另外,python在底层设计上,也表现出很强的实用主义倾向。这是比较外交术语的词汇,更加直白的说法应当是,混乱,不知所谓。在闭包设计上采用free variable设计,而不是lisp中的environs设计。区别?你试试看在外层闭包中from lib import *。由于引入不定个数名称,free variable无法处理。类似的问题还有LEGB规则,新手往往要花很长时间研究这个例子究竟是怎么错的: a = 1 def f(): print a a = 2 我勒个去,这种反直观反人类的事情都有,还敢说自己易读。
还有坑爹的元编程,这东西根本是坑爹中的坑爹货。如果你用过多重继承,大概就知道python的整个OO系统看起来根本是大型的仿真,到处都是乱糟糟的。C++怎么解决多重继承的?你最好别用(真心说,这可比python更加坑爹)。java怎么解决多重继承的,只能继承Interface。其实这是变相的变成了Interface-Implement模式。python怎么解决的?MRO!为什麽一个类加个__metaclass__就会改变性质啊,为什麽一个类去生成另一个类的写法是——我基本不记得了,反正web.py里面有用到,需要的话去炒栗子吧。为什麽方法要隐藏居然要改名字加__啊。你到底是在做OO还是在看起来像OO的东西上狂打补丁啊魂淡。
lambda表达式弱智。我和人讨论过,lambda是否是图灵完备的。结论还是完备的,不过需要借助Y combinator。何必呢?由于强调lambda的快速特性,因此将lambda强制在一行以内(没有结束标记),导致python其实是没有匿名函数的。一个callback数组写的难过死。
语法糖太多了点,当然,这是纯粹的个人感觉。语法糖是把双刃剑,用的好,可以简化编写和阅读,但是太多,往往容易引入语法混乱和额外的约束。
另外,语言的自构建特性混乱。虽说不是每门语言都强调自构建特性,但是通常而言,都是使用C实现一个内核,由内核实现一些基础操作。再由基础操作实现更复杂的操作。每层的边界都是比较清晰的。谁来告诉我,python中有多少库在移植时是由纯python实现的?库的相互依赖层级是?
python的沙盒化也是个问题,如果沙盒做的够好,我完全可以把python作为一个客户级别的平台。用C写一个很简单的类似浏览器的东西,下载一个URL的python包回去运行(或者仅仅检查更新)。从而保证本地效果/跨平台/安全性。现在?一个都保证不了。我连把一个python包转移到另一台同构设备上都很麻烦(如果两者不是严格匹配,例如系统差异,系统版本差异)无论是web开发还是移动终端开发都必须走传统模式。
优点:Python是一种代表简单主义思想的语言,阅读一个良好的Python程序就感觉像是在读英语一样,使你能够专注于解决问题而不是去搞明白语言本身
Python底层是用C语言编写的,很多标准库和第三方库也都是用C写的,运行速度非常快
IPython
Notebook使我们更容易使用Python进行数据工作,可以轻松地与同时共享Notebook,无需他们安装任何东西,大大减少组织代码,输出和注释文件的开销
Python是一种通用语言,容易和直观,在学习上会比较容易,可以加快你写一个程序的快速,此外Python测试框架是一个内置的,可以保证你的代码是可重复使用和可靠的
Python还是一个多用途语言,把不同背景的人结合在一起,作为一种常见的、容易理解,大部分程序员都懂,可以很容易地和统计学家沟通,你可以使用一个简单的工具就把你每一个工作伙伴整合起来。
由于它的开源本质,Python已经被移植在许多平台上,比如说:Linux、Windows、FreeBSD、Macintosh、Solaris、OS/2、Amiga、AROS等。
缺点:
很多时候不能将程序连写成一行,如import sysfor i in sys.path:print
i,而perl和awk就无此限制,可以较为方便的在shell下完成简单程序,不需要如Python一样,必须将程序写入一个.py文件
Python语法独特,也许不应该被称为局限,但是它用缩进来区分语句关系的方式还是给很多初学者带来了困惑,即便是很有经验的Python程序员,也可能陷入陷阱
Python对比C、C++语言运行速度要慢一些。
我自己曾经把一个策略框架用Matlab和Python同时写了一遍。Matlab的优点是数据格式规范,工具包调用简单,包之间完全不存在相互冲突。
Python的优点在于我能较方便的写出一个可以独立运行的GUI,而且数据读取、处理更顺手。基本都是胶水语言的优点。
而且,该框架Python的运行速度比Matlab快五倍左右(粗略估计)。
但是,我很确定的发现,Matlab更适合我这样的策略研究者,在Matlab下不会被策略之外的bug频繁打断逻辑思路。
我现在研究策略主要用Matlab,Python会用来读取和清洗数据,如果对运行速度有要求,会使用其他解决方案或者Python。
注:曾经因为一个工具包而使用R,感觉结果不对劲,发现工具包本身有错误。和包的作者沟通后确定了。从此对R再也提不起兴趣。不知道Python甚至Matlab是否也存在这种问题。总之,调用工具包都要小心。