【Python成为高收入国家增长最快的语言】开发者生态系统十大语言

简介: 本文根据Stack Overflow流量分析了Python及其他一些编程语言的发展情况,同时也对高收入国家与非高收入国家的情况进行了对比。英文原文来自stackoverflow.blog,以下是译文。


image

我们最近的研究表明,富裕国家(世界银行定义为高收入国家)喜欢研究的技术与其他国家的不同。其中,我们看到最大的差异是Python语言。当我们关注高收入国家的时候,甚至可以看到Python的增长速度甚至比Stack Overflow Trends或者其他一些全球软件开发排名显示的还要快。

在这篇文章中,我们将探讨过去五年中Python语言不寻常的增长速度,正如在高收入国家的Stack Overflow流量中所示的那样。 “增长最快”一词可能很难精确定义,但是我们认为Python确实是增长最快的主流编程语言。

本文提到的大部分数字都来自高收入国家,比如美国、英国、德国、加拿大和其他类似的国家,他们加起来占了Stack Overflow 64%的流量。其他一些国家,如印度、巴西、俄罗斯和中国,也为全球软件开发生态系统做出了巨大的贡献。尽管这些国家的Python也在增长,但本文几乎不涉及这些经济体。

需要强调的是,使用某种语言的用户数并不能用来衡量该语言的质量:我们现在正在讲的是开发人员使用的编程语言,而不是处方。

Python在高收入国家的增长情况

你可以在Stack Overflow Trends上看到,Python在过去几年里一直在迅速增长。但是对于这篇文章,我们将重点关注高收入国家,并且分析的是Stack Overflow上问题的访问情况,而不是用户提的问题。

有关Stack Overflow问题视图的数据可以追溯到2011年底,在这段时间内,我们可以看一下Python相对于其他五种主流编程语言的增长情况。这是目前高收入国家中Stack Overflow访问量前十的标签中的六个;另外还有这四个没包括在内,分别是CSS、HTML、Android和JQuery。


image

2017年6月,Python第一次成为高收入国家Stack Overflow访问量最大的标签。它在美国和英国是访问量最大的标签,在大部分其他高收入国家中也是排在前两名(另外一个要么是Java要么是JavaScript)。这尤其令人印象深刻,因为在2012年,Python的访问量小于其他五种语言,而到现在其访问量已经增长了2.5倍。

产生这种现象的部分原因是Java流量的季节性因素。由于Java是本科重点课程,所以它的流量会在秋季和春季上升,而在夏季下降。但是它会在年底再次赶上Python吗?我们可以尝试使用名为“STL”的模型来预测未来两年的增长情况,这个模型能将增长情况与季节性趋势相结合,从而预测未来的值。

image

根据这个模式的预测,到了2018年,Python肯定会成为最受欢迎的标签。STL还暗示JavaScript和Java在高收入国家中的流量将保持相似的水平,就跟最近两年的情况差不多。

整体上来看,有哪些标签增长得最快?

以上我们只看了六种主流语言,那么目前在高收入国家中还有哪些目前增长最快的技术呢?

我们用2017年和2016年的流量占比来定义增长率。在这个分析中,我们只考虑编程语言(比如Java和Python)和平台(比如iOS、Android、Windows和Linux),不包括类似Angular的框架和类似TensorFlow的库。

由于这个漫画中描述的“增长最快”存在问题,因此,我们使用平均差异图来比较各个语言的增长率与整体平均增长率。


image

Python凭借着27%的年增长率在所有标签中独占鳌头,它既是流量最大也是增长最快的标签。拥有类似增长率的第二大标签是R语言。我们可以看到,其他大多数大标签的流量在高收入国家都保持稳定,而Android、iOS和PHP的访问量则略有下降。(我们在之前一篇Flash之死的帖子中研究了一些流量减少的标签,如Objective-C、Perl和Ruby)。我们还注意到,在函数式编程语言中,Scala是流量最大并且增长非常迅速的语言,F#和Clojure则较小并且还在不断下降,而Haskell则位于它们之间并保持着稳定。

在上图中有一个重要的东西被遗漏了:TypeScript的流量去年竟然增长了142%,这足以让我们对它进行单独处理,以避免超过现有的范围。你还可以看到,其他一些较小语言(例如R、Go和Rust)的增长速度与Python差不多或更快,而且也有许多标签,例如Swift和Scala,它们的增长情况也很惊人。与Python相比,他们的流量变化情况怎么样呢?

image

像R和Swift这样的语言的发展情况确实很惊人,而TypeScript在更短的时间内表现出了更快速的扩张。如图所示,当标签一开始相对较小时,则后期越容易出现较快地增长。

请注意,我们的意思并不是说这些语言可以与Python“抗衡”。相反,我们正在解释的是为什么要把它们单独拿出来分析,这些都是较低流量的标签。Python有着一个与众不同的情况,它是Stack Overflow中最受欢迎的标签之一,也是增长最快的一个。

发展中国家:Python仍然是增长最快的编程语言

到目前为止,我们一直都在分析高收入国家的发展趋势。那么,在像印度、巴西、俄罗斯、中国等其他一些国家中,Python的增长情况如何呢?

它依然是增长最快的编程语言。

image

在非高收入国家中,Python仍然是增长最快的主流编程语言;它只是最开始的水平比较低,并且是在两年后才开始增长(从2014年开始,而不是2012年)。事实上,非高收入国家的Python同比增长率略高于高收入国家。

本文中有关高收入国家标签流量增减的许多结论也都适用于其他地区,并且这两者的增长率存在着0.979的相关性。在某些情况下,你会看到类似于Python的“滞后”现象,即某个技术在高收入国家的接受度发展水平比其他地区要早一到两年。

下一步工作

我们不希望挑起所谓的“语言之战”。一种语言的用户数量并不代表着它的质量,而且肯定无法告诉你哪种语言更适合某种特定情况。不过,考虑到这个观点,我们认为有必要了解一下有哪些语言建起了开发者生态系统,以及生态系统当前的发展情况。

原文发布时间为:2017-09-18
作者:David Robinson
翻译:雁惊寒
本文来自云栖社区合作伙伴新智元,了解相关信息可以关注“AI_era”微信公众号
原文链接

相关文章
|
21天前
|
机器学习/深度学习 人工智能 算法
猫狗宠物识别系统Python+TensorFlow+人工智能+深度学习+卷积网络算法
宠物识别系统使用Python和TensorFlow搭建卷积神经网络,基于37种常见猫狗数据集训练高精度模型,并保存为h5格式。通过Django框架搭建Web平台,用户上传宠物图片即可识别其名称,提供便捷的宠物识别服务。
221 55
|
2月前
|
机器学习/深度学习 数据采集 供应链
使用Python实现智能食品安全追溯系统的深度学习模型
使用Python实现智能食品安全追溯系统的深度学习模型
72 4
|
10天前
|
存储 缓存 监控
局域网屏幕监控系统中的Python数据结构与算法实现
局域网屏幕监控系统用于实时捕获和监控局域网内多台设备的屏幕内容。本文介绍了一种基于Python双端队列(Deque)实现的滑动窗口数据缓存机制,以处理连续的屏幕帧数据流。通过固定长度的窗口,高效增删数据,确保低延迟显示和存储。该算法适用于数据压缩、异常检测等场景,保证系统在高负载下稳定运行。 本文转载自:https://www.vipshare.com
102 66
|
1月前
|
机器学习/深度学习 人工智能 算法
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
宠物识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了37种常见的猫狗宠物种类数据集【'阿比西尼亚猫(Abyssinian)', '孟加拉猫(Bengal)', '暹罗猫(Birman)', '孟买猫(Bombay)', '英国短毛猫(British Shorthair)', '埃及猫(Egyptian Mau)', '缅因猫(Maine Coon)', '波斯猫(Persian)', '布偶猫(Ragdoll)', '俄罗斯蓝猫(Russian Blue)', '暹罗猫(Siamese)', '斯芬克斯猫(Sphynx)', '美国斗牛犬
160 29
【宠物识别系统】Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+图像识别
|
2天前
|
安全 前端开发 数据库
Python 语言结合 Flask 框架来实现一个基础的代购商品管理、用户下单等功能的简易系统
这是一个使用 Python 和 Flask 框架实现的简易代购系统示例,涵盖商品管理、用户注册登录、订单创建及查看等功能。通过 SQLAlchemy 进行数据库操作,支持添加商品、展示详情、库存管理等。用户可注册登录并下单,系统会检查库存并记录订单。此代码仅为参考,实际应用需进一步完善,如增强安全性、集成支付接口、优化界面等。
|
12天前
|
存储 算法 Python
文件管理系统中基于 Python 语言的二叉树查找算法探秘
在数字化时代,文件管理系统至关重要。本文探讨了二叉树查找算法在文件管理中的应用,并通过Python代码展示了其实现过程。二叉树是一种非线性数据结构,每个节点最多有两个子节点。通过文件名的字典序构建和查找二叉树,能高效地管理和检索文件。相较于顺序查找,二叉树查找每次比较可排除一半子树,极大提升了查找效率,尤其适用于海量文件管理。Python代码示例包括定义节点类、插入和查找函数,展示了如何快速定位目标文件。二叉树查找算法为文件管理系统的优化提供了有效途径。
43 5
|
1月前
|
机器学习/深度学习 算法 前端开发
基于Python深度学习的果蔬识别系统实现
果蔬识别系统,主要开发语言为Python,基于TensorFlow搭建ResNet卷积神经网络算法模型,通过对12种常见的果蔬('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜')图像数据集进行训练,最后得到一个识别精度较高的模型文件。再基于Django框架搭建Web网页端可视化操作界面,以下为项目实现介绍。
39 4
基于Python深度学习的果蔬识别系统实现
|
3月前
|
机器学习/深度学习 传感器 存储
使用 Python 实现智能地震预警系统
使用 Python 实现智能地震预警系统
149 61
|
24天前
|
Unix 编译器 C语言
[oeasy]python052_[系统开发语言为什么默认是c语言
本文介绍了C语言为何成为系统开发的首选语言,从其诞生背景、发展历史及特点进行阐述。C语言源于贝尔实验室,与Unix操作系统相互促进,因其简洁、高效、跨平台等特性,逐渐成为主流。文章还提及了C语言的学习资料及其对编程文化的影响。
26 5
|
2月前
|
弹性计算 数据管理 数据库
从零开始构建员工管理系统:Python与SQLite3的完美结合
本文介绍如何使用Python和Tkinter构建一个图形界面的员工管理系统(EMS)。系统包括数据库设计、核心功能实现和图形用户界面创建。主要功能有查询、添加、删除员工信息及统计员工数量。通过本文,你将学会如何结合SQLite数据库进行数据管理,并使用Tkinter创建友好的用户界面。
76 2
从零开始构建员工管理系统:Python与SQLite3的完美结合