做人工智能为什么经常要学 python？

当前，提到人工智能、数据科学几乎就一定会提到 Python，很多人工智能相关的课程实质上也都在大篇幅的讲 Python，有的初学者甚至认为人工智能和 Python 是划等号的，随着人工智能概念的火热几乎掀起了一股全民学 Python 的热潮。那么，作为一种计算机程序语言，Python 到底有何魅力，如此受到人工智能的喜爱。总结下来，主要就是两点：

（1）丰富的类库支持

Python 从面世以来逐渐发展出了一个大型、活跃的科学计算及数据分析社区，成为数据科学、机器学习和学术 / 工业界通用软件开发等领域的重要语言之一。尤其是 Python 对各种类库的支持更使得它成为数据分析任务的一个流行选择。例如，Numpy（Numerical Python）是 Python 数值计算的基石，它提供多种数据结构、算法以及大部分涉及数值计算所需的接口。Pandas 则提供了高级数据结构和函数，它将表格和关系型数据库（例如 SQL）的灵活数据操作能力与 Numpy 的数组计算相结合，提供丰富的基础函数，能有效简化清洗和预处理数据的工作。Matplotlib 是目前最流行的用于制图和二维数据可视化的 Python 库，可以帮助数据分析者直观的观察数据分布情况。Scikit-learn 更是一个专门用于机器学习的模块，诞生于 2010 年，目前已成为编程者首选的机器学习工具包。SKlearn 拥有全世界 1500 位代码贡献者，包含分类、回归、聚类、降维、模型选择等子模块。丰富的类库支持使得 Python 成为高效的数据科学编程语言，数据玩家可以像搭积木一样，灵活的操作数据，搭建自己的模型。

（2）简单易用

Python 是一种代表极简主义的编程语言，阅读一段排版优美的 Python 代码，就像在阅读一个英文段落，非常贴近人类语言。为什么说简单就是杀手锏？一旦简单了，一件事情就会变得很纯粹，我们在开发 Python 程序时，可以专注于解决问题本身，而不是去搞明白语言本身。一句话就能理解：“Python 是世界上最不需要写注释的语言“。

另外，开源免费也是 Python 流行的原因之一，用户使用 Python 进行开发或者发布自己的程序，不需要支付任何费用，也不用担心版权问题，即使作为商业用途，Python 也是免费的。

Python 语言简单易学，支持库丰富强大，这两大支柱基本就奠定了 Python 在人工智能的江湖地位。

但是，Python 并不等于 AI，换句话说并不是掌握了 Python 就能够成为一个 AI 专家。虽然 Python 很强大，但它只是一个计算机程序语言，而 AI 的核心是什么，简单来说就是算法，各种各样的算法，这些算法的背后蕴含的则是统计学、微积分、概率论等数学理论。没有这些算法，AI 也无从谈起。

数据玩家们为了实现这些算法，一定要编出程序，这些算法都很复杂，如果每个东西都从头写那会累死人。而 Python 中有现成的，所以大家就用 Python 了。而只要有这些类库支持，用其它语言，比如 R，SAS，也都可以方便地建模；反过来，只懂得 Python 的程序员虽然也能够建出模型，但是如果没有背后的数学理论支持，不懂得如何合理的处理数据，选模型，选参数，做评估等等，也很难建出好模型。

打个形象点的比喻，Python 里的函数就好像是一堆模块化的建筑材料，而要盖一座大楼仅仅有这些原料是远远不够的，还要懂得建筑结构，材料，机械，流体力学，暖通工程等理论才能建出适合住户需求且安全的大楼；否则只能叫搭房子，至于搭出来的房子能不能住人、会不会倒，经常是看运气。因此 AI 的核心是数学，而 Python 是实现这些核心的强大工具。

那么，是不是没有统计学和算法基础的普通人就无法使用 AI 技术来解决问题了？也不是，近年来兴起的自动建模技术就可以解决该问题。自动建模技术是将统计学家和数学家的数据处理经验和理论融入到软件中，使得软件能够智能的去完成数据预处理，建模型，选参数，做评估等一系列的工作。对于使用者来讲只需要将数据丢进自动建模工具，并且配置好目标，工具就能够自动建出优质模型。因此无论是业务人员还是普通的 IT 程序员都可以通过自动建模技术来做数据挖掘业务，连简单的 Python 都不用再学就可以享受 AI 技术带来的福利。

对进一步数据挖掘和 AI 技术感兴趣的同学还可以搜索“乾学院”。