为什么说 Python 是数据科学的发动机(一)发展历程(附视频中字)

毋庸置疑,Python是用于数据分析的最佳编程语言,因为它的库在存储、操作和获取数据方面有出众的能力。

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。

原文发布于微信公众号 - CDA数据分析师(cdacdacda)

原文发表时间:2017-10-11

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏鸿的学习笔记

2018的第一份书单

1.《fluent python》(中文版:《流畅的python》) 这本书来源于某个公众号的推荐(忘了是哪个了),在读这本书之前,已经阅读了市面上很多pyth...

691
来自专栏VRPinea

VR开发快速入门小诀窍——选对一款VR开发工具让你事半功倍

4467
来自专栏程序员互动联盟

开发游戏需要懂几种语言?

玩游戏这么简单的事情,是个人都会。三岁孩童都会偷菜,打怪。特么逗我,你说那个游戏没通关你告诉我?我就一地地道道国人,除了汉字没听说有其它啥啥玩意儿。 今天我们来...

4659
来自专栏程序员维他命

《高效能程序员的修炼》- 读书笔记

笔者找到了这本《高效能程序员的修炼》:本书作者是Stack Overflow的创始人Jeff Atwood,内容是有关代码以外的,需要每个程序员思考和注意的事情...

1252
来自专栏杨建荣的学习笔记

学点Java里的编程思想(r12笔记第65天)

按照自己之前的计划,我觉得得看看关于开发的东西了,因为我对于并发,锁的认知总是有一个局限性,自己也在地铁上做了些功课。有了这个想法,再有拿起书的勇气,那就...

3647
来自专栏about云

一个架构师谈什么是架构以及怎么成为一个架构师

问题导读: 1.架构的定义是什么? 2.什么是架构之美? 3.架构师都要会做什么? 新年新事,来点轻松的话题。我们调剂一下后再继续讲CAS SSO...

3685
来自专栏斑斓

【第三格】如何实现领域驱动设计

从Eric Evans写下经典名著Domain-Driven Design: Tackling Complexity in the Heart of Softw...

4045
来自专栏帘卷西风的专栏

游戏开发图书推荐--我读过的技术经典图书

很多同学问我学游戏开发应该看些什么书,我在这里抛砖引玉,给一份推荐表,希望大家共同提高。由于本人英文不太好,推荐的大部书籍都是国人编写的,有些经典的外文图书可...

1291
来自专栏老九学堂

给程序员们的小秘籍

● 前言 ● 编者是一个工作多年的程序员,也有做过一些大中型项目的经验。尝过成功的滋味,也体验过失败的痛苦。虽然觉得自己离真正的高手还有距离,但也希望能分享出自...

3727
来自专栏斑斓

美丽的架构

美丽的架构究竟是怎样的?架构师们上下求索,孜孜以求,始终不得其解。归根结底,美丽这个词语总还是偏于感性认识,就仿佛音乐之美,绘画之美,不能以尺度来衡量,追求的其...

3514

扫码关注云+社区

领取腾讯云代金券