با بیش از ۸.۲ میلیون برنامهنویس که از پایتون استفاده میکنند، محبوبیت این زبان برنامهنویسی را نمیتوان انکار کرد. از زمان انتشار اولین نسخه در سال ۱۹۹۰، پایتون حمایتهای عمومی در آکادمی کسبوکار را بهدست آورده که در هوشمصنوعی و یادگیری ماشین بسیار مورد استفاده قرار میگیرد و بهعنوان زیربنای OpenStack عمل کرده و به خدمات ذخیرهسازی فایلهای ابریِ Dropbox نیرو میبخشد. این قابلیت تعمیمپذیری، زبان برنامهنویسیِ پایتون را به گزینهای عالی برای شروع کار توسعه دهندگانِ تازهکار تبدیل میکند. این مقاله به بررسی موارد کاربرد پایتون و مقایسه آن با سایر زبانهای برنامهنویسی پرداخته و منابعی را هم برای یادگیریِ آن معرفی میکند.
زبان برنامهنویسی پایتون چیست؟
پایتون یک زبان برنامهنویسی مفسری است (که به آن اسکریپتی نیز گفته میشود) که در سال ۱۹۹۰ توسط برنامهنویس هلندی Guido van Rossum بهدنبال تجربه شخصیاش در زمینه کار با زبان ABC و با محوریت آموزش CWI ایجاد شد. پایتون با سایر زبانهای برنامهنویسی متفاوت است، زیرا خوانایی کدها و استفاده از فضای سفید نسبت به فایلهای منبعِ جم و جور و کوچک را در اولویت قرار میدهد. پایتون به شکل پویا تایپ میشود و از جمعآوری زباله[۱] (از طریق شمارش مرجع و شناسائی چرخه)، برنامهنویسی شیءگرا و ساختیافته بهطور کامل پشتیبانی کرده و تا حد زیادی از برنامهنویسی کاربردی و جنبهگرا هم پشتیبانی میکند و آن را بهخصوص متنوع و قابل استفاده برای طیف گستردهای از موارد میکند. کتابخانه استاندارد معمولا یکی از بزرگترین نقاط قوت پایتون بهحساب میآید. این ویژگی برنامهنویسان را قادر میسازد بهسرعت پروژهها را توسعه دهند بدون اینکه به پکیجهای شخص ثالث، برای طرحبندی اولیه اپلیکیشنِ داده شده خیلی نیاز داشته باشند. برای تکمیل کتابخانه استاندارد، شاخص پکیج پایتون (PyPI) بیش از ۲۰۰،۰۰۰ پکیج ارائه میدهد که توابع متنوعی فراهم میکنند.
چه چیزی باعث میشود پایتون یک انتخاب خوب برای پروژه من باشد؟
طراحی پایتون بهعنوان یک زبان، آن را به یک انتخاب مناسب برای پروژههایی که چندین کدنویس دارند تبدیل میکند زیرا خوانایی ذاتی زبان به قابلیت انتخاب کد و درک وضوح عملکرد آن کمک میکند. پایتون یک زبان برنامهنویسی قدرتمند است و حتی توسعهدهندگان آماتور را قادر میسازد تا پروژههای خوبی انجام دهند. Xkcd همانطور که برای هر چیزی در علوم رایانه وجود دارد، برای پایتون نیز وجود دارد. پایتون در هوش مصنوعی کاربرد گستردهای دارد. فریمورک [۲]Tensorflow گوگل شامل ماژولهای پایتون، Keras[3] و Scikit – Learn است. Anaconda project یکی از توزیعهای پایتون و R توزیعی از پایتون برای محاسبات علمی است. پلتفرمهای یادگیریِ Qiskit و D-Wave’s Ocean IBM هم از پایتون برای برنامهنویسیِ رایانههای کوانتومی استفاده میکنند. پایتون توسط دانشمندان علم داده با کتابخانههای محبوبی از جمله SciPy[4]، NumPy[5] و Matplotlib[6] استفاده شده و همچنین در فریمورکهای توسعه وب از جمله web2py، Flash، Pyramid، CherryPy، Django و webapp2 کاربرد دارد.
در برنامههای ویرایش گرافیکی از اسکریپتهای درون خطیِ پایتون نیز استفاده میشود از جمله نرمافزار انیمیشن سه بُعدی Maya، Autodesk 3ds Max، MotionBuilder و همچنین Houdini، Lightwave، Cinema 4D و modo، Nuke compositor[7] و مجموعه ابزار متنباز Blender. از میان نرمافزارهای گرافیکی دو بُعدی، PaintShop Pro و همچنین نرمافزار متنباز GIMP، Inkspace و Scribus استفاده میشود. بهعلاوه، نرمافزار LibreOffice از پایتون برای اسکریپتنویسی درونخطی استفاده میکند، بسیار شبیه به روشی که از ویژوال بیسیک برای گسترش و تعمیم ویژگیهای مایکروسافت آفیس استفاده میشود. در سال 1999، Tim Peters توسعهدهنده نرمافزار، کسی که مشارکت بسیاری در پایتون داشته و خالق پیادهسازی اصلی CPython است، نوشتاری با عنوان ” Zen of Python ” دارد. در این نوشتار درباره فلسفه پایتون و فلسفهای که برنامهنویسان باید در رویکرد برنامهنویسی خود بگنجانند، صحبت شده است. بعدها این نوشتار در اسناد رسمی پایتون درج شده است. ۱۹ اصل در این نوشتار بیان شده است، از جمله: زیبا نوشتن کد بهتر از زشت نوشتن آن است. صریح نوشتن کد بهتر از ضمنی نوشتن آن است. سادهنویسی کد بهتر از مرکبنویسی است. مرکب نوشتن کد بهتر از پیچیده نوشتن آن است. یکدست نوشتنن آن بهتر از تودرتو نوشتن است. فاصلهدار نوشتن کد بهتر از فشرده نوشتنِ است. خوانایی در برنامهنویسی مهم است و به حساب آورده میشود. موارد خاص (در برنامهنویسی) آنقدر خاص نیستند که بخاطرشان قوانین را بشکنیم. با اینکه عملی بودن (برنامه) بر شفافیت ارجحیت دارد، خطاها نباید بدون اینکه شناسائی شوند به قسمتهای دیگر برنامه پاس داده شوند مگر اینکه صراحت برنامه از بین رفته باشد. زمانی که با ابهام مواجه شدید، هرگز حدس نزنید. باید یک راه شفاف – و ترجیحا فقط یک راه – برای انجام آن وجود داشته باشد. اگرچه آن راه در ابتدا ممکن است واضح نباشد مگر اینکه شناخت خوبی از کدنویسی داشته باشید. الان بهتر از هیچوقت است. گرچه هرگز اغلب بهتر از همین حالا است. اگر شرح پیادهسازی دشوار است، ایده بدی است. اگر شرح پیادهسازی ساده است، ممکن است ایده خوبی باشد. Namespace ها ایدهای عالی هستند. – بیایید بیشتر از آنها داشته باشیم.
بخش دوم این مقاله را از لینک زیر بخوانید:
زبان برنامهنویسی پایتون: راهنمای مفید (بخش دوم)
[۱] Garbage – Collected
[۲] فریمورکی برای یادگیری عمیق
[۳] پکیجی برای کار با شبکههای عصبی در پایتون
[۴] کتابخانهای که از NumPy برای توابع ریاضی بیشتر استفاده میکند.
[۵] پکیجی است که برای محاسبات علمی در پایتون استفاده میشود
[۶] پکیجی است که برای رسم توابع ریاضی در پایتون استفاده میشود
[۷] حروفچین، آهنگساز
