我們最近討論過，那些被世界銀行定義為高收入水平的發達國家，在選擇使用什麼型別的技術方面，和世界上的其他地方往往有著較大的區別。這類區別中，差異最大的例子之一，就是 Python 程式語言。如果只統計高收入國家的資料，這幾年間 Python 的增長量遠超過諸如 StackOverflow 趨勢工具中顯示的全球軟體開發工具的增長情況。

今天，我們將深入挖掘一下近五年裡 Python 程式語言爆炸性增長的細節資料，主要以高收入國家使用者產生的 StackOverflow 流量為指標。當然，我們很難精確定義像“增長速度最快”這樣的說法，但我們還是找到了 Python 是近年來增長速度最快的主要程式語言的決定性證據。

除非特別表明，本文以下討論的所有資料均僅統計高收入國家範圍內；這些流量主要來自比如美國、英國、德國、加拿大等發達國家，佔了 StackOverflow 總訪問量的約 64%；其他一些國家，比如印度、巴西、俄羅斯和中國當然也為全球軟體開發生態系統做出了巨大的貢獻，限於篇幅本文對此不再詳細討論，但我們也能看到， Python 在這些國家中也表現出增長的趨勢。

這裡要先強調一點，某種語言的使用者數量並不能用於衡量某個語言的質量：我們只是單純描述開發者使用程式語言的情況，並沒有對此做出任何評判。

高收入國家中 Python 語言的增長情況

從 StackOverflow 趨勢工具上，我們能看到近幾年 Python 的增長勢頭一直非常迅猛。但如果光考慮高收入國家的情況又如何呢？我們的統計口徑是每個問題的閱讀量，而不是回答數量——雖然二者結果類似，但閱讀量的每月干擾較小，特別對較小的標籤更是如此。

對於 StackOverflow 問題的閱讀量，我們能獲得的統計資料是從2011年末至今。在此範圍內，我們將 Python 和其他5中主要的程式語言進行對比。（注意：這個統計範圍比趨勢工具分析的範圍要小，趨勢工具的資料是從2008年至今。）這些程式語言是目前 StackOverflow 上高收入國家的使用者訪問量最多的10大標籤中的6個 —— 其他4個沒有列入對比的是 CSS 、 HTML、Android、和 JQuery。

從資料上來看，2017年6月，Python 首次超過 Javascript，成為 StackOverflow 上閱讀量最高的標籤。其中， Python 在美國和英國是國內閱讀量第一，在其他幾個高收入國家則略微小於 Java 或者 Javascript ，屈居亞軍。這可是相當引人注目的成就，要知道在2012年，它比其他5個程式語言都低，而短短的幾年內就增加了2.5倍。當然這部分原因是由於 Java 每季度的訪問變化規律：由於在大學課程中 Java 的佔比相當大，所以 Java 的閱讀量在每個學期期中和期末階段會迎來一個高峰，而到了暑假期間則相對回落。在今年底 Java 是否有可能再度反超 Python 呢？我們用了個趨勢分析模型“STL”，將季度性的變化和總體的增長趨勢進行整合，並對接下來兩年的增長趨勢進行了預測：

根據這個模型，Python 有可能繼續保持領先，也有可能在今年秋季被 Java 暫時超過（這些都在模型預期的變動範圍內），但很明顯，在2018年 Python 將毫無疑問成為閱讀量排行第一的標籤。 STL 模型還推測， Java 和 Javascript 將會繼續保持在比較相似的水平，正如它們前兩年中的趨勢一樣。

總體上看哪個標籤增長的最快？

上述資料都僅限在訪問最多的6大程式語言中。但在目前各種技術百花齊放的時候，到底誰才是當下在高收入國家裡增長最快的技術呢？

我們決定以2016年度和2017年度的閱讀量增長率為指標，分析了各大程式語言（ Java 和 Python 之類）以及各種平臺（比如 iOS、Android、Windows 和 Linux）的資料，不過沒有包括類似 Angular 這樣的框架或者 Tensor Flow 這樣的工具（雖然它們很多也展現出了不俗的增長勢頭，也許我們之後會另文討論）。

由於在不同體量和增長數量上的差異，單純的增長率數字是不具有可比性的。因此，我們使用了一張平均差圖來對比每個標籤的總量和增長率。

如圖所示，擁有 27% 年增長率的 Python 可謂獨佔鰲頭：基數大的標籤中增長最快，增長快的標籤中總量最大。與其增長率類似，總量排在第二大的是 R 語言。在高收入國家，大部分總量較大的標籤的流量都保持相對穩定，除了 Android 、iOS 和 PHP 有些微的減少。之前我們還討論過的 Objective-C 、 Perl 和 Ruby 都有比較明顯的縮減。各種函數語言程式設計語言中， Scala 是總量最大增長情況也最好的，而 F# 和 Clojure 則總量很低，又呈減少趨勢，只有 Haskell 保持居中穩定態勢。

不過上圖中有一個特殊的成員無法顯示，那就是 Typescript 。它的相關問題閱讀量在去年增長了 142% 以至於沒法擺在圖上。同時，你還能看出有許多相對較小的語言的增長速度也和 Python 持平或更高（比如 R、 Go 和 Rust），而 Swift 和 Scala 也顯示出了令人印象深刻的增長勢頭。那麼他們的總閱讀量情況和 Python 相比如何呢？

類似 R 和 Swift 這些語言的增長速度確實頗為可觀， TypeScript 更是在這麼短的時間內翻了一番多。這些較小的程式語言的發展，幾乎都是從完全默默無聞，到如今在軟體生態系統中佔有了不可忽視的份額。但根據這張圖表我們可以看出，對於總量相對較小的語言，要更快地擴張還是相對容易的。

請注意我們並不是把這些語言和 Python 進行對比，只是嘗試解釋這些語言的增長速度和總量的關係——這些語言都還有非常廣闊的前景。但在目前的統計資料中， Python 確實是獨樹一幟：它既是這些語言中總閱讀量最大的，也是增速最快的之一。（事實上，它的增速還在加快！從2013年以來，每年的平均增長率都在提高。）

放眼全球

至此，我們已經分析了高收入國家中 Python 語言的相關趨勢。在全球的其他國家，比如印度、巴西、俄羅斯和中國， Python 是不是也有著類似的增長情況呢？

答案是肯定的。

在其他國家和地區， Python 依舊是增長最快的主要程式語言，它原先也還是保持著較低的水平，比高收入國家遲了兩年（2014年）才開始高速增長。事實上，在非高收入國家的使用者中， Python 相關標籤的閱讀量年增長率甚至比高收入國家的還稍微高一點點。雖然上圖沒有顯示，但另一門使用量和GDP呈正相關關係的程式語言： R 語言的訪問量在這些國家裡也呈增長趨勢。

本文中，關於問題標籤閱讀量增減情況（而不是絕對的排行）的許多結論都是基於高收入國家的資料，但在其他國家和地區也同樣成立。在這兩種不同區域間的增長率資料的斯皮爾曼相關係數達 0.979。在部分情況下——比如在 Python 語言的增長——你可以看到存在某種像是“延遲”的現象：當一種技術在高收入國家中廣泛普及後一兩年，才逐漸擴充套件到全球範圍。

下一步研究方向

我們寫這篇文可不是為了引戰。某種語言的使用者量並不能代表它的質量，當然也不能告訴你對於某種特定情況用哪種語言來解決更好。帶著這樣的觀點，我們相信，通過類似研究，我們可以瞭解到當前的軟體開發生態是由哪些語言組成的，以及據此推測整個產業將會往什麼方向改變。

大家在學python的時候肯定會遇到很多難題，以及對於新技術的追求，這裡推薦一下我們的Python學習扣qun：784758214，這裡是python學習者聚集地！！同時，自己是一名高階python開發工程師，從基礎的python指令碼到web開發、爬蟲、django、資料探勘等，零基礎到專案實戰的資料都有整理。送給每一位python的小夥伴！每日分享一些學習的方法和需要注意的小細節

點選：p