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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12