大數據告訴你：爲啥近5年來Python如此火爆？

咱們最近討論過，那些被世界銀行定義爲高收入水平的發達國家，在選擇使用什麼類型的技術方面，和世界上的其餘地方每每有着較大的區別。這類區別中，差別最大的例子之一，就是 Python 編程語言。若是隻統計高收入國家的數據，這幾年間 Python 的增加量遠超過諸如 StackOverflow 趨勢工具中顯示的全球軟件開發工具的增加狀況。

今天，咱們將深刻挖掘一下近五年裏 Python 編程語言爆炸性增加的細節數據，主要以高收入國家用戶產生的 StackOverflow 流量爲指標。固然，咱們很難精肯定義像「增加速度最快」這樣的說法，但咱們仍是找到了 Python 是近年來增加速度最快的主要編程語言的決定性證據。

除非特別代表，本文如下討論的全部數據均僅統計高收入國家範圍內；這些流量主要來自好比美國、英國、德國、加拿大等發達國家，佔了 StackOverflow 總訪問量的約 64%；其餘一些國家，好比印度、巴西、俄羅斯和中國固然也爲全球軟件開發生態系統作出了巨大的貢獻，限於篇幅本文對此再也不詳細討論，但咱們也能看到， Python 在這些國家中也表現出增加的趨勢。

這裏要先強調一點，某種語言的用戶數量並不能用於衡量某個語言的質量：咱們只是單純描述開發者使用編程語言的狀況，並無對此作出任何評判。

高收入國家中 Python 語言的增加狀況

從 StackOverflow 趨勢工具上，咱們能看到近幾年 Python 的增加勢頭一直很是迅猛。但若是光考慮高收入國家的狀況又如何呢？咱們的統計口徑是每一個問題的閱讀量，而不是回答數量——雖然兩者結果相似，但閱讀量的每個月干擾較小，特別對較小的標籤更是如此。

對於 StackOverflow 問題的閱讀量，咱們能得到的統計數據是從2011年底至今。在此範圍內，咱們將 Python 和其餘5中主要的編程語言進行對比。（注意：這個統計範圍比趨勢工具分析的範圍要小，趨勢工具的數據是從2008年至今。）這些編程語言是目前 StackOverflow 上高收入國家的用戶訪問量最多的10大標籤中的6個 —— 其餘4個沒有列入對比的是 CSS 、 HTML、Android、和 JQuery。

從數據上來看，2017年6月，Python 首次超過 Javascript，成爲 StackOverflow 上閱讀量最高的標籤。其中， Python 在美國和英國是國內閱讀量第一，在其餘幾個高收入國家則略微小於 Java 或者 Javascript ，屈居亞軍。這但是至關引人注目的成就，要知道在2012年，它比其餘5個編程語言都低，而短短的幾年內就增長了2.5倍。固然這部分緣由是因爲 Java 每季度的訪問變化規律：因爲在大學課程中 Java 的佔比至關大，因此 Java 的閱讀量在每一個學期期中和期末階段會迎來一個高峯，而到了暑假期間則相對回落。在今年末 Java 是否有可能再度反超 Python 呢？咱們用了個趨勢分析模型「STL」，將季度性的變化和整體的增加趨勢進行整合，並對接下來兩年的增加趨勢進行了預測：

根據這個模型，Python 有可能繼續保持領先，也有可能在今年秋季被 Java 暫時超過（這些都在模型預期的變更範圍內），但很明顯，在2018年 Python 將毫無疑問成爲閱讀量排行第一的標籤。 STL 模型還推測， Java 和 Javascript 將會繼續保持在比較類似的水平，正如它們前兩年中的趨勢同樣。

整體上看哪一個標籤增加的最快？

上述數據都僅限在訪問最多的6大編程語言中。但在目前各類技術百花齊放的時候，到底誰纔是當下在高收入國家裏增加最快的技術呢？

咱們決定以2016年度和2017年度的閱讀量增加率爲指標，分析了各大編程語言（ Java 和 Python 之類）以及各類平臺（好比 iOS、Android、Windows 和 Linux）的數據，不過沒有包括相似 Angular 這樣的框架或者 Tensor Flow 這樣的工具（雖然它們不少也展示出了不俗的增加勢頭，也許咱們以後會另文討論）。

因爲在不一樣體量和增加數量上的差別，單純的增加率數字是不具備可比性的。所以，咱們使用了一張平均差圖來對比每一個標籤的總量和增加率。

如圖所示，擁有 27% 年增加率的 Python 可謂獨佔鰲頭：基數大的標籤中增加最快，增加快的標籤中總量最大。與其增加率相似，總量排在第二大的是 R 語言。在高收入國家，大部分總量較大的標籤的流量都保持相對穩定，除了 Android 、iOS 和 PHP 有些微的減小。以前咱們還討論過的 Objective-C 、 Perl 和 Ruby 都有比較明顯的縮減。各類函數式編程語言中， Scala 是總量最大增加狀況也最好的，而 F# 和 Clojure 則總量很低，又呈減小趨勢，只有 Haskell 保持居中穩定態勢。

不過上圖中有一個特殊的成員沒法顯示，那就是 Typescript 。它的相關問題閱讀量在去年增加了 142% 以致於無法擺在圖上。同時，你還能看出有許多相對較小的語言的增加速度也和 Python 持平或更高（好比 R、 Go 和 Rust），而 Swift 和 Scala 也顯示出了使人印象深入的增加勢頭。那麼他們的總閱讀量狀況和 Python 相好比何呢？

相似 R 和 Swift 這些語言的增加速度確實頗爲可觀， TypeScript 更是在這麼短的時間內翻了一番多。這些較小的編程語言的發展，幾乎都是從徹底默默無聞，到現在在軟件生態系統中佔有了不可忽視的份額。但根據這張圖表咱們能夠看出，對於總量相對較小的語言，要更快地擴張仍是相對容易的。

請注意咱們並非把這些語言和 Python 進行對比，只是嘗試解釋這些語言的增加速度和總量的關係——這些語言都還有很是廣闊的前景。但在目前的統計數據中， Python 確實是獨樹一幟：它既是這些語言中總閱讀量最大的，也是增速最快的之一。（事實上，它的增速還在加快！從2013年以來，每一年的平均增加率都在提升。）

放眼全球

至此，咱們已經分析了高收入國家中 Python 語言的相關趨勢。在全球的其餘國家，好比印度、巴西、俄羅斯和中國， Python 是否是也有着相似的增加狀況呢？

答案是確定的。

在其餘國家和地區， Python 依舊是增加最快的主要編程語言，它原先也仍是保持着較低的水平，比高收入國家遲了兩年（2014年）纔開始高速增加。事實上，在非高收入國家的用戶中， Python 相關標籤的閱讀量年增加率甚至比高收入國家的還稍微高一點點。雖然上圖沒有顯示，但另外一門使用量和GDP呈正相關關係的編程語言： R 語言的訪問量在這些國家裏也呈增加趨勢。

本文中，關於問題標籤閱讀量增減狀況（而不是絕對的排行）的許多結論都是基於高收入國家的數據，但在其餘國家和地區也一樣成立。在這兩種不一樣區域間的增加率數據的斯皮爾曼相關係數達 0.979。在部分狀況下——好比在 Python 語言的增加——你能夠看到存在某種像是「延遲」的現象：當一種技術在高收入國家中普遍普及後一兩年，才逐漸擴展到全球範圍。

下一步研究方向

咱們寫這篇文可不是爲了引戰。某種語言的用戶量並不能表明它的質量，固然也不能告訴你對於某種特定狀況用哪一種語言來解決更好。帶着這樣的觀點，咱們相信，經過相似研究，咱們能夠了解到當前的軟件開發生態是由哪些語言組成的，以及據此推測整個產業將會往什麼方向改變。

你們在學python的時候確定會遇到不少難題，以及對於新技術的追求，這裏推薦一下咱們的Python學習扣qun：784758214，這裏是python學習者彙集地！！同時，本身是一名高級python開發工程師，從基礎的python腳本到web開發、爬蟲、django、數據挖掘等，零基礎到項目實戰的資料都有整理。送給每一位python的小夥伴！每日分享一些學習的方法和須要注意的小細節

點擊：python技術分享