如今，Python 已经成为一种再主流不过的编程语言了。它天生丽质，易于读写，非常实用，从而赢得了广泛的群众基础，被无数程序员热烈追捧。

常言道： “流水的语言，铁打的 Python”，貌似目前它已经“睥睨天下，傲视群雄”了，但你不知道的是，Python 其实并不年轻，它的第一个公开版本发布于1991年，为何这几年 Python 才爆红起来呢？到底它经历了什么？

今天，从6个方面，剖析 Python 为何流行的原因。

Python 又被称作“胶水语言”，胶水这词非常贴切，想象一下，它能非常方便的把 C++ 和 JAVA 粘在一起。虽然 JAVA 能直接调用 C++，但需要通过标准接口，并改变双方的主体程序。而 Python 这种脚本语言，可以在不改变任何程序的情况下，通过外围的数据处理，让 JAVA 和 C++ 实现联动。

Python 和 PHP 是天差地别的， PHP 这种主体目标就是 Web 开发的脚本语言，其实并没有真正的胶合两种其他程序的能力，而 Python 可以通过读取写入 Java 和 C++ 之类的其他程序的输入输出，从而联动程序实现“胶水”的功能。

同时，Python 也是针对一流项目，包含企业级项目的生产型语言，它如此多才多艺，可以被用于任何东西上。你可以通过 Python 构建树莓派的应用，PC 的脚本程序，甚至是服务器的配置管理程序。当然，Python 能做的远不止这些，比你想象的要多多了。

所以使用 Python，真的有无限可能。

相关推荐：《Python入门教程》

是什么让 Python 如此特别?

因为 Python 简单易用呗，甚至对于在写“Hello World”的开发者来说，也特别容易上手。

此外，正因为 Python 的通用性，使它符合各种开发需求，为开发人员提供了很多选择：Python 可用于系统操作，Web 开发，服务器管理工具，部署脚本，科学建模等数之不尽的地方。即便是不相关的其他行业人士，也能很容易用 Python 完成项目，甚至利用它成功转行！

令人惊讶的是，许多开发人员并没有将 Python 作为主要的语言，因为它太容易学习了，所以他们选择 Python 作为第二或者第三语言，这或许也是 Python 如此大热的原因之一。

这里所说的第一语言并不一定特指程序语言，也可以泛指第一技能。所以在现实世界中，才有懂 Python 的医生，会 Python 的律师，甚至是用 Python 解决育儿问题的全职妈妈。

还有，在 Web 开发领域，Django 框架的崛起以及 PHP 的衰退，同样见证着 Python 的成功。最终，Python 开发者的需求和官方支持之间的微妙平衡造就了这场完美风暴。

以下是这些年 Python 越来越受欢迎的原因，一起来看看吧。

1、Python 拥有一个健康积极且提供强力支持的社区

很明显，缺乏文档与支持的程序语言绝对不好用。

Python 则恰恰没有这些问题，因为它恰到好处的年纪，所以累积了充足的文档、指南、教程等。另外，Python 开发者社区也是相当活跃的，这意味着任何人在任何需要帮助的时候，他们可以得到及时的支持。

无论你是菜鸟码农，还是老司机，你都能通过一个活跃的社区，获得自己想要的支持和帮助，没有人可以掌握一切，无论是初学者或者专家。成熟的开发人员更加懂得，在紧急情况遇到问题的时候，获得的支持通常决定着你的成败。

2、Python 有很多大企业的赞助

赞助商能帮助程序语言度过漫长的岁月。C# 的背后是微软，Java 有 Sun (现在是 Oracle)，而 PHP 则被 Facebook 选中。Python 背后的则是Google，于2006年开始使用，并且从此大范围展开于各种平台以及应用程序。它们甚至建立了一个 Python 的社区，提供免费的课程，包括练习项目演讲课件，相关视频等。

为什么这很重要？因为像 Google 这样的企业，为了让他们的团队在既有的系统与应用上好好工作的时候，必须提供大量的资源，在 Google 内部，他们创建了大量的指南和教程让自己的团队愉快地使用 Python。

为了应援这种语言， Google 可谓是下了功夫， 除了提供持续的文档和支持工具，还为 Python 经常打广告，说 Python 将来会过气的，得先问谷歌答不答应~

另外还有一些业界的专业公司，比如 SAP，在商业 BI 模块中也大量的使用 Python。Python 已经成为金融圈的高富帅必须掌握的开发语言之一，如果只让你选读一门语言，那么除了 Python，还是 Python。

3、Python 具备大数据处理能力

在企业领域，近年来兴起的大数据以及云计算的应用，同样促使 Python 快速走向成功。Python 是数据科学中流行的语言之一，它能被用于机器学习以及 AI 系统等各种现代技术中去。

正因为 Python 易将繁琐无序的凌乱数据，转化为可用的结构化数据，这种特性非常有助于大数据的处理，从而使得它们在大数据领域如鱼得水。

4、Python 拥有惊人数量的库

当你正在推进大项目的时候，库可以帮助你节约时间并减少开发周期。Python 拥有可供选择的各种库。比如数据计算中使用到的 NumPy 和 SciPy，以及 Web 开发的 Django。

有少数的库具备高专业度，比如 scikit-learn 适用于机器学习，而 nltk 适用于自然语言处理。

此外，强大的云计算服务(比如 Encoding.com)令 Python 与 C 系列的语言有非常好的兼容性。这意味着有专业的第三方工具为 Python 提供的优秀的跨平台支持，这是一个巨大的优势。

Tips：如果你在智能开发领域，你一定知道 Anaconda。环境管理，库管理，各种高大上的功能一应俱全。当然，不仅仅是 Anaconda。只要你用心探索，就会找到心仪的库。

5、Python 可靠并且高效

我相信任何使用过 Python 的开发人员都会认同它的运行速度，可靠性，以及效率。你可以在各种环境下使用或者部署 Python，它只会有可忽略不计的性能损失。

再次强调，因为 Python 的多样性，意味着你可以横跨多个领域，绝不仅限于 Web 开发，桌面程序，移动应用，甚至包含硬件开发等。所以你并没有被束缚在单一的平台之上，Python 的经验可用于任何平台。

无论你是面向过程，面向对象，或者是函数式编程的爱好者，都可以在 Python找到适合自己的语言范式。什么，这年头还有人写面向过程的代码？是的，比如嵌入式系统，面向过程的设计理念仍大行其道。Python 能让所有人更好的过渡，并直达顶峰。

6、Python 对新手特别友好

对于初学者来说，Python 十分容易。它被认为是简单方便的语言之一：简化的人性化语法是一方面，快速编写与执行是另一方面。

无论如何，对于初学者 Python 都是一门很棒的语言，所以很多年轻的开发者都在开始学习 Python。

迭代器是 23 种设计模式中最常用的一种（之一），在 Python 中随处可见它的身影，我们经常用到它，但是却不一定意识到它的存在。在关于迭代器的系列文章中（链接见文末），我至少提到了 23 种生成迭代器的方法。有些方法是专门用于生成迭代器的，还有一些方法则是为了解决别的问题而“暗中”使用到迭代器。

在系统学习迭代器之前，我一直以为 range() 方法也是用于生成迭代器的，现在却突然发现，它生成的只是可迭代对象，而并不是迭代器！ （PS：Python2 中 range() 生成的是列表，本文基于Python3，生成的是可迭代对象）

于是，我有了这样的疑问：为什么 range() 不生成迭代器呢？在查找答案的过程中，我发现自己对 range 类型的认识存在一些误区。因此，本文将和大家全面地认识一下 range ，期待与你共同学习进步。

1、range() 是什么？

它的语法：range(start, stop [,step]) ；start 指的是计数起始值，默认是 0；stop 指的是计数结束值，但不包括 stop ；step 是步长，默认为 1，不可以为 0 。range() 方法生成一段左闭右开的整数范围。

对于 range() 函数，有几个注意点：（1）它表示的是左闭右开区间；（2）它接收的参数必须是整数，可以是负数，但不能是浮点数等其它类型；（3）它是不可变的序列类型，可以进行判断元素、查找元素、切片等操作，但不能修改元素；（4）它是可迭代对象，却不是迭代器。

2、 为什么range()不生产迭代器？

可以获得迭代器的内置方法很多，例如 zip() 、enumerate()、map()、filter() 和 reversed() 等等，但是像 range() 这样仅仅得到的是可迭代对象的方法就绝无仅有了（若有反例，欢迎告知）。这就是我存在知识误区的地方。

在 for-循环 遍历时，可迭代对象与迭代器的性能是一样的，即它们都是惰性求值的，在空间复杂度与时间复杂度上并无差异。我曾概括过两者的差别是“一同两不同”：相同的是都可惰性迭代，不同的是可迭代对象不支持自遍历（即next()方法），而迭代器本身不支持切片（即 getitem () 方法）。

虽然有这些差别，但很难得出结论说它们哪个更优。现在微妙之处就在于，为什么给 5 种内置方法都设计了迭代器，偏偏给 range() 方法设计的就是可迭代对象呢？把它们都统一起来，不是更好么？

事实上，Pyhton 为了规范性就干过不少这种事，例如，Python2 中有 range() 和 xrange() 两种方法，而 Python3 就干掉了其中一种，还用了“李代桃僵”法。为什么不更规范点，令 range() 生成的是迭代器呢？

关于这个问题，我没找到官方解释，以下纯属个人观点 。

zip() 等方法都需要接收确定的可迭代对象的参数，是对它们的一种再加工的过程，因此也希望马上产出确定的结果来，所以 Python 开发者就设计了这个结果是迭代器。这样还有一个好处，即当作为参数的可迭代对象发生变化的时候，作为结果的迭代器因为是消耗型的，不会被错误地使用。

而 range() 方法就不同了，它接收的参数不是可迭代对象，本身是一种初次加工的过程，所以设计它为可迭代对象，既可以直接使用，也可以用于其它再加工用途。例如，zip() 等方法就完全可以接收 range 类型的参数。

也就是说，range() 方法作为一种初级生产者，它生产的原料本身就有很大用途，早早把它变为迭代器的话，无疑是一种画蛇添足的行为。

对于这种解读，你是否觉得有道理呢？欢迎就这个话题与我探讨。

3、range 类型是什么？

以上是我对“为什么range()不产生迭代器”的一种解答。顺着这个思路，我研究了一下它产生的 range 对象，一研究就发现，这个 range 对象也并不简单。

首先奇怪的一点就是，它竟然是不可变序列！我从未注意过这一点。虽然说，我从未想过修改 range() 的值，但这一不可修改的特性还是令我惊讶。

翻看文档，官方是这样明确划分的——有三种基本的序列类型：列表、元组和范围（range）对象。（There are three basic sequence types: lists, tuples, and range objects.）

这我倒一直没注意，原来 range 类型居然跟列表和元组是一样地位的基础序列！我一直记挂着字符串是不可变的序列类型，不曾想，这里还有一位不可变的序列类型呢。

那 range 序列跟其它序列类型有什么差异呢？

普通序列都支持的操作有 12 种。range 序列只支持其中的 10 种，不支持进行加法拼接与乘法重复。

那么问题来了：同样是不可变序列，为什么字符串和元组就支持上述两种操作，而偏偏 range 序列不支持呢？虽然不能直接修改不可变序列，但我们可以将它们拷贝到新的序列上进行操作啊，为何 range 对象连这都不支持呢？

且看官方文档的解释：

…due to the fact that range objects can only represent sequences that follow a strict pattern and repetition and concatenation will usually violate that pattern.

原因是 range 对象仅仅表示一个遵循着严格模式的序列，而重复与拼接通常会破坏这种模式…

问题的关键就在于 range 序列的 pattern，仔细想想，其实它表示的就是一个等差数列啊（喵，高中数学知识没忘…），拼接两个等差数列，或者重复拼接一个等差数列，想想确实不妥，这就是为啥 range 类型不支持这两个操作的原因了。由此推论，其它修改动作也会破坏等差数列结构，所以统统不给修改就是了。

4、小结

回顾全文，我得到了两个偏冷门的结论：range 是可迭代对象而不是迭代器；range 对象是不可变的等差序列。

若单纯看结论的话，你也许没有感触，或许还会说这没啥了不得啊。但如果我追问，为什么 range 不是迭代器呢，为什么 range 是不可变序列呢？对这俩问题，你是否还能答出个自圆其说的设计思想呢？（PS：我决定了，若有机会面试别人，我必要问这两个问题的嘿~）

由于 range 对象这细微而有意思的特性，我觉得这篇文章写得值了。本文是作为迭代器系列文章的一篇来写的，所以对于迭代器的基础知识介绍不多，另外，还有一种特殊的迭代器也值得单独成文，那就是生成器了。