程式語言那麼多,到底哪個最該學?哪些又開始要被市場淘汰了呢?一起來看看吧!!(上)
為何我們會想寫這篇文章?
科技發展的速度之快，讓背後的基底-程式語言，也隨之瞬息萬變。今日需求量最高的程式語言，不一定能應付明日興起的新科技；明年誕生的程式語言，也許會讓新一代的工程師更好上手、更易閱讀，而取代了當代排名第一的程式語言。若想成為 IT 界數一數二的頂尖工程師，你必須要掌握當下最熱門的程式語言，不斷的練習直到熟能生巧為止。為了要盤點近期內可能會有那些程式語言被淘汰，達內教育評價小組參考了軟體評價公司 TIOBE 與專注於軟件開發人員行業的分析公司 RedMonk 的排行，還有科技傳媒 Dice 自家的職務公告資料庫。看看你所精通或正在修習的程式語言是否上榜吧！沒有的話，恭喜你；若有的話，也不要覺得白費功夫，只要加緊專攻它的「替代品」就好了！例如你擅長數據分析專門的 R 語言，就加碼學習更易上手的 Python ，而且已經有基礎的你會學得比 Python 初心者更快！一起來一探究竟吧！
1. R 語言-曾是用於數據分析、機器學習的首選語言，自2017年開始漸漸被Python取代
由 S 語言發展而來的 R 語言，比起其他應用於數據科學的程式語言，有更強的物件導向功能。加上再資料分析、資料探勘方面有專業且完整的模組，再矩陣運算、向量運算等常用的功能都有高階的運用，且平台適應性強 (Linux、Windows 都可用)、程式碼。因此曾是用於資料分析的寵兒。
但是同領域的後起之秀 Python，除了擁有上述所列的 R 語言的優點之外，還有更豐富的資料結構來實現更精準的資料訪問和記憶體控制，多維陣列(可讀寫、有序)、元組(只讀、有序)、集合(唯一、無序)、字典(Key-Value)等等。
Python 在各方面的表現都有一定水準，無論是對呼叫其他的程式語言、連線並讀取來源資料、對系統的操作、或是正則表達和文書處理，Python 都佔上風。 而 R 是在統計方面比較突出。
2016 年與 2017 年在數據分析、數據科學和機器學習上，Python、R、兩者共同使用，以及其他平臺的人數對比。
根據專注於「數據分析」領域的網站 KDnuggets 調查顯示，從 2017 年，在數據分析、資料科學和機器學習上使用 Python 的人口開始多過於原本的主流 R 語言。
2. Ruby：最容易上手的程式語言，但市場需求也在下降
赤手可熱的程式語言學習平台 Coding Dojo 下架了曾經是前十大受歡迎的程式語言 Ruby 的課程。曾經風靡一時的 Ruby，也掉出了 TIOBE 的 Top 10 榜單，並且在 IEEE 榜單中也有同樣的遭遇。根據 Dice 的資料，企業對 Ruby 的需求大幅下降，在 2018 年就掉了 56%。
其他閱讀
留言列表
