京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2018 IEEE顶级编程语言交互排行榜发布:Python屠榜
今天,IEEE Spectrum 发布了第五届顶级编程语言交互排行榜:Python 卫冕成功,C++ 异军突起,雄踞第二,C 语言和 Java 则「退位让贤」,分据第三和第四。
榜单地址:https://spectrum.ieee.org/static/interactive-the-top-programming-languages-2018
IEEE 的榜单结合 9 个数据来源的 11 个衡量指标(去年的排行榜有 12 个指标,今年少了 Dice job 网站信息,因其关闭了 API),权衡并发布了 47 种语言的排行榜,少于去年的 48 种。该排行榜允许读者根据自己的喜好或需求设定权重,如语言趋势或员工最关注的语言等。读者可以查看 Trending、Jobs、Open 等不同维度的编程语言排行数据。
读者可以根据自己的喜好或需求设定权重。
2018 年 IEEE 顶级编程语言交互排行榜和 2017 年排行榜前十名对比图。
Python 的排名从 2016 年开始就持续上升,去年顺利登顶,仅以 0.3 分的优势超越第二名 C 语言险夺第一。而今年,Python 依然高居榜首,且与第二名拉开差距。但是,今年的第二却不再是 C 语言,而是 C++ 了。C++ 的异军突起,使得 C 语言和 Java 都不得不「退位让贤」,分别降至第三和第四(去年它们分别位至第二和第三)。
为什么 Python 会继续获得程序员的青睐呢?顶级编程语言中的另外两个变化可能会给出点提示。
首先,Python 现在被视为嵌入式语言。以前,编写嵌入式应用程序严重倾向于编译语言,以避免在处理能力和内存有限的机器上高速评估代码的溢出。摩尔定律虽已渐式微,但还未完全消退。很多现代微控制器已有足够的能力承载 Python 解释器。以这种方式使用 Python 的一个好处是,它在某些应用程序中,通过交互提示或动态重新加载脚本来操作附加硬件非常方便。涉足到一个新的领域,只会增长 Python 的人气。
Python 越来越受欢迎的另一个原因是 R 语言的热度下降。R 在 2016 年达到顶峰,排名第五,去年跌至第六,今年排名第七。R 是一种专门处理统计和大数据的语言。随着人们不断把对大型数据集的兴趣转向其在机器学习上的应用,且由于数据统计和机器学习中高质量 Python 库的出现,相比更专业的 R 语言,灵活的 Python 语言变得更有吸引力。
IEEE Spectrum 聚焦未来发展趋势,旨在衡量各项指标以找出发展迅速的语言,可以看到谷歌的 Go 已经从第 7 位上升到第 5 位。但名次上升最快的还是 Scala,从第 15 位上升到第 8 位。Scala 是为了改进 Java 而创建的,所以 Java 名次下降的部分原因可能是 Scala 的上升。
令人惊讶的是,Action 的排名提升非常有限。去年它以 0.0 的排名垫底,几乎要被淘汰,但今年它以 1.6 分回到了倒数第二。Forth 是嵌入式世界的一匹老马,但是却拿了零蛋。这是作者个人最喜欢的语言之一,但如果明年它继续拿零分,就要被踢出排行榜了。
那么这一年中发展最快的编程语言又是哪些呢?和去年一样,Python 占据榜首,C++ 跃居第二,Java 和 C 排名位置各掉一名。
接下来,我们来看工作环境中编程语言的使用情况。Python 从去年的第三名跃居第一,Java 从第一名掉落至第三名,C 语言保持不变,而 C++ 依然势头强劲,评分增幅达 1.4。
而开源项目钟爱的编程语言排名如下:
前四名稳定不变,而去年的第五名 Swift 掉落至 22 名!
最后来看根据设计自由度衡量出的编程语言排名:
Python 仍然是第一名,Java 从去年的第二名跌至第四,Java 排名未变,但所占比例由 17 年的 88.9 下跌至今年的 82.3。PHP 与 Java 持平,较去年略有上升。
综合来看,Python 在各个榜单上均稳居第一,而 C++ 也不容小觑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20