logo du language de programmation python

Python: 機械学習用に設計された言語

90 年代初頭に誕生した Python は、アプリケーション開発者の間で最も人気のあるプログラミング言語の 1 つです。これが作成されたとき、特定の定期的なスクリプト タスクを自動化できるようになりました。時間の節約は、大量の情報を柔軟に管理できることによって補完されます。これは、複数の機能を備えた大規模サイトのウェブマスターにとって嬉しいことです。ただし、サービスを受けるのは主に機械学習とビッグデータの専門家です。

パイソンって言いましたか?

Python は、1991 年に Guido van Rossum の想像力から生まれました。このプログラマーは、当時のテレビのエンターテイメント番組からインスピレーションを受けてプロジェクトに名前を付けました。他のプログラミング言語とは異なり、動作するためにコンパイルは必要ありません。必要なのは、基本的なコンピュータ上でコードを実行するためのネイティブ インタプリタ ソフトウェアだけです。この特異性により、たとえ速度やパフォーマンスに不満が残る場合でも、できるだけ多くの人がアクセスできるようになります。

Python を使用すると、プログラマはタスクを完了する方法ではなく、何をする必要があるかに集中します。彼らはオブジェクト指向ソフトウェアを使用します。つまり、アプリケーションのプロトタイプを早く日の目を見ることができるように、作成作業をできるだけ簡単にしています。さらに、手間をかけずにコーディングを学びたい人にとっては、非常に優れたオープンソース ツールです。コースは OpenClassrooms で利用できます。学習者は開発者の側からだけでなく、一般のユーザーとしてもプログラミングを習得する方法を学びます。ツール ライブラリをよりよく理解すると、迅速に進歩することもできます。

このプログラミング言語を学ぶメリットは何ですか?

  • Python 言語は初心者にも専門家にもメリットがあります。このツールは、ユーザーが探しているもの、つまりアプリケーションの開発をすぐに取得できるように簡素化されています。構文は直接的であるだけでなく、読みやすいです。
  • このオープンソース ソフトウェアには、ほとんどのオペレーティング システムと互換性があるという利点があります。その多用途性だけでなく、何よりもその普遍性が、相対的な遅さをうまく補ってくれます。
  • 古い世代の開発者は、コンピューティング タスクの自動化だけでなく、スクリプト作成にもこれを使用していました。現在、この言語を使用すると、プロ品質のソフトウェアを作成することもできます。 NASA、EDF、YouTube がこれを使用しています。
  • 多くのオンライン アプリケーションとサービスは Python で開発および管理されています。最もよく知られているものには、BitTorrent (ダウンロード)、Blender (3D)、Miro (インターネット TV)、Battlefield 2 (ビデオ ゲーム) があります。
  • 2021 年にナンバーワンのプログラミング言語の称号を獲得した Python は、あらゆるレベルの開発者にとって必須の言語です。それを無視するのは間違いです。とはいえ、JavaScript などの基本的なものや、Rust や Ruby などの挑戦的なものも不可欠であることに変わりはありません。
  • オールラウンド プログラマーの強力なコミュニティが、この無料ツールを管理する基盤をサポートしています。このソフトウェアに興味を持つ初心者の数は 1 年間で 27% 増加しました。比較のために、C++ は 2020 年に 10% の成長を記録しました。
  • 「ローコード」インターフェイスにより、経験豊富なプログラマーでなくてもプログラミングを行うことができます。書店には直感的なグラフィックツールがたくさんあります。これは、常に Python ライブラリを拡張できる有能な開発者を排除するものではありません。

このプログラムには何件のアップデートがありますか?

今年 2021 年で 30 歳になりますが、Python は現在第 3 世代です。 2 つのバージョンが利用可能ですが、開発者はバージョン 3.8 以降を使用してアプリケーションに取り組むことができます。確かに、2.X エディションはサポートされていますが、2020 年以降は非公式バージョンになっています。

Python 3.X を使用すると、ユーザーは便利であると同時に革新的な機能の恩恵を受けることができます。このプログラムには、より優れたインタープリターと同時実行コントローラーが追加されています。サードパーティが提供するライブラリも充実しつつあります。互換性の問題は、Python Software Foundation と世界中のそのサポーターによって解決されています。

2019 年 10 月以降に利用可能になった Python 3.8.0 では、モールス信号演算子が導入されました。この一斉射撃には、コーディングにおける「if」または「while」型変数を含むさまざまな改善が含まれています。複数のシナリオと常に強化された機能により、開発されるアプリケーションの負担が軽減されます。文字列のデバッグ機能も搭載。究極の使いやすさを実現する単一のデフォルト モデルにより、健全なインストールが可能になります。

プログラミング言語のバージョン 3.9.1 は Mac OS 11 と互換性があります。ARM 構造を使用する Apple の M1 プロセッサをサポートします。付属の実験用インストーラーを使用すると、Universal 2.X バイナリ コードを管理できます。言い換えれば、最も要求の厳しいユーザー、この場合はデータ サイエンティストが、直面する課題に適応したツールを最終的に手に入れることができます。

ただし、完璧なプログラミング言語ではありません。 2021 年、「CVE-2021-3177」の欠陥はアプリケーション開発者にとって大きな問題でした。コードをリモートで実行することが可能であったため、ハッカーは適切な DDoS 攻撃を実行するための扉を見つけました。 Python バージョン 3.8.8 および 3.9.2 では抜け穴が塞がれました。

機械学習とビッグデータにはどのような貢献があるのでしょうか?

Python でのスクリプト作成と自動化は、Web ブラウザーやモバイル アプリケーションでうまく機能します。この言語は、機械学習プレーヤーにとっても不可欠です。豊富なコード ライブラリのおかげで、ツールのさまざまな可能性を活用できます。多くのロボット企業は、製品をより「インテリジェント」にするために、この 30 年間のプログラムに期待しています。アルデバランの場合です。このソフトバンク ブランドは、DIY ユーザーがロボットをすばやくいじることができるように、アクセスしやすいプラットフォームを選択しました。さらに、これはほとんどの既知のオペレーティング システムと互換性のあるツールです。 Windows、Mac OS、Linux、UNIX の開発者は毎日これを使用しています。そして、オープンソース プログラムには 1 つだけではなく、複数のフレームワーク ライブラリが含まれています。

現在、Python は依然としてデータ サイエンスで最も使用されているプログラミング言語です。インターフェースのシンプルさ、構文の読みやすさ、そして何よりもその優れた柔軟性は、データ管理の専門家に高く評価されています。掘削、分類、分析は簡単にプログラムできます。 Tensor Flow、Scipy、および Numpy を使用すると、無限の数のタスクを実行することが可能になります。これらのツールは、ソフトウェア エンジニアリングやエンジニアリングの背景がない人も含め、幅広いユーザーが利用できます。データ サイエンティストには、インターネットから情報を抽出するために Scrapy と Beautiful Soup をお勧めします。 Seaborn と Matplotlib は、視覚化のために設計されています。深層学習タイプのモデルの開発には、Theano と Khera に依存する必要があります。どうしても人工知能アルゴリズムが必要な場合は、Scikit-Learn を利用する必要があります。

図書館で利用できるツールボックスについてはどうですか?

データ サイエンスは、Python に精通したプログラマーにとって人気の分野です。データの活用を可能にする幅広いフレームワークの選択肢の恩恵を受けています。

  • R と Python のアプリケーション開発者に Pandas を紹介する必要はなくなりました。データベース上で信頼性の高い科学的分析を開始します。その機能には、特定のクエリに対する応答を取得する機能など、複数の機能があります。グラフィック視覚化を生成して Excel ワークブックに置き換えることも可能です。
  • Agate は、集約データ分析で遭遇する問題に対処します。意味のある統計を備えたシンプルなインターフェイスを提案します。暗号化された情報はオフィスのスプレッドシートにコピーできます。
  • Bokeh はデータベースの視覚化をさらに活用します。 Agate や Panda と互換性があり、Python でよく使用されます。ユーザーはコードを 1 行も記述する必要はありません。
  • NumPy は Python の計算機です。これは、代数式を通じてデータを理解したい人のためのツールです。複数のデータベースを苦労せずにコンパイルしたい初心者を対象としています。
  • Scipy はテクニカル電卓です。このツールボックスには、ビッグ データ エンジニアリングおよび活用タスクを実行するためのいくつかのモジュールが含まれています。補間、FFT、信号処理専用のプログラムです。
  • PyBrain または Python ベースの強化学習、人工知能、およびニューラル ネットワーク ライブラリは、機械学習用に特別に設計された多数のアルゴリズムをまとめます。
  • Python ライブラリには依然として無数のプログラムが含まれています。開発者は、C コード トランスレータである Cython と MySQL 環境へのコネクタである PyMySQL を試すことができます。 BeautifulSoup は XML と HTML のデータを読み取ります。
  • 最後に、Google Atheris は、Python のバグを診断するためのオープンソース ツールです。 Larry Page のチームは、C または C++ のアプリケーションで同じことを行いました。

Sommaire de l'article

Python: 最も人気のあるビッグデータおよび機械学習プログラミング言語について知っておくべきことすべて。

Python言語

Python は、機械学習、ビッグデータ、データ サイエンスの分野で最も人気のあるプログラミング言語です。

その定義、利点、使用例など、それについて知っておく必要があるすべてを学びましょう。

Python プログラミング言語は、スクリプトの作成やアプリケーションの迅速なプロトタイピングの最も面倒な部分を自動化するための技術として 1991 年に登場しました。

ただし、このプログラミング言語は、近年ソフトウェア開発、インフラストラクチャ管理、データ分析で最も使用されている言語の 1 つになっています。

これは、ビッグデータの爆発的な増加の原動力の 1 つです。

Python プログラミング言語とは何ですか?

プログラマーの Guido van Rossum は、1991 年にオープンソース プログラミング言語として Python を設計しました。

名前はモンティ・パイソンの空飛ぶサーカスに由来しています。これはインタープリタ型プログラミング言語であるため、機能させるためにコンパイルは必要ありません。

「インタープリター」アプリケーションを使用すると、任意のコンピューターで Python コードを実行できます。

これにより、コード変更の影響をすぐに確認できます。

一方で、C などのコンパイル言語と比較すると言語が遅くなります。

Python は高級プログラミング言語であるため、プログラマーは、どのように行うかではなく、何を行うかに集中できます。

したがって、Python でアプリケーションを作成するのは、他の言語よりも短時間で済みます。それは素晴らしい第一言語です。

Python プログラミング言語の主な利点は何ですか?

Python の成功は、初心者と専門家の両方に役立つ多くの利点によるものです。まず第一に、学んで応用するのは簡単です。

機能は制限されているため、プログラムを迅速かつ簡単に作成できます。さらに、その構文は読みやすくシンプルになるように設計されています。もう 1 つの利点は、Python の人気です。

この言語は、すべての主要なオペレーティング システムおよびコンピュータ プラットフォームと互換性があります。さらに、これは確かに最速の言語ではありませんが、その多様性がその遅さを補ってくれます。最後に、この言語は主にスクリプト作成と自動化に使用されますが、プロ品質のアプリケーションの構築にも使用されます。

Python は、アプリケーションから Web サービスに至るまでのソフトウェアを構築するために多くの開発者によって使用されています。

Python 2 と Python 3 の違いは何ですか?

Python には、Python 2 と Python 3 の 2 つのバージョンがあります。これら 2 つのバージョンには多くの違いがあります。

Python 2.x は以前のバージョンで、2020 年までサポートされ、公式アップデートが提供されます。おそらく、その日以降も非公式に存在し続けるでしょう。

Python 3.x が言語の現在のバージョンです。これには、より優れた同時実行制御やより効率的なインタープリターなど、非常に便利な新機能が多数含まれています。ただし、サードパーティのライブラリをサポートしていないため、Python 3 の採用は長い間遅れています。

それらの多くは Python 2 とのみ互換性があり、切り替えが困難でした。ただし、この問題はほぼ解決されており、Python 2 を使用し続ける説得力のある理由はほとんどありません。

Python は、ビッグデータや機械学習に使用されるプログラミング言語です。

パイソンのロゴ

Python の主な用途は、スクリプト作成と自動化です。

実際、この言語を使用すると、オンライン ブラウザやアプリケーションのグラフィカル インターフェイスとの対話を自動化できます。

ただし、この言語の用途はスクリプト作成と自動化だけではありません。

また、アプリケーション プログラミング、Web サービスまたは REST API 開発、メタプログラミング、およびコード作成にも使用されます。さらに、この言語はデータ サイエンスと機械学習でも採用されています。

業界全体でのデータ分析の出現により、データ分析は最も重要なアプリケーションの 1 つになりました。

データ サイエンスおよび機械学習ライブラリの大部分は、Python インターフェイスを統合しています。

その結果、この言語は、機械学習ライブラリやその他の数値手法で最も広く使用されている高レベルのコマンド インターフェイスとして浮上しました。インターネット上には入門書がたくさんあります。

最後に、Aldebaran などのロボット企業は、この言語を使用してロボットをプログラムしています。

このプログラミング言語は、サードパーティ企業やアマチュアによるアプリケーションの設計を簡素化するために、ソフトバンクが買収した会社によって採用されました。

データサイエンティストはなぜ Python を使用するのでしょうか?

Python は、最も広く使用されているデータ サイエンス プログラミング言語です。

シンプルで読みやすく、クリーンで適応性があり、プラットフォームに依存しません。

TensorFlow、Scipy、Numpy などの多数のライブラリにより、幅広い作業を実行できます。

2013 年のオライリーの調査によると、データ サイエンティストの 40% が日常的に Python を使用しています。構文が簡単なため、必ずしもエンジニアリングの経験がない人でも使用できます。

ラピッド プロトタイピングが可能で、コードは Windows、macOS、UNIX、Linux などどこでも実行できます。その柔軟性により、機械学習モデル、データ探索、分類、その他多くのタスクを他の言語よりも速く構築できます。

Scrapy ライブラリと BeautifulSoup ライブラリを使用するとインターネットからデータを抽出でき、Seaborn と Matplotlib を使用するとデータの視覚化が簡単になります。

Tensorflow、Keras、Theano は深層学習モデルの作成に役立ち、Scikit-Learn を使用すると機械学習アルゴリズムの作成が簡単になります。

主要な Python およびビッグデータのライブラリとパッケージ

Pythonプログラミング

Python の多くのデータ サイエンス パッケージとツールにより、Python はビッグ データにとって理想的なプログラミング言語としての地位を確立しました。

最も人気のあるものをいくつか紹介します。

パンダ

最もよく使用されているデータ サイエンス ライブラリの 1 つは Pandas です。

R と Python に精通したデータ サイエンティストによって作成され、現在では多くの科学者やアナリストによって使用されています。

非常に実用的なネイティブ機能が多数あります。

たとえば、複数のソースからデータを読み取り、それらのソースからビッグ データフレームを生成し、答えたい質問に基づいて集計分析を実行することが可能です。

最もよく使用されているデータ サイエンス ライブラリの 1 つは Pandas です。

R と Python に精通したデータ サイエンティストによって作成され、現在では多くの科学者やアナリストによって使用されています。非常に実用的なネイティブ機能が多数あります。

たとえば、複数のソースからデータを読み取り、それらのソースからビッグ データフレームを生成し、答えたい質問に基づいて集計分析を実行することが可能です。

可視化機能を利用して、分析結果からグラフを作成したり、Excelにエクスポートしたりすることもできます。

数値テーブルや一時データを操作することもできます。可視化機能を利用して、分析結果からグラフを作成したり、Excelにエクスポートしたりすることもできます。数値テーブルや一時データを操作することもできます。

瑪瑙

Pandas よりも新しい Python パッケージである Agate も、データ分析の課題を解決することを目的としています。

Excel テーブルを確認および比較したり、データベース上で統計計算を実行したりすることができます。全体として、Agate は Pandas よりも習得が簡単です。

さらに、データの視覚化機能により、分析結果を簡単に確認できます。

ボケ味

Bokeh はデータを視覚化するための優れたツールです。

Agate、Pandas、その他のデータ分析ライブラリと互換性があります。純粋な Python と組み合わせることもできます。

このアプリケーションを使用すると、コードを必要とせずに高品質のチャートや視覚化を作成できます。

ナムピー

NumPy は科学計算を実行するための Python モジュールです。

線形代数、フーリエ変換、乱数の計算に役立ちます。これは、汎用の多次元データ コンテナーです。さらに、幅広いデータベースと簡単に統合できます。

シピー

Scipy は技術的および科学的コンピューティング ライブラリです。

代数、補間、FFT、信号および画像処理などのデータ サイエンスおよびエンジニアリング活動用のモジュールが含まれています。

Scikit-Learn

Scikit-learn は、デシジョン ツリー フォレスト、勾配ブースティング、K 平均法を統合した分類、回帰、クラスタリング手法に非常に役立ちます。

この機械学習 Python ライブラリは、NumPy や SciPy などの他の Python ライブラリと連携して動作します。

A lire également  AI: 人工知能が翻訳にどのような革命をもたらしたかを知る

パイブレイン

Python ベースの強化学習、人工知能、ニューラル ネットワーク ライブラリはすべて PyBrain の頭字語です。

名前が示すように、これは機械学習タスク用の基本的かつ強力なアルゴリズムを提供するライブラリです。また、事前定義された幅広いシナリオでアルゴリズムをテストおよび比較するために使用することもできます。

TensorFlow

TensorFlow は、Google Brain によって作成された機械学習ライブラリです。

そのデータ フロー グラフィックスと柔軟なアーキテクチャにより、単一の API を介して PC、サーバー、さらにはモバイル デバイスから複数の CPU または GPU で操作や計算を実行できます。

Cython は、コードを C 環境で実行できるように変換して実行時間を最小限に抑えることができるもう 1 つの Python ライブラリです。

一方、PyMySQL を使用すると、MySQL データベースに接続し、データを取得し、クエリを実行できます。

BeautifulSoup は、XML データと HTML データの読み取りをサポートしています。

最後に、iPython ノートブックを使用すると対話型プログラミングが可能になります。

OpenClassrooms で Python を学ぶ

Python を無料で徐々に学習したい場合は、OpenClassrooms が提供する初心者向けの入門コースが最適です。

このコースは 5 つのセクションに分かれています。

Python について詳しく説明した後、ユーザー側と開発者側の両方からオブジェクト指向プログラミングを理解することができます。

その後、標準ライブラリが発見され、コースはいくつかの追加の付録で終了します。

OpenClassrooms ソリューションには、無料で初心者でもアクセスでき、自分のペースで進められるという利点があります。

また、プログラムを受講した上で試験演習に合格すると、専門家が認める認定資格を取得することができます。

Python を独学で学習するのに役立ついくつかのリソース。

初心者向けの Python チュートリアルの PDF またはビデオを共有している人が何人かいます。

これらの教材は独学で学ぶ場合に役立つかもしれません。 Dominique Liard は、ビデオ形式を好む人のために、YouTube で一連の Python 学習ビデオを作成しました。

バージョン 3.9.7 は 2021 年 8 月から利用可能

その名を冠した Python 言語は、Python Software Foundation によってバージョン 3.9.7 に更新されました。 2020年10月のメジャーバージョン3.9へのバージョンアップ以来、今回で6回目のメンテナンスとなります。

Python は、Apple M1 上の macOS 11 とネイティブ互換性があります。

Python コア開発者は、2020 年 12 月に Python 言語のバージョン 3.9.1 をリリースしました。

これは、Apple の新しい Arm ベースの M1 プロセッサとネイティブ互換性のある macOS 11 Big Sur の最初のバージョンです。

Core Python チームは、実験用インストールである macos11.0 を作成しました。

Xcode 11 を使用して、Apple Silicon プロセッサ上で実行される Universal 2 バイナリを開発できます。

バイナリは、macOS の現在のバージョンで作成し、オペレーティング システムの以前のバージョンに展開できます。 Apple がアーキテクチャを変更する決定を行ったことを受けて、これはデータ サイエンティストにとっては安心材料となります。

Google Atheris は、Python の問題を見つけるための無料のオープンソース ツールです。

Atheris ツールは、Google のセキュリティ専門家によって「無料で利用できるように」されました。

Python コードのセキュリティ上の欠陥や脆弱性を検出し、手遅れになる前に解決するのにも役立ちます。

このユーティリティでは「ファジング」技術が使用されています。

この手法には、大量のランダム データをアプリケーションに供給し、その結果を分析して潜在的な障害や異常を検出することが含まれます。開発者はアプリケーション コード内の欠陥を探すことができます。

この新しいツールは、2013 年以降に Google が発表したオープンソースの「ファザー」の長いリスト (OSS-Fuzz、Syzkaller、ClusterFuzz、Fuzzilli、BrokenType) に加わります。

一方、これらの以前のソリューションは、C または C++ のソフトウェアの欠陥を見つけるために使用されていました。

TIOBE Index によれば、Python は現在 3 番目に人気のある言語ですが、Google は Atheris で高まる需要に応えています。

2020 年 10 月の社内ハッカソン中に作成されたこのツールを使用すると、Python 2.7 および 3.3 以降のプログラムに加え、CPython で作成されたネイティブ拡張機能をファジングできます。

ただし、Atheris 言語の新機能によりより多くの問題を識別できるため、Python 3.8 以降のコードで使用することをお勧めします。 Atheris コードは GitHub または PyPi で見つけることができます。

Python は最も人気のあるプログラミング言語です

テーブル最高のプログラミング言語

プログラミング言語の数は増え続けており、開発者はキャリアアップのためにどれを習得すればよいかを判断するのに苦労しています。

オライリーの新しい分析「2021 年にプログラミング、運用、AI、クラウドが向かうところ」では、2021 年にどの言語が最も人気になるかを予測しています。

アナリストが使用するデータは、オライリーのオンライン トレーニング、パートナー トレーニング、および仮想イベントから得られます。

今年も、Python が依然として最も人気のあるプログラミング言語です。開発者の関心は前年比 27% 増加しました。

この熱狂は主に機械学習における Python の利点に関係していることがわかります。

実際、scikit-learn ライブラリの使用は 11% 増加しました。

深層学習に使用される PyTorch フレームワークの人気は 159% 増加しました。

ただし、他の言語も人気を集めています。

2020 年と比較して、JavaScript の使用量は 40%、C は 12%、C++ は 10% 増加しました。

Go、Rust、Ruby、Dart など、他のあまり知られていないプログラミング言語の人気も高まっています。

Rust は、新しいオペレーティング システムやクラウド運用用ツールの開発など、システム プログラミングに最適な言語になる可能性があります。

同様に、Go は主要な競合プログラミング言語としての地位を確立しています。

オライリー氏はまた、コンピューターコーディングのスキルを持たない人でもシンプルなグラフィカルインターフェイスを使用してアプリケーションを構築できる「ローコード」または「ノーコード」プログラミングの受け入れを強調した。

一方、プロの開発者は職を失う危険はありません。

この種のプログラミング用の新しい言語、ライブラリ、ツールを作成するには、常に専門の開発者の作成とメンテナンスが必要です。

人工知能と機械学習も人気を集めています。

AI に対する開発者の関心は 64% 増加しましたが、ML に対する関心は 14% でした。

同時に、自然言語処理は 21% 増加しました。

TensorFlow は最も人気のある機械学習プラットフォームであり、2020 年までに関心が 6% 増加すると予想されています。

クラウド コンピューティングの活用方法を学びたい開発者が増えています。

1 年で AWS への関心は 5% 増加しました。

Amazon のクラウドが依然として最も人気がありますが、Microsoft Azure への関心は 136% 増加しました。 Google Cloud に関しては 84% の増加です。

この傾向は、データとアプリケーションをクラウドに移行する企業が増えていることを示しています。最後に、オンライン学習の導入は 96% 急増しました。

新型コロナウイルス感染症の流行により対面でのトレーニングが妨げられていることを考えると、これは驚くべきことではありません。

教育本の利用は 11% 増加し、教育映画は 24% 増加しました。

Python: FSP は、リモート コード実行を可能にする 2 つの脆弱性を修正しました。

ITセキュリティ

Python の現行バージョンに影響を与える 2 つの脆弱性が 2021 年初頭に発見されました。

「CVE-2021-3177」の脆弱性はバッファに影響し、Python プログラムでリモートコードが実行される可能性があります。

幸いなことに、PSF はブログ投稿で、リモート コードの実行には多くの条件が必要であることを明らかにしています。

ただし、この欠陥により DDoS 攻撃が可能になります。サイバー攻撃者はプログラムをクラッシュさせるために、バッファに過負荷をかける可能性があります。 2 番目の脆弱性 CVE-2021-23336 により、Web キャッシュが汚染される可能性があります。

これらの問題の発見を受けて、Python Foundation は Python 3.8.8 と 3.9.2 のリリースで両方のバグを修正しました。したがって、このセキュリティ上の危険を排除するには、Python のバージョンを更新することが不可欠です。

初めて、Python が TIOBE インデックスで Java と C を追い越します。

TIOBE は、最も人気のあるプログラミング言語の毎月のランキングを発表します。

この月次ランキングは、コーディング分野の時間の経過に伴う変化を評価するのに役立ちます。

パーセンテージ評価システムは、Bing、Amazon、YouTube、Wikipedia、Google、Yahoo、Baidu での各プログラミング言語の検索量に基づいています。

2021年6月にはC言語が12.54%のスコアで1位となった。ただし、このスコアは、2020 年 6 月と比較して 4.65% の減少を反映しています。

一方、Python 言語は 11.84% のスコアで 2 位を占めています。したがって、これら 2 つの言語の差はわずか 0.7% です。 Python のスコアは昨年 3.48% 増加しました。

次に 3 位は Java で、スコアは 11.54% で、2020 年 6 月より 4.56% 低下しました。当時、Java は 2 位でした。

TIOBE Software の CEO、Paul Jansen 氏によると、Python がまもなくランキングのトップの座に就くだろうという。この上昇は、TIOBE指数が20周年を迎える2021年7月に起こる可能性があります。

過去 20 年間にわたってトップの座を維持してきたのは C と Java だけです。したがって、Python の優位性は、コンピューティングの歴史における決定的な瞬間を意味するでしょう…

C++、C#、Visual Basic、JavaScript、および PHP は、2020 年 6 月以来ランキングの 4 位から 9 位を維持しています。アセンブリは 2.05% のスコアで 8 位にランクされています。

これは、この言語が 14 位にランクされていた 2020 年 6 月と比較して 1.09 パーセントの上昇を表します。

SQL は 1.88% のスコアでトップ 10 に入りました。これは、2020 年 6 月と比較して 0.15% の増加に相当します。

トップ 10 以外では、Visual Basic Classic は 1 年間で 8 位上昇しました。

12 位の Groovy は 19 位上昇し、17 位の Fortran は 20 位上昇しました。

一方、Rとスウィフトは5つずつ順位を落とし、それぞれ14位と16位となった。 MATLAB は 4 つ順位を落とし、Go は 8 つ順位を落としてトップ 20 に入りました。

Dart、Kotlin、Julia、Rust、TypeScript、Elixir は、将来有望な言語の一部です。

今のところ、これらの新しい言語は上位からは程遠い状態にあり、過去 1 年間でランキングに大きな変動はありませんでした。

SlashData によると、Python と JavaScript には最大の開発者コミュニティがあります。

世界の開発者コミュニティは、2021 年の最初の 6 か月間で急速な成長を遂げました。これは、SlashData が発行したレポートで強調されています。

調査によると、2021 年第 1 四半期の開発者数は世界中で 2,430 万人でした。これは、2020 年 10 月に記録された 2,130 万人と比較して 14% の増加に相当します。

JavaScript は 6 か月で約 140 万人の新規開発者を魅了しました。この言語には最大の開発者コミュニティがあり、1,380 万人の開発者がいます。

また、2017 年第 4 四半期から 2021 年第 1 四半期の間に 450 万人の新規開発者が追加され、最も急速な成長を遂げました。

データ サイエンスなど、JavaScript が好まれる言語ではない分野でも、エンジニアの約 4 分の 1 が JavaScript を使用しています。

開発者コミュニティチャート

2 位は Python で、開発コミュニティの数は 1,010 万人です。

このコミュニティは 20% の割合で成長しており、これはすべてのプログラミング言語の中で最も速い成長率です。

研究によれば、Python の人気は主にデータ サイエンスと機械学習の台頭によるものです。

実際、Python はデータ サイエンティストと機械学習エンジニアの約 70% によって使用されています。

比較すると、R を使用している人はわずか 17% です。Java が 940 万人の開発者で 2 位、C/C++ が 730 万人、C# が 650 万人で続きます。

開発者数はそれぞれ 260 万人、250 万人で、Android の Kotlin 言語は iOS の Swift をわずかに上回っています。

開発者によれば、Python 4.0は決して日の目を見ることはないかもしれないという。

グイド・ヴァン・ロッサム

Python の創設者である Guido Van Rossum 氏は、この言語のバージョン 4 は決して日の目を見ないかもしれないと述べました。これは主に、2008 年の Python 2.0 から Python 3.0 への移行中に遭遇した多くの課題によるものです。

Microsoft Reactor とのインタビューで、Van Rossum 氏は、前回のメジャー アップデート中に多くの障害に遭遇したため、彼も Python 開発者のコ​​ア チームも 4.0 バージョンを作成する意欲を感じていないと述べました。

Python 3 は Python と互換性がないため、Python 2 ソフトウェア ライブラリに依存関係を構築した開発者は、Python 2 ソフトウェア ライブラリを Python にアップグレードできませんでした。

その後、長い移行段階が続き、それは数年間続き、この言語の創始者にとっては痛ましい記憶を残しました。なお、Python 2 のライフサイクルは 2020 年 4 月のバージョン 2.7.18 で終了しました。

Python 4.0 が日の目を見ることになる唯一の理由は、C との互換性に関する大幅な変更であり、その場合はアップデートが必要になります。それ以外では、Python は引き続き厳格な年間リリース スケジュールを遵守します。

バージョン 3.x は 3.99 まで維持され、その時点で必要に応じて小数点の後に別の数字が追加されます。

Pythonは約5年で5倍高速になる

スピード

Python には多くの利点があるにもかかわらず、その遅さは根本的な欠陥の 1 つです。

高度な抽象化で解釈されるこの言語は、C++ や Java よりもはるかに低速です。ただし、これは将来のエディションで変更される可能性があります。

言語設計者のグイド・ヴァン・ロッサム氏はPython言語サミットで、2022年10月に予定されているバージョン3.11では速度が2倍になると述べた。

そしてそれはほんの始まりにすぎません。

毎年新しい版が出版され、現在のペースは 5 年以内に 5 倍に増加すると予想されています。

  1. Van Rossum 氏は、GitHub で共有されたプレゼンテーションの中で、この偉業をどのように達成する予定であるかを説明しています。

検討されたアプローチの中には、適応型インタプリタ、フレーム スタックの最適化、オーバーヘッドのない例外サポートなどがあります。

アプリケーション バイナリ インターフェイス (ABI) やスタンドアロン コード ジェネレーターなどのその他の改善は、Python をさらに高速化することを目的としています。したがって、Python 設計者にとって速度が主な関心事であるようです。