其實Python並不是很難，我今年才學到Python，剛開始學的時候感覺有點不懂，但是時間長了就慢慢搞懂了，需要時間去理解。

Life is short, you need python，作為python開發者，都能深刻理解這句話的哲學含義以及在python中的實踐意義。因為它簡單易學，功能強大，極大的提高了開發效率，特別是很多第三方開源庫的出現，如資料分析用的pandas，數學計算的numpy，機器學習領域的tensorflow, pytorch等等，使得在其它語言中很難實現的功能python幾行程式碼就能搞定，所以這幾年變得越來越流行。

至於說為什麼很多人覺得python很難，我想說，難得不是python語言，而是專業知識。比如說你想使用pytorch開發機器學習的程式，如果你不懂機器學習，那麼你就會覺得很難，其實如果換了別的語言同樣很難，因為機器學習本身是一門難度較高的專業。同理，網路爬蟲，web開發等領域存在類似的問題。

最後，附上The zen of python（python之禪）。

python難易程度都是相對來說的，對於新手小白來說新接觸一門語言，內容瞭解不深入，還是很難的，那另一方面，如果有一定的C語言，會Java，掌握SQL，學習一門語言就很簡單了。

目前主流的資料分析語言有python、R語言、MATLAB，那python在其中算最簡單最易上手的一門語言了。Python語法簡單，對於小白而言，比起其他語言來說，更容易上手。python有很多功能強大的庫。可以使用python這個語言去建構以資料為中心的應用程式。Python是一門膠水語言，python語言能夠以多種方式輕易地與其他語言的元件粘接在一起。是一門更易學、更嚴謹的程式設計語言。

對於語言學習難易程度，這裡通過對比來反應其難易程度。

1⃣️Python介面統一，學習曲線平緩，應用於資料分析、機器學習、矩陣運算、科學資料視覺化、數字影象處理、Web應用等各方面。

2⃣️R語言介面眾多，學習曲線陡峭，R語言應用於統計學習、機器學習、科學資料化語言等。

3⃣️MATLAB自由度大，學習曲線較為平緩，主要運用於矩陣運算、數值分析、科學資料視覺化、機器學習、符號計算、數字影象處理、數字訊號處理、模擬模擬等。這個軟體一般學界用的比較多，業界應用較少。

學習python要掌握NumPy數值計算基礎、Matplotlib數值視覺化操作，pandas統計分析基礎、資料預處理、使用scikit-learn構建模型等，對於新手小白來說上手還是有些難度的，建議有一個系統的學習，祝學習愉快！

Python能做的東西太多了，如 1做前後端網站開發 2大資料開發，3人工智慧應用。每一項都有海量的知識和和技能需要掌握，普通人只能選擇其中一項慢慢專研了。

首先，Python作為高階程式語言，在同類語言中算是比較親民的，所以大家說它簡單。

第二，程式語言只是工具，就像樂高積木。但是軟體開發是個系統工程，需要有設計。需要懂一些專案思維和程式設計思想，這些其實是通用的，也是感覺到難的部分。

第三，程式設計要有目的，是做什麼，做成什麼樣，最好先設定好，哪怕不清楚想試錯也要想好試什麼。不然容易失控或者爛尾。

個人觀點

因為Python是一門通用的語言，要先了解什麼是Python才能更好學會這門語言的，Python可以說是功利主義，因為它被設計得非常容易讀和寫。重點就是：它並非一門複雜的語言。設計者很少強調傳統的語法，使得它及時對於非程式設計師或者開發人員來說都很容易使用。

此外，由於它被認為是真正通用的、可滿足多種開發需求的語言，所以它也為程式設計師提供了各式各樣的選擇。如果他們使用Python作為一份工作或者一項事業的開端，他們很容易就能跳到另一份工作去，即使這兩份工作之間並無關聯。Python可以被用作系統操作、Web開發、伺服器和管理工具、部署、科學建模等。

但令人驚訝的是，許多開發人員並沒有把Python作為他們的第一語言。因為它是如此容易使用和學習，所以他們選擇它作為第二語言或第三語言。這可能是它在開發人員中如此流行的另一個原因。

而且，世界上最大的科技公司之一——谷歌——也使用Python來開發他們的一部分應用。他們甚至有一個專門的Python開發人員門戶，提供包含視訊、講座等等的免費課程。值得一提的是，網路開發中，Django框架的崛起以及PHP的普及度降低也促成了Python的成功。最終這將會是一場“完美風暴”，開發者、官方支援以及需求都會迴歸到合適的水平。

Python在工作上的使用

1、資料分析，工作主要從事大資料計算，經常遇到一些奇葩的資料，需要寫下指令碼進行清洗、分析。Python做這個還是非常方便的，特別配合上IPython。

2、資料庫操作，經常要寫些指令碼操作資料庫。例如一些資料的遷移，從一種表結構遷移到新的表結構、還有例如一次有一個庫有20000多張表，需要為這些表新增一些列，用Python輕鬆解決。

3、系統開發，用Python為公司開發了幾個高效運維的系統，整合如自動打包、資料引流、自動化測試等等。用Python 由於有很多開源的包與gitlab/jenkins等非常輕易結合。由於程式碼是公司在內部使用，不方便公開。

Python是AI和機器學習的未來

Python程式語言目前正在推動科學程式設計普及，但原來的情況並非總是如此。多年來，學者和私人研究人員一直使用MATLAB語言進行科學研究。

這一切都開始隨著Python數值計算引擎(如NumPy和SciPy)的釋出而改變，允許通過單個“import”語句後跟一個函式呼叫來完成複雜的計算。 雖慢但確實，Python開始接管作為電腦科學研究的首選語言。

因為考慮到語言的靈活性，其速度以及提供的機器學習功能庫(如scikit-learn，Keras和TensorFlow)，我們將繼續看到Python在機器學習領域佔據主導地位。

如果你對人工智慧或者大資料有那一丁點的興趣，你都應該學習一下Python。