为什么机器学习的框架都偏向于Python

Matlab是进行研究机器相关研究的最好语言，几乎没有之一。然而，价格不菲。于是，学者们将视线转到了Python。
有个学者是做机器学习的，但不是计算机专业出身。对于他来说，最直接的需求就是，将自己的idea从公式转化到计算机语言，进行运行即可。这一次转化，中间所需要做的额外精力越少越好。
那么首先，在算法实现的过程中，遵循程序语言的规则和避免程序语言的陷阱是需要耗费精力的：Python语言本身的设计，可以帮助用户避开数量不少的陷阱，无需考虑申明变量，释放内存这些非计算专业学者所认为的“琐事”。
其次，从数学符号转化到计算机语言这本身，也是需要耗费精力的。如果能提供给研究人员一种错觉：“写程序，就是将公式以另一种语言再写一遍即可”，是比较完美的。Python所能提供的这种错觉，相对于其他语言，比较偏高。主要依靠Python本身的特色和一些开源的算法库。首先，Vector提供了吧，学者理解这个泛型几乎不需要眨眼吧。然后，全称量词什么的，一个for in也能解释，虽然有点怪怪的，但也能接受吧。最后，一大波库袭来，SciPy、Numpy等等。让写程序和写公式一样酸爽。
到这里，这个学者有点坐不住了。觉得这个还行，先看看价格，你猜怎么着，免费！！！！学者立即一拍大腿，就她了。这时候，突然一道亮光闪过，Python女神出现在他的面前：“感谢您选择Python，我们还有超级大礼包相送哦”
“首先，您发表的论文得有个图吧，来来来，这里有个Matplotlib拿去。画出来的图特别的萌萌哒。”
“您平时做研究还要做个笔记什么的吧，来来来，这里有个ipython notebook拿去，做笔记也萌萌哒。哦，忘了告诉你了。稍微转化一下，可以用作slideshow。这样，你去开会的时候，做presentation 也萌萌哒”
“还有哦，我们还提供网络蜘蛛，lambda函数式编程。只要您需要，也会提供哦，免费的哦！！”
“希望您使用愉快！”
这时候，这个学者厚重的眼镜片下，充满了泪水。