前言

无聊逛github发现goplus,据说是go应用在数据科学上，所以这应该算是一篇标记博客，最近没时间去更多的了解这个内容，所以写着等今后有时间来了解一下。

简介

我们做数据分析也好还是数据科学，大多数用的都是python、Julia或者是R语言，但是今天看到go也能做数据科学了，这令我很感兴趣，所以就大致看了一下。首先放上github链接:github.com/goplus/gop

看一下readme，发现goplus就是使go的代码更加适合数据科学的书写阅读，并且能兼容go，甚至简化了代码量，对于习惯写python的人来说上手应该很快，可以省去go语言本身变量声明时对类型的声明（不过依然是静态语言）。 当然，也有对应的教程，不过不知道是不是时间来不及还是目前开发的不够完全，看到教程内容只感觉过于简单，基本就是举些例子就带过了，更多需要自己对着给出的代码例子自己理解。比如下面列表中突然的3:3.4就会让人一开始很晕。

当然，和大多数语言一样，我们没有本地环境的情况下，依然可以在线运行代码，这里也给出在线平台的网址：qiniu.github.io/goplus-play…

除了goplus，go还有类似numpy的库---numgo github.com/Kunde21/num…

使用go实现了ndarray，对于喜欢使用numpy简直不要太友好。

结尾

虽然只是大致看了一下，但是还是有很多感想的。首先，我们学计算机的，知识更新迭代太快了，也许今天python很火，说不定下个五年就有一个更简单，更有吸引力的语言出现引领风潮。想学的东西很多，需要学的东西更多，还是要做好时间管理。再回到今天这个主题，无论是goplus还是numgo，我相信贡献者都是出于对go语言的喜爱以及对它的性能、速度以及编码难度等综合考虑才决定开发这样的一种以go语言为基础的数据科学语言。确实，go的性能比python强太多，编码难度稍稍大一些，用go来做数据科学也许是一个好的选择，但是依然可以看到存在很多的不足。教程的不完备，整个生态的不完整。人们喜欢python是因为有太多太多的库帮助我们省去了大量的编码时间，对于机器学习、深度学习我们也许原理都不用太了解，只要会调用相关框架的api就好，反观go在数据科学领域的生态完全比不上python（这里提一下go的goro这个库，很类似于keras，有兴趣的可以去了解一下，也是封装成了高级的api），所以了解的人依旧不多，选择使用的就更加少了。希望go能完善生态吧，个人来说的话还是很喜欢go的，等有时间了也想为自己感兴趣的一些东西做点贡献