著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
2005年中期，用了几天学完了Python，随后两天用了十几个小时写了编译原理的课程设计，这是我大学阶段所有课程设计里唯一没有延期的。后来逐渐发现Python的简单可以把我的思想从编程语言的细节里解放出来，更关注实际要解决的问题。就喜欢上了。既然有人点赞，就再补充点。很多人关注起Python就是因为简单易懂，做Web很方便。但在深入CS学科的很多高级主题时，Python能发挥出更加强大无比的力量。而这来自于Python是个好胶水。坦白讲，Python不算最好的胶水，至少Lua做胶水就比Python好，API好用。但Python再算上强大的标准库、数据结构、友好的转义后，就脱颖而出了。在科学计算领域，NumPy和SciPy的存在解放了很多人的思想束缚。其底层C模块，性能一流。而当你需要一流的性能与一流的可调试性时，Python C模块是最好的选择。封装虽然有些麻烦，但封装后可以在Python里调用实在太方便。一些已有的C/C++应用也可以通过将函数封装给Python调用，而极大的降低调试难度，提升单元测试覆盖率。2007年时我开始学Python的C模块编程，并在博客中放出了我的笔记。那时写了不少东西。封装libpcap后，做网络抓包，通信劫持，使得别人眼里，我俨然是个正经黑客。后来迷恋erlang期间，做了C node的Python封装，使得Python与Erlang可以互发消息，组建集群。搞硬件开发期间，封装了Cubieboard和RaspberryPi的GPIO、SPI等众多外设的Python接口，调试速度快到了云边。做USB通信期间，因为PyUSB不支持isochronous通信而自己重写了个libusb的Python封装，使得USB编程不再困难。做音视频识别的日子里，做了v4l2的Python封装，使得操作摄像头的控制精度达到了最高。相比于其他人，用上这些Python封装后，迭代速度数十倍的提高带来了系统进化速度的极大提高。比如我在音视频识别的研究期间，因为NumPy和我自己的封装，每天动则十几次甚至几十次的迭代，优化算法的各种参数。使得我在不到两年时间里，识别效果就超过可某大学教授12年的研究成果。识别速度更是超出对方两个数量级。对于各个领域的研究者，我是真心推荐Python的。用上NumPy和SciPy，你就拥有了极致的性能，顶级的可调式性，和产品级的稳定性。而这也使得Python的这套组合成为科学计算领域唯一能与matlab竞争的选择。过200赞我就专门写一篇文章介绍用Python做科学计算的几个实例。居然一个多小时就过200赞了。我的博客地址在 http://gashero.iteye.com/ ，我会用大约一周来写，写完后会把地址贴到这里。感谢大家的厚爱。人生苦短，快用Python！
