作為一枚程式設計師，想要研究Python程式語言與數學學習（教學）的結合，就不能不瞭解以及比對一下其他數學學習與應用的解決方案，比如R語言、Matlab等數學軟體。經過廣泛的搜尋瞭解了一下國外的反饋與趨勢之後，最終的結論就是Python確實是未來。
Python與R語言的對比
Python與R語言在資料分析領域的對比，DataCamp上有一篇引用率非常高的文章，資料分析選擇R還是Python，不過這篇文章是2015年寫的，我們先大致總結一下文章內容：
R主要用於學術與研究，也開始迅速進入企業市場，越是接近統計學、研究、資料科學，你就會越偏愛R，而Python主要用於程式設計師想進入資料分析領域、掌握統計技能，以及其他開發人員進入資料科學領域。如果你的工作越接近工程環境，你會越偏愛Python。
R的社群生態主要是研究員，資料科學家、統計學家和量化研究員，而Python主要是程式設計師和開發者。
R學習門檻比較高，但是當你掌握了基礎之後就學起來比較容易，R對程式設計師來說不難；Python可讀性強，入門非常容易，被公認為非常不錯的入門程式語言。
在2015年前的Tiobe程式語言的排名上Python排名在第4或第5，R排在第17到13。而據2015資料分析領域，用R的研究員佔58%，Python佔42%，兩者都用的佔23。45%；
在2013年，R轉Python的有26%，Python轉R的有18%，而新進入資料分析領域的有44%的人選擇R，23%的人選擇Python。
從2015年之前的情況看來，正如作者所說，R和Python在資料分析領域確實平分秋色，難分伯仲，從資料中我們可以看出，雖然Python相比R更流行，在程式設計方面更有優勢，但是在資料科學領域，選擇使用R的人更多。
但是翻到2018年的文章裡看到2016、2017年的資料，情況下發生了逆轉。在資料科學領域，2016年有34%的人選擇Python，42%的人選擇R，而到了2017年41%的人選擇Python，36%的人選擇R。在2017年的調查統計裡資料科學家和工程師最流行的程式語言分別是JavaScript（58。7%，令人驚訝啊，可能與資料視覺化有關？）、SQL（58%）、Python（45%），而R（11。2%），Python在商業領域比較火，而R在學術和研究領域比較多，所以不那麼流行吧。而在最近的Tiobe的排行榜上，與資料科學相關的程式語言Python、R、SQL、Matlab等漲幅都比較大，Python在整個程式語言的流行度也由2014年的2%猛增到2019年8。26%，躍居第3，成為2018年年度語言。
Python、R、Scala在資料科學領域的流行包
Python與Matlab的對比
雖然不是學數學的，但是Matlab的大名可是如雷貫耳，與數學相關專業、相關行業的學生、工程師們基本一定會使用到它。MathWorks公司跟設計公司Adobe、三維軟體公司Autodesk一樣都是極其硬核的存在，旗下的產品不僅是學習必備，而且是工程（比工作聽起來霸氣）必備。我個人對Matlab的瞭解極其有限，Python與Matlab的對比我也只能像一個產品經理去廣泛查閱專業意見來權衡利弊。我所得出的結論也只是基於掌握了Python的前提，斷不敢用偏頗的立場去褻瀆神器。 我們來看一下美國相關專業人員對兩者的對比，只是粗略而不精準的翻譯一下。
我是一名工程師，之前長期使用Matlab來處理複雜的數學運算都沒有遇到什麼大的問題，就在幾個月前因為崗位需要學習了Python之後，我才意識到Matlab相比Python是多麼的糟糕。之前需要我用Matlab花一整天處理的問題用Python只需數小時，Python的表現、流暢度讓我驚訝。而且使用Python我可以做之前用Matlab做的任何事情，而且更優秀。因此我非常建議Matlab使用者轉向Python。Python程式語言比Matlab更強大，能夠聯合非常多的外部工具模組，只需一個檔案就可以呼叫非常多的庫、函式、類，語法也更加簡單，面向物件開發也更加方便，還能非常方便地呼叫C、C++、Fortran。Python是免費的，而且可以執行在更多平臺上面。 ——-Stackoverflow某工程師
經過調查Matlab與Python的宿命之爭在2011年就開始了，而且網上Matlab與Python的對比文章、評論非常之多。Matlab官方在2013年就開始拿Matlab和Python進行對比官方對比最是致命：MATLAB OR Python中文，年代越近，由Matlab全面轉向Python的建議就越多，更多人直言Python是未來的程式語言，在Python與Matlab的選擇之上，看了非常多的建議，已成一邊倒的趨勢。 有人列出了Python相對於Matlab的8大優勢，我只粗略翻譯一下這8大優勢，詳情大家可以去檢視原文：
Python的程式碼相比於Matlab更簡潔，可讀性更強；
和其他程式設計一樣，Python都是從0開始計數，而Matlab不是；
Python可以更好的支援雜湊字典；
面向物件開發讓Python更簡單、更優雅；
Python免費且開源；
Python一個檔案、模組裡可以包含非常多的函式；
Python支援import宣告；
Python支援更多影象處理的包和工具集
在PyCon 2017年的大會上，多位大佬提出科學家應該全面擁抱Python，在2015年開始Python在NASA的地位就開始遙遙領先IDL、Matlab和Fortran。由於這裡我們只討論Python和Matlab在數學上的對比，至於科學家轉型Python的優勢的細節，大家可以看DataCamp的雄文。
小結
其實在寫這篇文章之前，我就問過一下包括清華在內的學校以及一些數學專業的學生，Matlab和R還是佔主流，但是經過一番調查發現在美國Python在資料科學、數學等方面好像漸成壓倒性的優勢。這也激勵我要把用Python學數學的專欄給寫下去。
以上為2019年3月份的對比
2020年11月的新趨勢調查
對於沉迷於比較的我來說，2019年調查的對比結果可能過於陳舊，於是我又進行了一番調查。
以下是Kaggle （瞭解資料分析的童鞋，我就不介紹了）2019年年底做的使用者調查，收到了近2萬份的回覆，從事資料分析相關行業的職業主體最多的是資料科學家、學生、軟體開發工程師（程式設計師肯定首選Python）、市場調查、商業分析、產品經理和資料工程師、統計學家等：
而其中MySQL和PostgresSQL是最流行的關係型資料庫，最流行的AI框架PyTorch， Tensorflow， and Keras全部都是基於Python的，Matplotlib和Seaborn是用得最多的資料視覺化包，怎麼又和Python貼合得比較緊密？50%以上的人使用Jupyter notebook，其次是VS Code和R studio（兩個差不多）。
而這2萬人最經常使用的程式語言是Python，其次是SQL，然後是R，從資料上來看使用Python的人是R的3倍，是Matlab的N倍。而只使用Python的人比只使用R的人要高數倍，也就是說會R的童鞋也會去學Python，會Python的未必會去學R。
從以上資料可以看出，經過了幾年的發展（可以瞭解一下我之前調查的情況），Python的流行度越發地擠佔了R和Matlab的空間了，資料顯示這就是趨勢，不以個人的喜好或者理解而改變。