1. Python是解釋語言，程序寫起來非常方便

　　寫程序方便對做機器學習的人很重要。

　　因為經常需要對模型進行各種各樣的修改，這在編譯語言里很可能是牽一發而動全身的事情，Python里通常可以用很少的時間實現。

　　舉例來說，在C等編譯語言里寫一個矩陣乘法，需要自己分配操作數（矩陣）的內存、分配結果的內存、手動對BLAS接口調用gemm、最后如果沒用smart pointer還得手動回收內存空間。python幾乎就是import numpy; numpy.dot兩句話的事。

　　當然現在很多面向C/C++庫已經支持托管的內存管理了，這也讓開發過程容易了很多，但解釋語言仍然有天生的優勢--不需要編譯時間。這對機器學習這種需要大量prototyping和迭代的研究方向是非常有益工作效率的。

　　2. Python的開發生態成熟，有很多有用的庫可以用

　　除了上面說到的NumPy，還有SciPy、NLTK、os（自帶）等等不一而足。Python靈活的語法還使得包括文本操作、list/dict comprehension等非常實用的功能非常容易高效實現（編寫和運行效率都高），配合lambda等使用更是方便。這也是Python良性生態背后的一大原因。相比而言，Lua雖然也是解釋語言，甚至有LuaJIT這種神器加持，但其本身很難做到Python這樣，一是因為有Python這個前輩占領著市場份額，另一個也因為它本身種種反常識的設計（比如全局變量）。不過借著Lua-Python bridge和Torch的東風，Lua似乎也在寄生興起。

　　3. Python的效率很高。

　　解釋語言的發展已經大大超過許多人的想象。很多比如list comprehension的語法糖都是貼近內核實現的。除了JIT[1]之外，還有Cython可以大幅增加運行效率。最后，得益于Python對C的接口，很多像gnumpy, theano這樣高效、Python接口友好的庫可以加速程序的運行，在強大團隊的支撐下，這些庫的效率可能比一個不熟練的程序員用C寫一個月調優的效率還要高。

　　4.數據存儲方便

　　有sql,Hadoop,mangodb,Redis,Spark等

　　5.數據獲取方便

　　有Scrapy,beautifulsoup,requests,paramiko等

　　6.數據運算方便

　　有pandas，Numpy，scipy等

　　7.輸出結果方便

　　有matplotlib,VisPy等

　　8.和其他語言交互方便

　　有ctypes,rpy2,Cython,SWIG,PyQt,boost.python

　　9.加速方便

　　有pypy,Cython,PyCUDA

　　10.圖形圖像方便

　　有PyOpenGL,PyOpenCV,mayavi2

　　11.信號處理方便

　　PyWavelets，scipy.signal

　　12.云系統支持方便

　　github,sourceforge,EC2,BAT,HPC

　　13.python開源

　　python支持的平臺多，包括windows,Linux,unix,macos。而matlab太貴，只能調用其api，用python省錢，省錢就是賺錢。

　　python 和 c++ 做個比較。

　　c++ 的cpu效率是遠遠高于 python 的.不過 python 是一門膠水語言，它可以和任何語言結合，基于這個優點，很多數據處理的python 庫底層都是 c++ 實現的，意思就是說：你用python寫code，但效率是c++的。只有那些for 循環，還是用python的效率高。

　　近年來機器學習最要是深度學習，而深度學習使用cuda gpu加速遠比cpu要快，而cuda 是c++寫的。

　　所以現在TensorLayer、theano 等深度學習庫都是 python 編程、底層c++。

        從上文的論述中，Python的重要性不言而喻，奇酷教育從零基礎打造Python培訓高級開發課程。奇酷教育Python課程將主要講授Python基礎知識，穿插講解Python的最佳實踐，讓學員不僅僅學會編程的基本語法，還能學到資深工程師的編程經驗，了解一線互聯網公司用到的Python工具和開源項目，熟悉Python高手的編程風格。

　　奇酷教育原創開發的Python培訓課程http://www.15lily.com/不僅涵蓋Web前后端開發和網絡爬蟲技術，還包括獨有的數據分析和機器學習，前端、服務端一網打盡?？蓮氖耊eb前端、Web服務端、服務器運維、網絡爬蟲、大數據分析、機器學習等多種熱門職業，學員百分百高薪就業!