，在这之前他编写了Numpy和SciPy项目。

他说“在Python之前，我用过Perl。然后是MATLAB、shell、scrip、Fortran以及C++库等。当我发现Python时，我真的很喜欢这个语言。但这个语言是萌芽阶段 缺少很多库。 我认为我可以通过在Python中，连接低等级的库和高等级的usage。从而在世界中献出自己的一份力量。”这启发了SciPy，SciPy取代了MATLAB、Fortran、shell、scrip。

同样的如果你熟悉IPython项目、Jupyter项目，那你肯定知道Fernando Perez，他创建了IPython。他也有类似五花八门的工具，C、C++、Unix(awk/sed/sh)Perl、IDL、Mathematica。

想到Python出现之前的科学就很可怕。接着Fernando创建了IPython项目，他想在Python中做类似IDL或类似Mathematica，以便他能够用一个简单的工具代替这所有。

在21世纪初出现了各种工具，相同的目标是想取代MATLAB，取代所有组合的包。若看到早期的代码，会发现它们都包括可视化、计算以及壳的内容。如果看一下Matplotlib，你仍然可以导入MATLAB的子模块。类似计算周期等部分在MATLAB、Matplotlib中仍然有计算，尽管现在很多已经被移除。

如今我们熟知的库如Matplotlib、SciPy、IPython，它们的目标很清晰。社区一直在演变。

我认为在SciPy时代的关键会议是SciPy大会。SciPy大会驱动了很多创新力，从2002年一直到如今。在场我认识的几个人将出席下周的SciPy在奥斯汀的会议，这是非常有意思的会议，如果有机会的话我建议你们参加。

2010s: PyData时代

在20世纪90年代脚本时代和SciPy时代之后，我认为2010年代是PyData时代。这时的座右铭应为"Python是R语言的替代品”。

我认为PyData社区在这点上做的很好。R语言还是有些做的很好且无法超越的地方。我认为其中一个常规数据统计，还有一个是可视化。有些人在致力于解决这些问题。

我认为PyData时代的代表是Wes McKinney ，以及他的pandas。还有他的书《利用Python进行数据分析》。

在书的序言中他这样说道“还没有任何一种工具能够很好的处理我的一些需求。例如:具有标记轴的数据结构；综合时间序列功能；算术运算和减少；缺少数据的灵活移交；合并和其他相关操作，我希望最好能够在一种语言中完成这一切。”

且能够符合软件开发的一般用途，这启发了pandas的诞生。可以说若没有pandas库，没有Wes，今天我们不可能坐在这里。在2009〜2011年的时候，他辞掉了本来的工作，吃了2年拉面，这样他就可以天天编写pandas。如果你有天碰到了Wes，请感谢他。因为他真的对我们的社区做出了重大贡献。

还有许多重要的软件这个时期问世。

pandas第一个重大的发布是在2011年左右。

scikit-learn在07年有发布一个早期的指南，但主要的scikit-learn发布于2009年或201年。

Conda的packaging发布于2012年，这真的改变了我使用Python的方式，改变了人们做事的方式。

以及2012年的IPython项目，后来更名为Jupyter。Jupyter项目真正推动了我们处理代码的方式，特别是在这个社区中。

当然当中关键的会议是PyData。

2012年，为期一天的PyData研讨会由谷歌举办，地点位于山景城。这是我影响深刻的一次会议。这次会议上我第一次公开发表了关于Python的演讲，当中我对scikit-learn进行了1小时的讲解。从那之后我就着迷了，想尽可能多的参加这个会议。

PyData遍布世界各地，这一系列会议促进了数据科学的发展。数据科学与数据计算是不同的，之前SciPy时代则是围绕这点的。当然以上这些时代都是同时存在的。有人使用Python写脚本，有人使用SciPy工具，有人使用PyData。

人们热衷于使用Python。因为Python的直观性、美感、哲学性以及可读性。Python从其他语言中得到很多转换，因为它编写起来很有趣。因此人们做的就是结合其他工具，其他社区中习得的内容、编写相应的Python包。

Wes专门写了pandas，因为他想做到R语言对数据框的操作。John Hunter专门写了Matplotlib，因为他想用MATLAB的方式进行绘制，但不必使用MATLAB许可证。

Python真的很擅长从其他工具其他领域摄取知识，并把它们转换到自己的空间内，然后进行运行。

我们还开发了很多自己的东西，例如scikit-learn。在任何语言中，这都是考虑机器学习的首要方式。至少是如何连接机器学习，如何进行机器学习API。我认为没有其他语言比scikit-learn更简洁，更深思熟虑的。

但我们必须认识到在整个过程中，Python并不是数据科学语言。

Python是通用语言，我认为Python的通用本质在于其优势。你可以把它Python想象成瑞士军刀。

使用Python你可以做各种不同的事情。比如你可以做网页编程，可以进行Django，可以做后端，也可以做前端。

但多年来越来越多的人都在用Python，这把瑞士军刀变得复杂起来了。这么多的工具，我们需要选择用哪个记住顺序，从而你能找到你想要的。这里的优势在于Python存在巨大的能力空间，但缺点在于从哪儿下手。

我想强调的是对于刚接触Python的人群，他们说"我想马上开始学习Python”。但是他们会发现，宇宙是如此巨大，有那么多的包，有许多需要学的东西。还有许多人们传递的未记录下来的知识，很难进入其中。

我们已经在本文中了解了Python的发展历程，之后我们将带来最新的发展动态，以及介绍一些热门的库，敬请期待哦。

CDA数据分析师旗下的CDA字幕组开始招募啦！

我们发掘了一批优质的数据分析视频，只要你有责任心有时间，有一定的英文翻译、听译能力，最重要的是热爱数据分析，那么就来加入我们吧！

申请报名

点击「阅读原文」或扫描下方二维码：