Python 比 Java 牛在哪?
回复内容:
谢邀.作为一个数年C/Java/Python混合开发者, 我谈谈我的感受.
我认为C, Java跟Python都是非常成功的语言, 具体选哪种看你的场景.
言归正传,来对比一个Python跟Java.
Python:
优点 ( 知乎怎么不能把这行字变大点??):
语法简洁优美, 功能强大, 标准库跟第三方库灰常强大, 应用领域非常广: vinta/awesome-python · GitHub(跟PHP形成宣明对比!)
语言方面, 举几个例子:
一切都是对象!!!
类(class本身)/函数/类方法是callable的对象
因为是对象,所以你当然可以传来传去啦. 比如:
<span class="k">class</span> <span class="nc">A</span><span class="p">:</span> <span class="k">def</span> <span class="nf">__init__</span><span class="p">(</span><span class="bp">self</span><span class="p">):</span> <span class="k">print</span> <span class="s">"init A"</span> <span class="k">def</span> <span class="nf">run</span><span class="p">(</span><span class="bp">self</span><span class="p">):</span> <span class="k">print</span> <span class="s">"run A"</span> <span class="n">threading</span><span class="o">.</span><span class="n">Thread</span><span class="p">(</span><span class="n">target</span><span class="o">=</span><span class="n">A</span><span class="p">)</span><span class="o">.</span><span class="n">start</span><span class="p">()</span> <span class="c">#: 在另一个线程执行A()</span> <span class="n">a</span> <span class="o">=</span> <span class="n">A</span><span class="p">()</span> <span class="n">threading</span><span class="o">.</span><span class="n">Thread</span><span class="p">(</span><span class="n">target</span><span class="o">=</span><span class="n">a</span><span class="o">.</span><span class="n">run</span><span class="p">)</span><span class="o">.</span><span class="n">start</span><span class="p">()</span> <span class="c">#: 在另一个线程执行a.run() ... </span> <span class="c"># 惊呆没有,这是怎么做到的?? 也许你该看看描述符的概念</span>
python自带了函数的curry化以及迟滞运算方式,以及闭包语法更容易实现,所以在一定层面上python还是比java难掌控的。
当然python最好的还是duck typing属性,作为动态语言专有的特性,python可以让对象摆脱静态语言范式的约束,随意的给程序打补丁,所以程序扩展性更好。
同时,作为解释型语言,服务器热部署这块,python肯定有优势,一旦程序出问题,直接覆盖原有的源文件就行,而Java 的服务器热部署基于classloader的切换,其中像tomcat这种服务器的热部署(也就是reload功能)其实很容易造成JVM heap爆掉,且完全依赖服务器后台线程对各代码文件的时间戳扫描,所以热部署这块python优于java。 用Python不会被黑,不像Java,每天被用来各种比较各种骂,连带着Java程序员都被各种鄙视,也是醉了 我觉得Python对比Java优点就是语法简洁表达力强。其他的也就没啥了,哦,还有python是脚本语言,在某些情况下脚本语言比需要编译语言有点优势。 优点在于:语法简单清晰。
我了解了python基础语法之后,就能完整的分析Android的OTA包生成过程,解读ota_from_target_files脚本。 不问是不是,只问为什么的就是耍流氓。
什么事情用什么语言,只有最适合的,没有最好的。 牛在......首先,Python上手快;然后,随着学习深入,Python代码更加优雅,而Java代码更加规(臃)范(肿)....... Python比java字母多两个,老师说要选长的。 简单点说
Python的语法:你认为是怎样的,它就是怎样
Java的语法:你以为是这样的,实际上是那样的.... 嘴炮功力

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Lösung für Erlaubnisprobleme beim Betrachten der Python -Version in Linux Terminal Wenn Sie versuchen, die Python -Version in Linux Terminal anzuzeigen, geben Sie Python ein ...

In diesem Artikel wird erklärt, wie man schöne Suppe, eine Python -Bibliothek, verwendet, um HTML zu analysieren. Es beschreibt gemeinsame Methoden wie find (), find_all (), select () und get_text () für die Datenextraktion, die Behandlung verschiedener HTML -Strukturen und -Anternativen (SEL)

Dieser Artikel vergleicht TensorFlow und Pytorch für Deep Learning. Es beschreibt die beteiligten Schritte: Datenvorbereitung, Modellbildung, Schulung, Bewertung und Bereitstellung. Wichtige Unterschiede zwischen den Frameworks, insbesondere bezüglich des rechnerischen Graps

Das Statistikmodul von Python bietet leistungsstarke Datenstatistikanalysefunktionen, mit denen wir die allgemeinen Merkmale von Daten wie Biostatistik und Geschäftsanalyse schnell verstehen können. Anstatt Datenpunkte nacheinander zu betrachten, schauen Sie sich nur Statistiken wie Mittelwert oder Varianz an, um Trends und Merkmale in den ursprünglichen Daten zu ermitteln, die möglicherweise ignoriert werden, und vergleichen Sie große Datensätze einfacher und effektiv. In diesem Tutorial wird erläutert, wie der Mittelwert berechnet und den Grad der Dispersion des Datensatzes gemessen wird. Sofern nicht anders angegeben, unterstützen alle Funktionen in diesem Modul die Berechnung der Mittelwert () -Funktion, anstatt einfach den Durchschnitt zu summieren. Es können auch schwimmende Punktzahlen verwendet werden. zufällig importieren Statistiken importieren Aus Fracti

In dem Artikel werden beliebte Python-Bibliotheken wie Numpy, Pandas, Matplotlib, Scikit-Learn, TensorFlow, Django, Flask und Anfragen erörtert, die ihre Verwendung in wissenschaftlichen Computing, Datenanalyse, Visualisierung, maschinellem Lernen, Webentwicklung und h beschreiben

Dieser Artikel führt die Python-Entwickler in den Bauen von CLIS-Zeilen-Schnittstellen (CLIS). Es werden mit Bibliotheken wie Typer, Click und ArgParse beschrieben, die Eingabe-/Ausgabemedelung betonen und benutzerfreundliche Designmuster für eine verbesserte CLI-Usabilität fördern.

Bei der Verwendung von Pythons Pandas -Bibliothek ist das Kopieren von ganzen Spalten zwischen zwei Datenrahmen mit unterschiedlichen Strukturen ein häufiges Problem. Angenommen, wir haben zwei Daten ...

Der Artikel erörtert die Rolle virtueller Umgebungen in Python und konzentriert sich auf die Verwaltung von Projektabhängigkeiten und die Vermeidung von Konflikten. Es beschreibt ihre Erstellung, Aktivierung und Vorteile bei der Verbesserung des Projektmanagements und zur Verringerung der Abhängigkeitsprobleme.
