De populariteit van Python 

In de afgelopen jaren heeft Python een enorme opmars gemaakt en is het een van de meest populaire programmeertalen wereldwijd. Deze populariteit van Python is niet louter toeval; het is een gevolg van de veelzijdigheid en effectiviteit van Python in diverse toepassingsgebieden. In deze blog verkent en analyseert open source guru AD Thiers van ons zusterbedrijf AT Computing waarom Python zo’n dominante positie heeft bereikt en waarom het in verschillende domeinen superieur is ten opzichte van andere programmeertalen. 

Wat Python onderscheidt van andere talen is niet alleen zijn veelzijdigheid, maar ook zijn sterke community. De Python-gemeenschap heeft bijgedragen aan een overvloed (stortvloed?) aan bibliotheken en frameworks, waarmee het makkelijk is om oplossingen te vinden of te maken voor bijna elk probleem. Daarnaast heeft Python een toegewijde package manager, pip, waardoor het eenvoudig is om externe bibliotheken te installeren en bij te werken. Ook tooling om het maken van Python applicaties (nog) makkelijker te maken is in overvloed aanwezig en is – hoe kan het anders – veelal geschreven in Python. Voorbeelden hiervan zijn: Pytest, Poetry, Flake8, Mypy en Pyenv.

De leesbaarheid van de code is een ander onderscheidend kenmerk. In vergelijking met talen zoals C++ en Java, die vaak complexe syntaxis hebben, biedt Python een meer natuurlijke en leesbare syntaxis, waardoor het gemakkelijker wordt om code te begrijpen en te onderhouden.

Webontwikkeling
Python heeft zich bewezen als een krachtige keuze voor webontwikkeling, waar frameworks zoals Django, Flask en FastAPI uitblinken. Met Python kun je gemakkelijk leesbare en onderhoudsvriendelijke code schrijven. Vergeleken met andere talen vermindert Python ontwikkeltijd, zodat ontwikkelaars zich kunnen concentreren op het creëren van robuuste webapplicaties.

Ook de andere kant van de medaille – het aanroepen van RestAPIs en het ophalen van gegevens van webpagina’s en het verwerken daarvan – wordt ruimschoots met Python frameworks afgedekt. Denk hierbij aan Requests, HTTPX, BeautifulSoup en Zeep.

Data science en Machine Learning
De opkomst van data science en machine learning heeft Python naar voren geschoven als dé taal voor deze domeinen. Populaire bibliotheken zoals NumPy, Pandas, en scikit-learn bieden krachtige tools voor gegevensanalyse en machine learning. Zowel beginners als experts kunnen complexe modellen implementeren en begrijpen, een voordeel dat lang niet altijd wordt geboden door alternatieve talen.

Kunstmatige Intelligentie (AI)
Python is de taal bij uitstek voor het ontwikkelen van AI-toepassingen.
TensorFlow en PyTorch, twee vooraanstaande AI-frameworks, ondersteunen Python als hun primaire programmeertaal. Dit maakt Python de voorkeurskeuze voor onderzoekers en ontwikkelaars die werken aan cutting-edge AI-projecten. De heldere, eenvoudige syntaxis en uitgebreide ondersteuning dragen bij aan de positie van Python als dé taal voor AI-ontwikkelingen.

System Management en Automatisering
In system management en automatisering biedt Python een eenvoudige en flexibele oplossing. Met krachtige bibliotheken zoals Paho MQTT, Fabric, Netmiko en Ansible kunnen ontwikkelaars complexe taken automatiseren met minimale inspanning.
De scripttaal benadering van Python maakt het gemakkelijk om op vrijwel alle platforms te draaien, waardoor het een veelzijdige keuze is voor systeembeheerders.

Testautomatisering
Python excelleert ook in testautomatisering, met frameworks zoals Robot, Selenium en Celery die ontwikkelaars in staat stellen om efficiënt en effectief tests uit te voeren.

Robot Framework, een open-source testautomatisering framework, biedt ondersteuning voor testen op verschillende niveaus, waaronder acceptatie-, functionele en regressietests. Zijn duidelijke syntaxis en de mogelijkheid om in combinatie met andere talen te werken, maken het een veelzijdige en populaire keuze voor testautomatisering.

Celery, aan de andere kant, is een distributed task queue-systeem dat geschikt is voor asynchrone taken, wat essentieel is voor testautomatisering in complexe systemen.
Het stelt ontwikkelaars in staat om taken zoals het uitvoeren van tests parallel en gedistribueerd uit te voeren, waardoor de snelheid van het testproces toeneemt.

Selenium biedt een krachtige en flexibele manier om webapplicaties te automatiseren en te testen. Wat Python onderscheidt in dit domein, is de Selenium WebDriver-library die naadloos integreert met Python-scripts. De eenvoud van Python maakt het schrijven van (Selenium-)tests toegankelijk voor zowel beginners als ervaren ontwikkelaars.

CI/CD
De integratie van testautomatisering met andere ontwikkelings- en deployment processen is naadloos dankzij de beschikbaarheid van tools zoals Jenkins en Travis CI, die goed samenwerken met Python. Dit maakt het mogelijk om een end-to-end automatisering pijplijn op te zetten, waardoor ontwikkelaars vertrouwen kunnen hebben in de kwaliteit van hun code.

De eenvoudige syntax en leesbaarheid van Python-code maken het gemakkelijk om test- en integratie-scripts te schrijven en te onderhouden, terwijl de mogelijkheid om taken parallel en gedistribueerd uit te voeren, zoals met Celery, de efficiëntie van build processen vergroot. Hierdoor wordt Python niet alleen omarmd voor zijn ontwikkelingsmogelijkheden, maar ook voor zijn rol in het waarborgen van de kwaliteit van software door middel van uitgebreide automatisering.

Visualisatie
Binnen de meeste van de bovenstaande domeinen wordt gewerkt met gegevens die op een of andere manier moeten worden weergegeven. Soms is tekst-gebaseerde weergave voldoende, maar vaak is er behoefte om meer visuele representaties te hebben. Dat kan simpelweg betekenen een statische representatie in de vorm van een diagram (o.a. PNG, JPG). Denk dan aan tools als MatPlotLib, Seaborn en Plotnine.
Of in de vorm van een (o.a. PDF) document. Hier zijn Sphinx en WeasyPrint belangrijke gereedschappen.

Maar ook interactieve (web-)applicaties zijn mogelijk. Belangrijke spelers hiervoor zijn Bokeh, HoloViews, Plotly en nieuwkomer PyGWalker.

Een belangrijk fundament waarop met name de interactieve visualisaties tools bouwen is Jupyter. Jupyter met zijn Notebook, JupyterLab en Voilà geeft je de tools om interactief met Python bewerkingen op data uit te voeren en, binnen hetzelfde userinterface, te visualiseren. Voor veel data scientists niet meer weg te denken uit hun gereedschapskist.

Wil je meer weten over Python, volg dan een van de volgende cursussen.