基于实施、绩效、社区和学习曲线的总体结论

[roseline371274]

从用例的实现来看，Python 显然是赢家。所有三个用例都易于实现，有大量可用的示例，并且代码易于解释（易于理解和实现）。这当然是意料之中的，因为 Python 是数据科学的首选语言。

与其他三种语言一样，尽管有些语言表现良好，但实现并不像预期的那样顺利，其他语言根本没有运行......Julia 具有很大的潜力，您可以在网上找到 K-means 用例的值得称赞的示例。对于另外两种情况，实施起来就变得有点困难了。然而，人们也认为 Julia 尚未达到应有的水平，因此随着语言在内心深处的发展，Julia 可以成为数据科学领域的一颗真正的明珠。

对于 Go 和 Rust 的用例，在网上找到好的示例更加困难，这主要是由于该编 喀麦隆 数字数据 程语言的社区较小。然而，Rust 仍处于发展阶段，将来可能会更容易实现这些情况。

换还是不换，这是个问题
这些现代语言表现出一些宝贵的特征，并在某些领域展现出潜力。然而，Python 仍然显示了它的真正价值，尤其是在用例的比较中。当然，这种比较也可以用不同的方式进行；可以选择其他机器学习算法和问题，不同的硬件（仅举几例）。然而在大多数用例中，Python 显然是赢家。请注意，在本质上，Python 在很大程度上依赖于 C/C++。这使得 Python 成为将这些低级算法粘合在一起的合成糖，使它们易于使用。尽管 Rust 不那么容易学习，但由于有多个包（库）可用，它具有相同的功能，因此 Rust 也可能是这方面的一个很好的候选者。

那么，您是否应该考虑转换到其他语言？
嗯...学习其他编程语言总是一个好主意。不仅可以提高自己的技能水平，还可以获得更多的工具来完成工作！了解语言的优点和缺点可以让你作为程序员更容易地选择适合工作的工具。现在你知道了，如果你想实现一个 CNN，使用 Rust 可能不是最好的选择。然而，当性能很重要时，你绝对应该考虑 Rust。

需要记住的要点是每个问题都有一个解决方案，选择正确的语言取决于需要完成的任务，当然还取决于您的经验和知识水平。了解用什么语言可以做什么有助于提高您作为程序员的技能。