01

上世紀90年代中期，正在麻省理工讀碩士的吉姆來到了俄勒岡州的阿什蘭，這里以莎士比亞戲劇節(jié)聞名于世。

當(dāng)吉姆在一個劇院后面的公園里玩雜耍時，遇到了來自施樂PARC的一個科學(xué)家帕維爾·柯蒂斯，帕維爾也想加入，玩一個雙人的雜耍。

吉姆欣然同意，兩人愉快地玩了起來。

兩人一邊玩兒一邊閑聊，帕維爾告訴吉姆他發(fā)現(xiàn)了一個新的編程語言：Python。

用Python寫程序特別清晰，易懂，簡直就是可以執(zhí)行的偽代碼！帕維爾他們這些搞科學(xué)研究的簡直太喜歡這一點了!

吉姆默默地把Python記在了心里。

回到MIT，吉姆開始寫自己的碩士論文，論文是關(guān)于超導(dǎo)體和半導(dǎo)體相關(guān)的領(lǐng)域，需要大量的實驗，然后用Matlab對數(shù)據(jù)進行處理，和理論模型進行對比。

吉姆發(fā)現(xiàn)，Matlab在數(shù)值分析方面強大得嚇人，但在其他任務(wù)上糟糕透頂。

他費了九牛二虎之力，拼湊出了混合著C、Python、Matlab的代碼，終于完成了論文。

一般人也就到此為止了，但是吉姆不一樣，他開始琢磨起來：Python這么好用，如果能具備像Matlab那樣的數(shù)值分析能力就好了！

這樣大家做科研寫論文就會非常方便！

吉姆研究了一下，發(fā)現(xiàn)了Python的另外一個重要特點：可以和C/C++緊密集成。

Python對外提供了一個清晰的 C API，在C代碼中可以輕松調(diào)用 Python 函數(shù)，訪問Python的對象。

所以對于一些性能關(guān)鍵的函數(shù)（矩陣乘法、哈希、加密等），完全可以用C語言來實現(xiàn)，這對于科學(xué)計算來說非常友好。

于是，吉姆決定寫一個Python擴展，在保留Python作為通用編程語言的同時，又具備像Matlab那樣數(shù)值分析的能力。

很快，這個叫Numeric的擴展就新鮮出爐了，Numeric也是第一個用于科學(xué)計算的Python庫。

圍繞 Numeric ，一個非?；钴S的科學(xué)家和工程師社區(qū)開始形成，他們開始用Python+Numeric進行科學(xué)計算，并且基于Numeric開發(fā)了SciPy，提供了更高級的科學(xué)計算功能，比如優(yōu)化、積分、信號處理、線性代數(shù)、統(tǒng)計等。

馬里蘭州的一個空間望遠鏡科學(xué)研究所為了處理大規(guī)模的數(shù)據(jù)，開發(fā)了numarray 軟件包，相比Numeric ，numarray在處理大型數(shù)組時速度更快（但是在處理小型數(shù)組時更慢）。

2005年，Travis Oliphant將numarray的功能移植到了Numeric上，推出了大名鼎鼎的NumPy。

02

注意，Numeric出生于1995年，這一年也發(fā)生了幾件大事：

1.Sun 公司發(fā)明了Java

2.松本行弘推出了Ruby

3.網(wǎng)景的布蘭登用10天設(shè)計了JavaScript。

而C#、Go等語言要等到21世紀才會出現(xiàn)。

換句話說，Python在科學(xué)計算領(lǐng)域搶得了重要的先發(fā)優(yōu)勢！

但是，Python卻丟失了一個更大的機會：互聯(lián)網(wǎng)。

1995~2005這十年，互聯(lián)網(wǎng)狂飆突進，Java通過J2EE統(tǒng)治了企業(yè)級應(yīng)用開發(fā)，然后不斷向其他領(lǐng)域進軍，成為第一大編程語言。

在瀏覽器端，在GMail，Google Maps的助推下，JavaScript成為無可爭議的老大。

Ruby也依靠Ruby on Rails爆火，在Web2.0應(yīng)用開發(fā)中捕獲了大量程序員的芳心。

Python依然在自動化腳本、運維、科學(xué)計算等領(lǐng)域默默耕耘，雖然也有Django、Flask這樣的框架，但是使用Python開發(fā)Web應(yīng)用的人很少。

Python抬眼望去，Java、Ruby、JavaScript高高在上，如日中天，自己顯得非常落寞。

好在Python并沒有等多久，人工智能的浪潮就來了。

在科學(xué)計算和數(shù)值分析領(lǐng)域，沒有一個編程語言能像Python那樣擁有如此完備的生態(tài)，Python積累多年的優(yōu)勢終于釋放了。

- NumPy、Pandas → 數(shù)據(jù)處理

- Scikit-learn → 傳統(tǒng)機器學(xué)習(xí)

- Matplotlib、Seaborn → 可視化

- TensorFlow、PyTorch → 深度學(xué)習(xí)

這些庫幾乎成了AI研究的“標(biāo)準工具箱”，被各個高校，研究機構(gòu)，實驗室廣泛使用。

假設(shè)你是一個研究生，你進實驗室的時候，你的師兄丟給你幾萬行沒有注釋的代碼，是使用Python的NumPy/SciPy做數(shù)值分析， 雖然你很討厭Python的語法，但是你會用你最喜歡的語言如Java/Ruby來重寫它們嗎？

大概率不會吧。

先發(fā)的優(yōu)勢讓Python壟斷了數(shù)據(jù)科學(xué)領(lǐng)域，其他語言想替代Python，真正的門檻不在于 Python 語法，而在于“復(fù)制這個龐大的、久經(jīng)考驗的底層科學(xué)計算生態(tài)系統(tǒng)”

而這個生態(tài)系統(tǒng)的起點就是公園的那次偶遇，帕維爾向吉姆介紹Python的那一刻。

如果在另外一個平行時空，帕維爾和吉姆在公園偶遇，帕維爾向吉姆介紹了Java、JavaScript、Ruby，吉姆會用它們?nèi)プ鰯?shù)值分析嗎？

大概率不會，因為這三門語言無法同時滿足：1.清晰易懂 2.和C/C++緊密集成。

03

最后再來提一下吉姆，他完成了Python擴展Numeric , 把維護的工作交給了其他人，揮一揮衣袖，不帶走一片云彩。

在對Numeric做性能測試的時候，Jim比較了Python和其他很多語言， 他震驚地發(fā)現(xiàn)Java在一些簡單的數(shù)值運算上居然和C語言一樣快！于是他開始了一項工作，把Python移植到JVM， 這就是Jython。

后來他也加入了施樂PARC，在那里他又參與設(shè)計了著名的AOP庫AspectJ， 掀起了面向切面編程的熱潮，尤其在Spring中大行其道。

2004加入微軟后，他又把Python移植到了.NET平臺，即IronPython。

這四項工作，完成任意一項，都足以在軟件發(fā)展史上寫下自己的名字，而Jim居然都完成了，真乃奇人也！

如今吉姆興趣大變，他把注意力移到了一個叫做布料模擬器的研究上，玩得不亦樂乎：