別被耍了!就算學C、JAVA,也千萬別碰Python

有句話想說很久了,我在資料分析行業中呆了十年,從接觸資料分析開始學習了很多程式語言,其中包括現在大火的Python,也有很多人在轉行資料分析之前都來問我要不要學Python。

而我的回答一直都是:“如果對於程式語言沒有基礎,不要以Python作為自己的資料分析入門語言!”

也就是說,如果不要把Python當作未來可以找工作、掙錢的跳板,這是目前很多人都存在的一大誤區。

至於原因,聽我慢慢道來。

大火的Python,其實背後大有玄機

近幾年Python火的有點過頭了,從2014年到現在不過6年的時間,Python就從一門極為小眾的語言,成長為了世界最流行的程式語言,攀升速度不可謂不快!

下面這張圖可以看出Python的流行態勢之猛烈:

2018年開始,Python莫名在這一年大火,以每年超過5%的速度發展,程式語言排名也在一年內飆升13名,直到今天,Python的上升速度雖有變緩,但是仍然有著競爭世界第一流行程式語言的潛力。

什麼原因造成了Python的大火呢?Python為什麼會在這麼短的時間內爆火呢?

除了Python作為萬能語言本身的優點之外,比如比C++/JAVA簡單易學、開發更加穩定等,與資本的瘋狂推動也是拋不開關係的。

前些年java大火的時候,整個市場上鋪天蓋地上都是“java入門培訓”,直到現在也沒消停,是程式語言培訓行業的常青樹。

Python的情況也類似,資本市場向來都是哪裡有韭菜去哪裡,眼看著java、C++沒有市場了,於是一隻看不見的手就開始推動Python。

市場吹得多了,那些企業也就都懵了,資料分析、人工智慧這些崗位也都井噴出來了,想一想之前的C++不也是這種情況嗎?

所以對於Python這些鋪天蓋地的廣告,我的建議還是要結合自身的需求:

想要做個程式設計師,學C++/Java/PHP這些語言,哪一個不比python實用呢?如果是想從事資料分析相關的工作,Python也不是最佳的支撐工具,市場上的資料分析專業工具可以替代Python的大部分工作內容。

為什麼我不建議你學Python?

1、語言效能差

現在Python看似很火!但實際上Python語言的嚴謹性和穩定性根本和C++無法比!

對於C++老手來說,速度上也根本不具有可比性!一個專業的程式設計師,寫個C++能用1秒解決問題,用Python可能就需要十幾秒,下圖的程式語言速度可見一斑,Python編寫一個字串的速度簡直低到令人髮指。

2、語法混亂

就舉一個例子,Python2與Python3這兩個語言版本之間竟然互不支援,這是我在學習其他程式語言當中從來沒見過的。

3、市場混亂

現在所謂的Python培訓高薪就業什麼的,其實大部分都是騙人的,想學習程式設計或者入行資料分析,千萬別入Python這個坑,老老實實學習C\C++\JAVA\PHP 才是正道!

4、工作前景不好

那些網上吹噓的“學會Python就能找到好工作”,這純屬就是個偽命題。從一個資深程式設計師的視角出發,實在不建議你將Python作為一種職業,從功利性的角度出發,你學Python是很難找到工作的。

而且隨著人工智慧光環的褪去,業務落地變現困難,人工智慧/機器學習工程師的崗位趨近於飽和,工作越來越難找。

之所以不建議從事Python的問題在於,你以為選擇Python作為入門程式語言是件輕鬆的事情,然而卻選擇了條艱難的不歸之路。

5、成長性不高

不得不說,在從事Python的這幾年中,每天都在朝九晚六中度過,還時不時要找點事情做做。雖然薪水沒有Java大佬們那麼高,然而生活還是過得有滋有味。

為什麼呢?Python效率高的,效率有多高,直接pip裝個包就好了。這樣的語言雖然簡單易用,但是並沒有任何的成長性。

6、Python並不適合入門

Ruby、Python、JS這些指令碼語言本身都差不多,沒有說哪個更簡單,Python 大部分是因為近些年機器學習和人工智慧概念的興起,Python 也隨之熱門起來。

但是如果論最簡單的話,我覺得 js 最簡單的方法,現在開啟瀏覽器,在控制檯寫入:alert(“hello world”) ,這樣就已經入門了 js了。如果是 Python 現在你可能還在忙著配置程式設計環境呢。

結語

對於Python,建議可以學習下,但是如果想靠他找到份工作就要謹慎些。畢竟,決定你工資的是你的稀缺程度,如果沒有業務的支撐,即使你再精通也是徒勞。

關注數據君的臉書:

我是「數據分析那些事」。常年分享數據分析乾貨,不定期分享好用的職場技能工具。按讚我的臉書並私訊「10」,送你十週入門數據分析電子書唷!

這是一個專注於數據分析職場的內容部落格,聚焦一批數據分析愛好者,在這裡,我會分享數據分析相關知識點推送、(工具/書籍)等推薦、職場心得、熱點資訊剖析以及資源大盤點,希望同樣熱愛數據的我們一同進步! 臉書會有更多互動喔:https://www.facebook.com/shujvfenxi/