Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉(zhuǎn)到Python進行機器學習的人，我想談談我的看法。首

Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？

對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉(zhuǎn)到Python進行機器學習的人，我想談談我的看法。

首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個數(shù)量級。

那么為什么要使用Python呢？如果我們遍歷超過一億個數(shù)據(jù)，兩個數(shù)量級的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數(shù)以億計的數(shù)據(jù)，Python只會循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個數(shù)量級無關緊要？一毫秒和100毫秒在整個系統(tǒng)中并不重要。

Python最大的優(yōu)點是它可以非常優(yōu)雅地將數(shù)據(jù)拋出到高效的C、CUDA中進行計算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數(shù)據(jù)，借助ZMQ、cell等還可以做分布式計算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費太多的精力就可以優(yōu)雅高效地完成海量數(shù)據(jù)處理和機器學習任務。這就是Python如此流行的原因。

好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？

作為一名研究生，除了可以用python寫各種算法之外，還應該如何提高自己的python水平？

作為一名研究生，您用Python編寫算法。我認為你想發(fā)展大數(shù)據(jù)和人工智能。

近年來，隨著大數(shù)據(jù)和人工智能的爆炸式發(fā)展，Python變得越來越流行。如果你想提高你的Python水平，我想你可以從以下幾點開始

！Apache spark是一個大數(shù)據(jù)處理框架，計算速度快，使用方便，支持復雜分析，有可能取代MapReduce。

盡管Python在機器學習和人工智能方面有很好的應用，但Python有一個很大的缺陷。它不支持分布式計算，但這并不重要。Spark提供了一個優(yōu)秀的Python接口pyspark。有了它，python在分布式計算和流計算方面有了很大的改進。

另外，spark的核心RDD彈性分布式數(shù)據(jù)集與Python中panda的數(shù)據(jù)幀非常相似，可以很容易地相互轉(zhuǎn)換。因此spark賦予Python以分布式方式處理大型數(shù)據(jù)集的能力。

Python有許多強大的web后端框架，如Django、flash等。學習這一點可以鞏固Python的基礎，并使用Python的高級用法，如裝飾器、類、魔術方法、數(shù)據(jù)庫等。

您不能總是在一臺機器上使用該型號。您可以在大數(shù)據(jù)框架和網(wǎng)站中部署模型。這要求您了解后端和分布式計算。學習這兩個方面，不僅可以提高python的水平，也可以讓你在未來的大數(shù)據(jù)和人工智能領域發(fā)力。

為什么有些算法崗位，需要用C 而不是python？

C/C是一種相對低級的語言，它可以非常精細地控制CPU/內(nèi)存和其他計算機資源，尤其是硬件。在算法運算最精細的時候使用它們是很自然的。

但它們的優(yōu)點也是缺點。精細的操作自然需要精細的編程，精細的編程自然需要復雜的語言設置，比如什么是指針，什么是指針函數(shù)，什么是函數(shù)指針當你理解了這些概念，你可能就沒有編寫代碼的沖動了。更重要的是，如果你想編寫高性能的代碼，你必須精通這些概念

Python的一個非常重要的特性就是所謂的“粘合語言”，也就是說它可以將用不同語言編寫的代碼模塊組合起來，然后通過Python調(diào)用它們。實際上，大多數(shù)算法庫都是用C/C語言編寫的，然后提供Python接口供用戶使用。畢竟，大多數(shù)人只需要知道如何調(diào)用封裝的算法。但是如果你想實現(xiàn)你自己的算法，你必須知道C/C

例如，Python就像一個電視遙控器，C/C就像遙控器中的電路板。通常，如果你想換臺，只需按一下按鈕。但有一天你只需要一個將屏幕旋轉(zhuǎn)90度的功能，遙控器沒有這個功能，但可以通過卸下遙控板，插入幾個組件來實現(xiàn)。你是做什么的？

python自學難度有多大，怎樣算出師？

例如，當您遇到需要計算文章中單詞的出現(xiàn)率時，您需要知道使用什么方法。例如，您需要首先使用string方法對其進行分段，然后將其保存到字典中進行統(tǒng)計。有了這樣一個總體思路，您就可以專門學習字符串方法和字典的使用。即使你以前沒有使用過這些方法，你也可以解決這個問題，即使你已經(jīng)完成了。